La inteligencia artificial está transformando la forma en que las entidades financieras valoran el riesgo, asignan el crédito y responden a las crisis. Cada vez está más integrada en la estructura de toma de decisiones del sistema financiero. Para los bancos centrales y los supervisores financieros, el principal desafío reside en garantizar que la IA se rija de manera que refuerce, en lugar de socavar, la estabilidad financiera.
Tres prioridades destacan:
Reforzar la supervisión y la gobernanza de las tecnologías de negociación, concesión de préstamos y supervisión (SupTech) basadas en inteligencia artificial.
Mejorar la visibilidad del uso de la IA, las dependencias y los riesgos de correlación de activos derivados de las estrategias de negociación sincronizadas.
Profundizar la cooperación internacional en materia de resiliencia operativa y ciberdefensa.
La IA reduce el tiempo y la distancia en el sector financiero. Las operaciones, las decisiones crediticias y los análisis de supervisión se realizan cada vez más en tiempo real, lo que modifica la forma en que se propagan las crisis y la rapidez con que pueden volverse sistémicas. En consecuencia, las responsabilidades relativas al funcionamiento del mercado, la estabilidad financiera y la resiliencia operativa están cada vez más interrelacionadas con las políticas y las decisiones de gobernanza en materia de IA.
Comercio y préstamos
La IA se está integrando cada vez más en las operaciones bursátiles y de inversión en los principales mercados de capitales. Los modelos de aprendizaje automático generan señales de alta frecuencia, y la IA generativa analiza en tiempo real las teleconferencias sobre resultados, los informes regulatorios y las noticias económicas. Hasta ahora, el impacto de la IA ha sido evolutivo más que disruptivo, pero su integración se está acelerando entre los grandes bancos de inversión, gestores de activos y fondos de cobertura.
En condiciones normales de mercado, los efectos son en general positivos. La ejecución basada en IA puede ayudar a mejorar la liquidez, reducir los costos de transacción y acelerar la determinación de precios. En los mercados de crédito, los modelos con soporte de IA en los préstamos al consumo y a las pequeñas empresas refuerzan la detección de fraudes y amplían los datos utilizados para la evaluación de riesgos.
Sin embargo, en periodos de estrés, esas mismas características pueden amplificarse: la IA puede acelerar los mercados y aumentar su interconexión. Un análisis del FMI muestra que algunos fondos basados en IA se reequilibran mucho más rápido que las estrategias tradicionales, amplificando las fluctuaciones cuando muchos modelos responden a señales similares. El comportamiento gregario no es nuevo, pero la IA puede modificar su dinámica. Es posible que futuras caídas repentinas del mercado se deban menos a errores de programación y más a la reacción simultánea de múltiples sistemas de IA ante la misma información.
La opacidad supone otro desafío para las autoridades. Incluso las instituciones más sofisticadas pueden tener dificultades para explicar por qué una estrategia basada en IA se comportó como lo hizo bajo presión, lo que dificulta que los bancos centrales y los supervisores financieros detecten riesgos emergentes y diagnostiquen perturbaciones del mercado.
Es necesario que las políticas se adapten. Los bancos centrales y los supervisores financieros deberán monitorear más de cerca las estrategias basadas en IA, identificar los riesgos de correlación y garantizar que las pruebas de estrés reflejen la velocidad, la escala y las interacciones de la toma de decisiones basada en IA. Un monitoreo mejorado y mejores datos sobre la adopción de IA, las dependencias de los modelos y la exposición al mercado serán complementos importantes para los colchones de capital y liquidez tradicionales, que seguirán siendo fundamentales para la resiliencia financiera. Una mayor transparencia en el uso de los modelos clave puede ayudar a las autoridades a identificar posibles vulnerabilidades sistémicas.
Con el tiempo, una IA bien gobernada podría ayudar a mitigar los sesgos humanos y diversificar la toma de decisiones. Sin embargo, para lograr estos beneficios, será necesario establecer sólidas medidas de protección en torno al riesgo de los modelos y garantizar la transparencia en su uso.
Infraestructura y operaciones
La IA también está transformando el núcleo operativo del sistema financiero. Es probable que los bancos la implementen cada vez más en las funciones administrativas y de gestión de riesgos, convirtiendo procesos que antes tardaban días en flujos de trabajo en tiempo real. Las infraestructuras de los mercados financieros, como las bolsas, las cámaras de compensación y los sistemas de pago, podrían utilizar la IA para la monitorización del sistema y la detección de anomalías a medida que aumenten el volumen y la complejidad de las transacciones.
El principal riesgo radica en la concentración de servicios críticos y las dependencias compartidas. Muchas aplicaciones de IA dependen de un número reducido de proveedores de nube, datos o modelos.
Si bien estas dependencias pueden ser invisibles a nivel empresarial, pueden generar importantes vulnerabilidades sistémicas: una interrupción en un proveedor crítico —ya sea técnica, cibernética o geopolítica— podría afectar a muchas instituciones simultáneamente.
