La inteligencia artificial (IA) ya forma parte de la arquitectura de decisión del sistema financiero y los bancos centrales no pueden mirar a un costado. El Fondo Monetario Internacional (FMI) identificó tres pilares a trabajar: reforzar la gobernanza de los sistemas de IA, mejorar la información sobre sus usos y dependencias, y profundizar la cooperación internacional en resiliencia operativa y ciberseguridad.

El análisis del FMI parte de una tensión central: si bien la IA puede mejorar la liquidez, reducir costos de transacción, detectar fraudes y ampliar la capacidad de análisis, esos mismos mecanismos pueden aumentar la correlación entre instituciones, concentrar dependencias en pocos proveedores y dificultar la comprensión de las decisiones automatizadas durante una crisis.

A la velocidad de la IA

En los mercados de capitales, los modelos de aprendizaje automático ya procesan llamadas de resultados, documentos regulatorios y noticias económicas. El FMI observa una aceleración de la adopción entre grandes bancos de inversión, administradoras de activos y fondos de cobertura.

En condiciones normales, la tecnología puede mejorar la ejecución de operaciones y acelerar el descubrimiento de precios. En los mercados de crédito, los modelos basados en IA pueden reforzar la detección de fraude y ampliar la información utilizada para evaluar el riesgo de consumidores y pequeñas empresas.

El problema aparece cuando el mercado entra en tensión. Algunos fondos que utilizan IA pueden rebalancear sus carteras con mayor velocidad que las estrategias tradicionales. Si muchos modelos reaccionan al mismo tiempo ante una señal similar, la tecnología puede intensificar una venta masiva o una caída abrupta de precios.

El riesgo también tiene una dimensión de transparencia. Incluso las instituciones financieras más sofisticadas pueden tener dificultades para explicar por qué una estrategia basada en IA adoptó una determinada posición durante un episodio de estrés.

Por eso, el FMI plantea que los bancos centrales y los organismos de supervisión deberán monitorear las estrategias basadas en IA, mapear los riesgos de correlación y adaptar las pruebas de estrés a la velocidad y las interacciones de los modelos automatizados.

Nuevos riesgos sistémicos

Los bancos, las bolsas, las cámaras compensadoras y los sistemas de pagos pueden recurrir a estos modelos para automatizar procesos administrativos, detectar anomalías y monitorear operaciones.

Pero la principal vulnerabilidad surge cuando numerosas instituciones dependen de los mismos proveedores de nube, datos o modelos. Una interrupción técnica, un ataque cibernético o un conflicto geopolítico puede afectar de manera simultánea a un conjunto amplio de participantes.

Un informe del Comité Irving Fisher del Banco de Pagos Internacionales (BIS), basado en una encuesta realizada a 60 jurisdicciones, mostró que los bancos centrales atraviesan una etapa de alto interés y baja adopción plena de la IA.

La mayoría de los proyectos todavía se encuentra en fase experimental. El uso de la IA crece en investigación económica, estadísticas, procesamiento de información y herramientas de asistencia. Sin embargo, pocas aplicaciones alcanzaron una implementación completa en las operaciones cotidianas.

Además, surge otro problema: la IA exige mayor capacidad de cómputo y plataformas capaces de procesar grandes volúmenes de información estructurada y no estructurada. La nube puede reducir costos iniciales y ofrecer capacidad flexible, pero también introduce riesgos de privacidad, seguridad, soberanía de los datos y dependencia de proveedores externos.

Supervisión no-humana

El informe del BIS ubica a la ciberseguridad, la investigación y las estadísticas entre las áreas con mayor potencial. Las autoridades ya exploran aplicaciones para procesar datos, detectar valores atípicos, mejorar la documentación y generar datos sintéticos.

La IA también puede colaborar con el análisis de inflación, los modelos macroeconómicos, la detección de episodios de tensión financiera y las pruebas de estrés. Sin embargo, el número de aplicaciones en producción todavía es menor al nivel de expectativas.

El riesgo central para los supervisores es la dependencia excesiva de los resultados automatizados. Un modelo puede procesar más información que una persona, pero también puede fallar ante situaciones que no aparecen en sus datos de entrenamiento o que alteran las relaciones habituales entre variables.

Por eso, el principio que comienza a consolidarse entre las autoridades es que la IA debe aumentar la capacidad de decisión de los supervisores y no reemplazar su criterio. La automatización puede mejorar la cobertura y la velocidad del análisis. La responsabilidad final requiere conocimiento técnico, controles y supervisión humana.

El problema se vuelve más complejo en los países con menor capacidad tecnológica. El reporte señala que la falta de especialistas representa una limitación relevante, en particular para economías emergentes. La gobernanza de la IA exige profesionales capaces de comprender modelos, datos, infraestructura y riesgos operativos.

Calidad de los datos

La discusión sobre IA en las finanzas suele concentrarse en los modelos, dado que un sistema de IA depende de la información que recibe.

Si los datos son incompletos, inconsistentes, desactualizados o difíciles de interpretar, la calidad de los resultados también puede deteriorarse.

El BIS plantea que los bancos centrales deben avanzar en la documentación, trazabilidad y estandarización de los datos. La información debe ser transparente, reutilizable y legible tanto para las personas como para las máquinas.

La agenda incluye metadatos de calidad, identificadores persistentes, estándares comunes y mayor interoperabilidad entre bases de datos.