Se ha hablado mucho de la capacidad de la inteligencia artificial y del hecho de que solamente estamos arañando la superficie de lo que puede aportar esta tecnología. Cada uno la usa como puede y quiere, algunos para optimizar procesos, otros para explorar distintos escenarios o mejorar sus capacidades de comunicación... Y es que, cada sector y cada compañía tiene su ritmo y prioridades de adopción.

En el caso de la gestión de riesgos en el sector bancario, hay que hilar especialmente fino, y más ahora que han entrado en vigor las primeras obligaciones exigibles del reglamento europeo de IA. Al fin y al cabo, las decisiones tomadas en esta área impactan directamente en la vida de las personas, ya que definen, por ejemplo, si una familia consigue su hipoteca o una empresa, la financiación que requiere. En este sentido, solo se puede llegar a una conclusión: La IA aplicada al riesgo vive un momento dulce, por la increíble cantidad de opciones y oportunidades que se están presentando, pero también tiene que afrontar una enorme responsabilidad.

Quizá, llegados a este punto, conviene desmontar un mito. Aunque parezca una revolución sin precedentes, los cimientos de esta tecnología no son tan nuevos como puede parecer. La base teórica de los modelos que gobiernan nuestras decisiones tiene décadas, y si no, que se lo pregunten a Alan Turing, que sentó buena parte de esas bases. Y es que lo que ha cambiado no es tanto la matemática de fondo, sino nuestra capacidad para escalarla: más capacidad de cómputo, más datos, mejores arquitecturas y una infraestructura que permite convertir décadas de teoría en aplicaciones reales, como la IA generativa y, más recientemente, la IA agéntica. Con la llegada de Agentic AI (sistemas capaces de actuar con cierto grado de autonomía, para resolver objetivos complejos), casi sentimos que hemos ganado superpoderes.

Todo gran poder exige responsabilidad

Como enseñó la cultura popular, todo gran poder exige una gran responsabilidad. En la gestión de riesgos, esa responsabilidad se resume en dos palabras; explicabilidad y validación. De hecho las estrategias de crédito deben tener trazabilidad y permitir otorgar explicaciones de las decisiones en caso de que el consumidor lo requiera. De tal forma que no pueden ser simplemente cajas negras, ya que de cara no solo a la responsabilidad con los consumidores pero también con los reguladores. Las decisiones de crédito deben ser justificada y basada en datos y, precisamente por eso, validar los modelos y las estrategias de decisión es una de las mayores garantías que se pueden dar de que la tecnología trata a las personas de forma justa.

Esta no es solo una opinión que exista en el sector tecnológico. De hecho, la presidenta del Consejo de Supervisión del Banco Central Europeo, Claudia Buch, advirtió de que la inteligencia artificial "no crea un riesgo nuevo, pero amplifica significativamente la rapidez y la escala" con que los peligros se materializan. Lo dijo a propósito de la ciberseguridad, y dio a las entidades hasta el 31 de octubre para presentar un plan. Este principio sirve, en realidad, para todo el gobierno de la IA, cuanto más rápido y grande es el impacto, más importa entender y controlar lo que hace la máquina.

La adopción de la Inteligencia Artificial debe avanzar paso a paso, respaldado por marcos de gobernanza que permitan experimentar, aprender y avanzar con confianza. Una buena práctica es comenzar con proyectos acotados, en los que el riesgo pueda medirse y controlarse, especialmente en áreas de back-office o middle-office, donde es posible aumentar la automatización sin perder la supervisión humana. A partir de ahí, ya se pueden asumir retos mayores en un camino que nunca va a dejar de recorrerse.

El beneficio de esta transformación no es solo tecnológico ya que es, sobre todo, humano. Al delegar las tareas repetitivas en la tecnología, el analista recupera tiempo, que ahora puede emplear en tareas más complejas y estratégicas en lugar de ser únicamente un procesador de datos. Es así como se unen dos mundos que durante años puede parecer que han vivido enfrentados o, por lo menos de espaldas: el control del riesgo y el crecimiento del negocio.

Para lograrlo, las empresas deben atreverse a experimentar y asumir riesgos controlados y calculados. Lo primero es definir claramente qué nivel de riesgo están dispuestas a asumir y definir hasta qué punto pueden tolerar el error dentro de entornos seguros, como los nuevos espacios de pruebas (también conocidos como sandboxes en jerga profesional) del marco regulatorio español.

Hoy en día, el potencial de la tecnología y lo que realmente sabemos hacer con ella están todavía en construcción y seguimos descubriendo sus límites. La receta para no perder el rumbo es la proporcionalidad: construir sobre la base que ya tenemos, tener marcos de gobierno robustos, con equipos interdisciplinarios y adoptar innovación como un catalizador para mejorar los objetivos de negocio como mejorar la experiencia de cliente, incrementar rentabilidad y reducir carteras malas.

Adicionalmente, la IA por sí sola no mejora los negocios. Su impacto depende de cómo se incorpora en modelos, estrategias, simulaciones y procesos orientados al consumidor final. Por eso, el enfoque human-in-the-loop sigue siendo imprescindible: La IA puede aportar velocidad, innovación y una mejor experiencia de usuario, pero el criterio, la empatía y la responsabilidad deben seguir siendo humanos.

***Sandra Sorza, Solution Lead Risk Modeling and Decisioning en SAS