Sólo 21% en sector financiero regula uso de IA
Sólo el 21% de las organizaciones del sector financiero que han adoptado la Inteligencia Artificial (IA) han establecido políticas que regulan su uso. Además, pocas de estas han abordado adecuadamente uno de los principales riesgos asociados con el uso de la Inteligencia Artificial (IA): la imprecisión. Ello de acuerdo con la compañía pionera en IA y Analítica Avanzada de Datos, SAS, misma que destaca la necesidad urgente de que las organizaciones desarrollen estrategias sólidas para mitigar los riesgos inherentes en la adopción de tecnologías de IA para sus operaciones.
A decir de Terisa Roberts, Director Global Lead Risk Modeling and Decisioning de SAS, uno de los principales retos en la implementación de IA en empresas, sobre todo las del sector financiero, es que la regulación en esta materia aún no se ha emparejado con el ritmo que mantiene de la innovación tecnológica, por lo que, además de los aspectos éticos que resultan en una gran área de oportunidad para las organizaciones; estas deben estar alerta ante los riesgos reputacionales y financieros que no sólo la desregulación implica, sino también sobre aspectos de riesgo como los relacionados con el fraude y la ciberseguridad que, desde el crimen también evolucionan de manera vertiginosa.
Y es que con la revolución que hoy en día vivimos en cuanto a la implementación de soluciones de IA, no pocas empresas están volteando hacia estas y en distintos aspectos de su operación. Según un estudio de McKinsey & Company sobre la gestión de riesgos basada en IA, en América Latina, el 40% de las organizaciones aumentarán su inversión en estas soluciones debido a los avances que la IA Generativa ha demostrado.
La ejecutiva de SAS puntualiza que la IA y el aprendizaje automático se encuentran presentes en todos los aspectos de nuestra sociedad actual, desde simples recomendaciones en plataformas digitales para tareas sencillas, hasta procesos sofisticados de toma de decisión en materia financiera.
Por lo anterior “la gestión de riesgos basada en IA representa una evolución significativa en la forma en que las organizaciones abordan y mitigan los riesgos en y para sus operaciones. Este enfoque innovador aprovecha el poder de los algoritmos de aprendizaje automático y la analítica avanzada para analizar grandes volúmenes de datos, identificar patrones y tendencias, y así tomar decisiones informadas en tiempo real”, explica la Roberts.
Importancia de la IA para la gestión de riesgos en México y Latinoamérica: retos, riesgos y beneficios
Roberts menciona que, aunque la adopción de IA en gestión de riesgos está en desarrollo en América Latina, es importante que las instituciones financieras comprendan tanto los beneficios como los riesgos asociados a estas, así como las brechas en la preparación de las empresas para el uso generalizado de la IA en la gestión de riesgos empresariales.
En este sentido, Roberts considera algunos beneficios, retos y riesgos a tomar en cuenta:
Beneficios
- Reducir el riesgo de fraude: la IA puede detectar patrones que los humanos podrían pasar por alto, lo que ayuda a prevenir fraudes en transacciones, solicitudes de crédito y pólizas de seguro.
- Mejorar la toma de decisiones: al analizar grandes cantidades de datos para identificar riesgos que podrían no ser evidentes a simple vista, se permite a las entidades financieras tomar decisiones más informadas sobre la concesión de créditos, la suscripción de pólizas y la gestión de inversiones.
- Optimizar la eficiencia: la analítica avanzada puede automatizar tareas repetitivas, como la evaluación de solicitudes de crédito, lo que libera tiempo para que los empleados se concentren en tareas más estratégicas.
- Personalizar la experiencia del cliente: la IA puede usarse para ofrecer productos y servicios financieros personalizados a cada cliente, en función de su perfil de riesgo y necesidades específicas.
Retos y riesgos
- Falta de regulación: la rápida evolución de la IA ha superado la capacidad de los reguladores para establecer marcos regulatorios adecuados. Esto puede generar incertidumbre y riesgos para las entidades financieras que ya utilizan la IA o están en vías de implementación.
- Sesgos en los datos: los algoritmos de IA pueden reproducir sesgos existentes en los datos utilizados para su entrenamiento. Esto puede llevar a la discriminación en la toma de decisiones, como por ejemplo, denegar créditos a ciertos grupos de personas de manera injustificada.
- Transparencia: los algoritmos de inteligencia artificial pueden ser difíciles, lo que dificulta la comprensión sobre las decisiones de la IA. Esto puede generar desconfianza entre los usuarios y las autoridades, así como la falta de transparencia.
“Para los bancos y aseguradoras en México, y el sector financiero en general, es importante estar al tanto de los beneficios y oportunidades del uso de la IA, pero también de los riesgos, para así aprovechar estas las nuevas tecnologías de manera responsable, ya que cerca del 43% de las compañías se enfoca en una experiencia de cliente digital mejorada”, asegura Roberts.
Hallazgos en México y América Latina
Uno de los principales hallazgos de la firma es la disposición de los bancos para digitalizar sus procesos de evaluación crediticia. Existe una apertura significativa hacia la adopción de tecnologías como la IA y el aprendizaje automático para mejorar tanto la precisión como la eficiencia en la toma de decisiones, como por ejemplo la emisión de créditos al consumo, en donde el 36% está basada en la rapidez de la toma de decisiones como un impulsor en la transformación de las decisiones crediticias.
Los sectores que han adoptado mejor la IA para la gestión de riesgos son aquellos que están expuestos a cambios significativos en el entorno, como la agricultura y la industria financiera. La capacidad de adaptarse a riesgos específicos de cada sector, como la predicción de condiciones climáticas, la optimización del uso de recursos y la detección de enfermedades y plagas, para el caso de la agricultura, y la detección de fraude o el análisis de mercado, para la industria financiera, se vuelve esencial para el éxito de la gestión de riesgos.
“La IA Generativa se utiliza frecuentemente para analizar o extraer información de grandes conjuntos de documentos. Por ejemplo, uno de nuestros clientes en los Estados Unidos ha utilizado la IA Generativa para resumir rápidamente documentos regulatorios de 300 o 400 páginas, obteniendo una síntesis precisa de las acciones requeridas por los documentos reguladores”, explica Roberts.
Además, la IA se utiliza para detectar fraudes mediante el análisis de patrones y anomalías en las transacciones financieras, lo que ayuda a prevenir pérdidas financieras y proteger la integridad del sistema bancario. Por lo que la ejecutiva hace un llamado a que los responsables de la gestión de riesgos consideren la transformación digital y la innovación de sus procesos de evaluación crediticia como una prioridad. Es fundamental contar con tecnologías que sean capaces de adaptarse a los cambios del mercado y garantizar una toma de decisiones ágil y precisa.
“El tema de innovación en la gestión de riesgos permite a las organizaciones anticiparse a los desafíos emergentes y aprovechar nuevas oportunidades de manera proactiva. Al adoptar un enfoque innovador hacia la gestión de riesgos, las organizaciones pueden mejorar su capacidad para identificar y mitigar riesgos potenciales, así como aprovechar nuevas oportunidades de negocio que de otro modo podrían pasar desapercibidas con soluciones muy enfocadas”, concluye la Directora de SAS.