Varias autoridades, entre ellas el Banco Central Europeo y el Banco de Inglaterra, han ampliado los marcos de resiliencia operativa para abarcar explícitamente a los proveedores de servicios críticos de terceros, incluidos los proveedores de IA y de servicios en la nube. Los bancos centrales y los supervisores financieros necesitan un mapeo integral de las dependencias relacionadas con la IA, estándares mínimos de resiliencia para los proveedores clave y planes de contingencia para interrupciones correlacionadas.
Al mismo tiempo, las decisiones políticas pueden influir en los riesgos de concentración. Si los marcos regulatorios o de supervisión favorecen implícitamente a un pequeño grupo de proveedores de IA aprobados, o incentivan a las empresas a converger en modelos de negocio y herramientas similares, podrían aumentar las dependencias comunes y los fallos correlacionados. Las autoridades deberán sopesar los beneficios de confiar en proveedores conocidos y bien evaluados frente a los riesgos sistémicos que pueden derivarse de una concentración y conformidad excesivas.
Gestión y supervisión de riesgos
La IA está transformando la forma en que los bancos centrales y los supervisores financieros cumplen sus funciones. La tecnología de supervisión (SupTech) se utiliza para mejorar la vigilancia del mercado, identificar riesgos emergentes y orientar las medidas de supervisión. Bancos centrales y supervisores financieros como los de Francia, Portugal, Alemania y Japón aplican el aprendizaje automático a los datos de valores y derivados para detectar anomalías, mientras que la Reserva Federal, el BCE y el Banco de Canadá utilizan el procesamiento del lenguaje natural en los informes de supervisión y las quejas de los consumidores para detectar riesgos emergentes.
A medida que los sistemas financieros se vuelven más complejos, la tecnología de supervisión (SupTech) puede mejorar la puntualidad, la cobertura y la profundidad analítica. Sin embargo, plantea desafíos de gobernanza. Si bien la IA puede ayudar a paliar la escasez de personal cualificado, también requiere conocimientos especializados que son escasos, sobre todo en los mercados emergentes. Los supervisores necesitarán mayores capacidades técnicas para evaluar sistemas de IA cada vez más complejos y es posible que deban recurrir a instituciones externas especializadas. El riesgo de los modelos y la excesiva dependencia de los resultados automatizados pueden generar puntos ciegos, especialmente cuando los sistemas tienen un rendimiento deficiente bajo presión.
Por consiguiente, varias autoridades han adoptado un principio claro: la IA debe complementar el criterio de supervisión, no sustituirlo. A medida que la tecnología de supervisión se generalice, los marcos normativos requerirán una gobernanza sólida, requisitos de explicabilidad y supervisión humana, además de inversión en capacidad de supervisión.
Amenazas cibernéticas mejoradas por IA
La IA generativa está incrementando rápidamente la velocidad, la escala y la sofisticación de los ciberataques. El phishing es cada vez más convincente, las estafas se adaptan en tiempo real y el tiempo que transcurre entre el descubrimiento y la explotación de vulnerabilidades se reduce. Como resultado, las instituciones disponen de menos tiempo para detectar y responder a las amenazas.
Para los bancos centrales y los supervisores financieros, estas amenazas ya no son meramente operativas. A medida que la IA mejora las capacidades de los ciberdelincuentes, la ciberresiliencia se está convirtiendo en una preocupación macrofinanciera.
Un estudio del Banco de Pagos Internacionales revela que la mayoría de los bancos centrales están adoptando o planean adoptar la IA generativa para la detección y respuesta ante amenazas, aun cuando reconocen que estas mismas herramientas fortalecen las capacidades de los atacantes. Las autoridades japonesas han colaborado con importantes instituciones para evaluar la preparación ante los riesgos cibernéticos impulsados por la IA, mientras que un informe del Grupo de los Siete destaca que las amenazas habilitadas por la IA constituyen vulnerabilidades compartidas que requieren respuestas coordinadas.
Las prioridades políticas son claras. Los bancos centrales y los supervisores financieros deben reforzar las expectativas en materia de ciberresiliencia, realizar simulacros a nivel sistémico que incluyan escenarios con inteligencia artificial y mejorar el intercambio de información sobre amenazas y defensas. Invertir en inteligencia artificial defensiva —con límites claros— será fundamental para hacer frente a la evolución de los ataques.
Dar forma a la IA para lograr estabilidad
La IA se ha convertido en un problema de estabilidad financiera que afecta a mercados, instituciones, infraestructuras financieras y supervisión. En un sistema financiero impulsado por la IA, la estabilidad dependerá menos de un modelo específico y más de las instituciones, los incentivos y las salvaguardias que rigen su uso. El FMI puede ayudar a los países a identificar vulnerabilidades emergentes, compartir experiencias y desarrollar marcos normativos sólidos mediante la supervisión, las evaluaciones del sector financiero y el desarrollo de capacidades.
Si los responsables políticos actúan con prontitud y de forma conjunta, la IA puede reforzar la resiliencia financiera global. De lo contrario, la inestabilidad futura podría ser más rápida, estar más interrelacionada y ser más difícil de gestionar que episodios anteriores.
