Por: John Behringer, Financial Institutions Leader en RSM US LLP

La inteligencia artificial (IA) está transformando la industria de servicios financieros a un ritmo rápido, cambiando la forma en que las instituciones financieras de todos los tamaños operan e interactúan con sus clientes. Mientras que el aprendizaje automático (Machine Learning, ML) tradicional y otros métodos avanzados de análisis se han utilizado en bancos durante años para generar insights más sólidos e innovación y mejorar la eficiencia, la IA generativa es una tecnología más reciente que está cambiando el juego.

La IA generativa es un tipo de algoritmo de aprendizaje profundo que puede generar contenido aprendiendo e imitando los patrones y la estructura de los datos en los que fue entrenado. Esto lo hace capaz de imitar el comportamiento y los patrones de pensamiento humanos para procesar vastas cantidades de datos e información al instante.

El 30 de octubre de 2023, el presidente Joe Biden emitió una orden ejecutiva sobre inteligencia artificial segura y confiable que establece nuevos estándares para la seguridad y la confiabilidad de la IA e incluye nuevas disposiciones de privacidad y mucho más que podrían tener amplias repercusiones regulatorias.

Las oportunidades de ML e IA en la banca

Con la comercialización y el fácil acceso a las herramientas de IA, los bancos e instituciones financieras ahora pueden utilizar la IA de formas nuevas e innovadoras. Teniendo como la automatización de procesos robóticos y el análisis de datos tradicionales, la IA puede aumentar la productividad y la eficiencia, permitiendo que los empleados se centren en actividades estratégicas de mayor valor.

Por ejemplo, un banco podría usar la IA para automatizar el proceso de análisis de datos de los clientes para identificar posibles fraudes o para personalizar la experiencia del cliente proporcionando asesoramiento financiero personalizado. La IA también se puede utilizar para mejorar la eficiencia operativa del negocio de la oficina trasera, reduciendo errores humanos y aumentando la velocidad y la precisión. El potencial de la IA para transformar la industria bancaria es inmenso, proporcionando a los clientes una experiencia bancaria más personalizada y eficiente.

Aquí hay algunas aplicaciones comunes que están en tendencia dentro del espacio bancario:

• Evaluación de riesgos y detección de fraudes: los algoritmos de ML pueden analizar vastas cantidades de datos para identificar señales de alerta de fraude y otros riesgos potenciales a partir de comportamientos anómalos. Esto ayuda a las instituciones financieras a identificar y mitigar riesgos, prevenir fraudes y mejorar las medidas de seguridad. La IA generativa podría mejorar este caso de uso al tomar las señales de alerta de fraude identificadas y crear un informe diario de cualquier valor atípico que el modelo no pueda confirmar con precisión como riesgo o fraude. Un equipo podría luego revisar el informe para encontrar elementos accionables.
• Monitoreo de cumplimiento: el monitoreo impulsado por eventos utilizando reglas basadas en IA podría proporcionar una advertencia temprana de actividades no conformes en torno a lo siguiente, mientras se aplican medidas de mitigación del riesgo del modelo y las mejores prácticas de IA responsables:
  • Protección al consumidor, seguridad y privacidad
  • Prácticas injustas, engañosas o abusivas (UDAAP, por sus siglas en inglés)
  • Ley de Secreto Bancario / Lavado de Dinero (BSA/AML)
  • Reglas de la Oficina de Control de Activos Extranjeros (OFAC)
• Actualizaciones del programa, pruebas y mitigación: además del monitoreo, la IA podría automatizar gran parte del flujo de trabajo de cumplimiento. La IA se puede utilizar para:
  • Monitorear los sitios de las agencias reguladoras y reportar cambios en regulaciones, reglas y orientación.
  • Realizar análisis de brechas entre controles de cumplimiento, políticas y procedimientos, así como leyes y regulaciones publicadas.
  • Generar informes y narrativas de alerta para procedimientos de prueba de cumplimiento automatizados.
  • Recomendar planes de acción para mitigar el incumplimiento.
  • Procesar documentos fuente y conjuntos de datos utilizados en pruebas de cumplimiento posteriores.
• Soporte para empleados: utilizarla para proporcionar a los empleados una conversación de chat y búsqueda inteligente para navegar por la base de datos de políticas y procedimientos de un banco y aplicaciones de gobernanza, riesgos y cumplimiento.
• Adquisición de clientes: la IA puede ayudar a los bancos a identificar posibles clientes y luego personalizar el alcance de marketing, el contenido del sitio web y otras experiencias para esos prospectos para oportunidades de venta cruzada y aumento de la participación en la billetera.
• Servicio al cliente y chatbots: los chatbots y asistentes virtuales impulsados por IA pueden proporcionar soporte al cliente personalizado, responder consultas y ayudar con transacciones financieras básicas. La IA generativa hace que estos sistemas sean aún más capaces de comprender y responder a las consultas de los clientes de manera rápida con un lenguaje similar al humano.
• Puntaje de crédito y suscripción: los algoritmos de IA pueden analizar el historial crediticio, los datos de ingresos y otros factores relevantes para realizar evaluaciones precisas de crédito y decisiones de suscripción. Esto agiliza el proceso de aprobación de préstamos y mejora la eficiencia del análisis de riesgo crediticio.
• Cumplimiento de AML: los sistemas de IA pueden ayudar a las instituciones financieras a detectar y prevenir actividades de lavado de dinero. Al analizar datos transaccionales, los algoritmos de IA pueden identificar patrones de comportamiento sospechosos y señalar transacciones potencialmente ilícitas.
• Cumplimiento normativo e informes: las herramientas de IA pueden automatizar procesos de cumplimiento, asegurando que las instituciones financieras cumplan con los complejos requisitos regulatorios. La IA puede ayudar en el monitoreo de transacciones, la generación de informes y la identificación de posibles problemas de cumplimiento.
• Investigación de mercado y análisis predictivo: la IA puede extraer insights de vastas cantidades de datos financieros para identificar tendencias de mercado, predecir el comportamiento del consumidor y tomar decisiones comerciales basadas en datos. Esto ayuda a las organizaciones financieras a mantenerse competitivas y adaptarse a las condiciones cambiantes del mercado.

