La inteligencia artificial (IA) ofrece hoy un enorme potencial para las instituciones financieras. Bancos, aseguradoras y entidades del mercado de valores están incorporando estas tecnologías para mejorar la eficiencia de sus procesos operativos, fortalecer sus capacidades de gestión de riesgos y ofrecer una experiencia más personalizada a sus clientes. Esta constatación refleja que la IA no es una herramienta aislada, sino una tecnología transversal que puede transformar múltiples dimensiones del negocio financiero.
Sin embargo, junto con este potencial, la introducción de la IA plantea desafíos relevantes de gobernanza. No se trata únicamente de una discusión tecnológica, sino de una cuestión estratégica que involucra responsabilidades claras de la alta gerencia y, especialmente, del directorio.
Antes de incorporar soluciones basadas en IA, resulta indispensable definir cómo se abordarán estos desafíos. Esto incluye quién toma las decisiones críticas, cómo se supervisan los modelos, cómo se gestionan los riesgos emergentes y cómo se asegura la rendición de cuentas.
En este contexto, el directorio tiene un rol primario e indelegable en encabezar esta reflexión y asegurar que el proceso de toma de decisiones al interior de la organización sea robusto y consistente con el apetito de riesgo definido (Harvard Law School Forum on Corporate Governance, AI and the Rol of the Board of Directors, 2023).
En el ámbito específico de la gestión de riesgos financieros, la IA puede aportar ventajas significativas. El uso de técnicas de machine learning permite capturar patrones complejos en grandes volúmenes de datos, mejorando —al menos en apariencia— las capacidades predictivas de modelos de crédito, mercado y fraude, así como los sistemas de alerta preventiva. Este aporte ha sido ampliamente documentado en la literatura reciente, destacándose su potencial para complementar y, en algunos casos, superar los enfoques estadísticos tradicionales (Kurshan, Shen & Chen, Machine Learning and Risk Models, 2020).
No obstante, los desafíos propios de la gestión de modelos cuantitativos complejos se ven fuertemente exacerbados cuando se incorporan modelos de IA. A diferencia de los modelos tradicionales, que suelen imponer relaciones económicas explícitas y supuestos relativamente estables, los modelos de IA tienden a aprender la estructura del modelo principalmente a partir de los datos históricos. Esto los hace particularmente sensibles a cambios estructurales del entorno, como shocks macroeconómicos, modificaciones regulatorias o cambios en el comportamiento de clientes.
Un modelo puede mostrar un desempeño estadístico sobresaliente dentro de la muestra y, aun así, fallar silenciosamente cuando el contexto cambia, sin que exista una señal clara o inmediata de deterioro. Este tipo de fallas no es nuevo para la gestión de riesgos financieros, pero la IA amplifica su impacto y dificulta su detección temprana.
En este escenario, las metodologías tradicionales de supervisión y validación de modelos —aunque siguen siendo necesarias— pueden resultar insuficientes. Normativas como SR 11-7 de la Reserva Federal, o las prácticas clásicas de gestión del riesgo de modelos, fueron diseñadas para modelos relativamente estables y explicables.
Frente a modelos que se recalibran con frecuencia, incorporan cientos de variables o utilizan arquitecturas no lineales, surgen preguntas nuevas: ¿cómo se valida un modelo que aprende continuamente?, ¿cómo se detectan sesgos que emergen con el tiempo?, ¿cómo se asegura que las decisiones automatizadas sigan siendo coherentes con la estrategia y los valores de la institución?
Estos desafíos han sido destacados tanto por trabajos académicos como por organismos internacionales, incluyendo el BIS, que advierte que la IA puede exacerbar el riesgo de modelo, complicar el control de datos y dificultar la validación independiente (ver documentos varios BIS sobre Artificial Intelligence in Finance).
Desde la óptica del directorio, el punto clave es que la IA no solo introduce riesgos técnicos. La literatura especializada sobre gobernanza de IA muestra que, aun cuando los modelos optimicen métricas internas, pueden generar riesgos reputacionales, legales y prudenciales si no existen marcos claros de responsabilidad, transparencia y rendición de cuentas. Sesgos no detectados, decisiones automatizadas difíciles de explicar o fallas en la trazabilidad pueden derivar en sanciones regulatorias, litigios o daños reputacionales significativos (Batool et. al. Responsible AI Governance: A Systematic Literature Review, 2023).
No se trata de que los directores se conviertan en expertos en inteligencia artificial o en machine learning. Su responsabilidad es otra: asegurar que la institución cuente con una gobernanza clara de la IA, que existan responsabilidades bien definidas, que los riesgos sean comprendidos y que las preguntas correctas se formulen oportunamente. El directorio debe velar porque el uso de IA esté alineado con el apetito de riesgo, cuente con mecanismos efectivos de supervisión y mantenga siempre un grado adecuado de control humano.
En este contexto, un director debería ser capaz de formular, al menos, las siguientes preguntas esenciales:
En definitiva, la incorporación de la IA en la gestión de riesgos financieros no es solo una oportunidad tecnológica, sino un test de madurez del gobierno corporativo. Aquellas instituciones cuyos directorios comprendan tempranamente este desafío estarán mejor posicionadas para capturar los beneficios de la IA, sin comprometer la solidez financiera, la confianza del mercado ni la sostenibilidad de sus decisiones.
Para más noticias de After Office en Ex-Ante, clic aquí.
Publicaciones relacionadas
El guerrero cultural piensa, implícitamente, que el ciudadano es menos inteligente que él. Esa presunción lo lleva a convencerse de que posee la capacidad para transformar el pensamiento de los demás. A los ojos de estos sujetos, la ciudadanía sería una especie de rebaño influenciable, presa fácil de quienes buscan persuadirlos sobre cómo hay que […]
Si la preocupación es profundizar el mercado de capitales y mejorar el desempeño empresarial, la agenda debe avanzar hacia mecanismos que fortalezcan el valor del directorio como garante de confianza frente al mercado.
Salvo por los tópicos y la jerga de este tiempo, el documento del congreso suena arcaico. La perspectiva que ofrece como novedosa está emparentada con el rudimentario anticapitalismo del FRAP en los años 50 y la Unidad Popular en los 60 y 70. ¿Qué idea tienen los líderes del FA de lo que es un […]
No son el problema: son la semilla que multiplica. Cautelar a quienes poseen grandes empresas no es favoritismo, es responsabilidad. Si queremos un país próspero, debemos proteger el entorno que permite que la riqueza se cree, se mantenga y se reinvierta.
Estados Unidos anunció nuevos aranceles para productos chilenos como salmones, vinos, madera y frutas. La medida podría reducir la competitividad de las exportaciones nacionales y confirma que, bajo la doctrina America First, las afinidades políticas no garantizan un trato comercial favorable.