Gestión de riesgos de IA

Si bien la IA ofrece una serie de oportunidades para aumentar la eficiencia e impulsar el crecimiento, también puede aumentar el riesgo si se implementa de manera incorrecta o sin la debida gobernanza. Por ejemplo, si los datos de entrenamiento utilizados para desarrollar modelos de IA son inexactos, comprometidos o contienen errores, pueden conducir a resultados defectuosos y comprometer la integridad de los datos. Además, la IA puede estar sujeta a sesgos que pueden llevar a un riesgo de cumplimiento regulatorio justo, incluidos:

• Sesgo en la selección de datos y muestras, en el que los datos de entrenamiento sobre representan o sub representan ciertos grupos, lo que lleva a la discriminación.
• Sesgo algorítmico o proxy que surge del diseño del algoritmo o los criterios que considera (nivel educativo, código postal, etc.).
• Sesgo de bucle de retroalimentación, que puede reforzar y amplificar los sesgos existentes a través del proceso de ML continuo.

Además de tomar medidas para evitar estos sesgos, garantizar la transparencia es de vital importancia en la toma de decisiones de IA para defender esas decisiones. La documentación insuficiente sobre los insumos de los modelos puede provocar problemas de cumplimiento normativo justo y UDAAP (Unfair, Deceptive, or Abusive Acts or Practices), ya que es difícil demostrar si el modelo es justo y ético en su toma de decisiones.

IA y banca: ¿Vale la pena el riesgo?

Para reducir el riesgo basado en la IA, las organizaciones deben aprovechar la gestión de riesgos empresariales (ERM, por sus siglas en inglés) para establecer gobernanza y controles adecuados. Esto debería incluir:

• Formación adecuada para los empleados que trabajan con herramientas de IA, así como una campaña de concientización general sobre los riesgos asociados con la IA.
• Gestión de licencias con herramientas específicas para evitar riesgos legales.
• Políticas, procedimientos y controles en torno al acceso a los datos.
• Una taxonomía para los riesgos emergentes en torno al uso justo, responsable y ético de la IA.
• Definiciones claras de términos utilizados en regulaciones (incluida la orden ejecutiva de Biden) como seguro, responsable, justo y confiable para describir el uso adecuado de la IA en la banca y otros contextos. Estos conceptos intangibles pueden ser difíciles de definir y medir, pero un programa de gestión de riesgos cuidadosamente elaborado hará exactamente eso para desarrollar e informar sobre modelos y casos de uso de IA que sean transparentes, responsables, confiables y explicables.

La IA representa una tremenda oportunidad para las instituciones financieras de tamaño mediano. La estrategia de IA adecuada puede mejorar la eficiencia, ayudar a llegar a nuevos mercados y clientes, ofrecer nuevos productos y gestionar mejor el cumplimiento normativo.

Para aprovechar estas oportunidades mientras se manejan los riesgos, se necesitarán mapas de rutas de IA integral para las instituciones. Contáctanos para conocer más al respecto. 

Ver artículo original