La semana presentamos ECO Chat en la feria Big Data & AI de Londres, donde solemos hablar con frecuencia con entidades bancarias y financieras, tradicionalmente reacias a grandes cambios tecnológicos excepto si no han sido probados previamente y han pasado ciertas pruebas de seguridad. Esto no ha sucedido con la IA Generativa. No soy el único que piensa que en los próximos cinco años, la IA generativa va a cambiar radicalmente la gestión de riesgos de las entidades financieras al automatizar, acelerar y mejorar desde el cumplimiento hasta el control del riesgo climático.
Podemos discutir si nuestra productividad se incrementará en un orden de magnitud de 10 o de 100, pero sucederá.
Desde el análisis de modelos hasta la automatización de tareas manuales y la sumarización de contenidos no estructurados a gran escala para acceder a conocimiento, hacer que los datos “hablen” en forma de asistentes virtuales o chatbots para empleados o clientes y consumidores, la tecnología está revolucionando el funcionamiento de muchas organizaciones, empresas de todo tamaño y corporaciones. Por supuesto, las entidades bancarias no son ajenas a todo ello y la IA generativa afectará al modo en el que gestionan los riesgos y cumplen normativas aplicables.
Todos hemos utilizado modelos externos, desde ChatGPT a Gemini, Aya de Cohere o nuestro propio LLM ECO gratuito y abierto, y somos conscientes de que no podemos compartir datos fuera de nuestras organizaciones. Por ello, resulta imperativo que los departamentos jurídicos y de riesgo y cumplimiento de todas las organizaciones impongan límites al uso, personal o no, de la IA genérica en una organización.
Sin embargo, sabemos que esta tecnología puede ayudarnos a ser más eficientes en nuestro trabajo. En este artículo, me gustaría analizar cómo las entidades bancarias y financieras pueden crear políticas flexibles y potentes para utilizar la inteligencia artificial en la gestión del riesgo y el cumplimiento, identificando algunos puntos que los responsables han de tener en cuenta.
La IA de última generación tiene el potencial de revolucionar la forma en que las entidades bancarias y financieras gestionan los riesgos y muchas otras áreas en los próximos tres a cinco años. La IA generativa permite sin lugar a dudas que las funciones que desarrollan muchos departamentos se alejen de las actividades ordinarias y tradicionales para asociarse con otras líneas de negocio como la prevención de riesgos estratégicos, por ejemplo. Así la IA generativa puede proporcionar controles profundos desde el inicio de la relación con los clientes. Ello, a su vez, libera a los profesionales del riesgo para asesorar a las empresas sobre el desarrollo de nuevos productos y decisiones empresariales estratégicas, permite explorar tendencias y escenarios de riesgo emergentes, refuerza la resistencia y mejora los procesos de riesgo y control de forma proactiva.
Los avances que trae la GenIA en el sector bancario y financiero van a conducir a la creación de Centros de Inteligencia de Riesgos impulsados por IA que prestarán servicio a lo que en la banca anglosajona se denomina como “líneas de defensa” (LOD):
Un centro de este tipo proporcionará informes automatizados, mejorará la transparencia de los riesgos, aumentará la eficiencia en la toma de decisiones relacionadas con los riesgos y automatizará parcialmente la redacción y actualización de políticas y procedimientos para reflejar nuevos requisitos normativos. Este Centro de Inteligencia de Riesgos impulsado por IA actuará como una fuente de información fiable y eficiente, que permitirá a los gestores de riesgos tomar decisiones informadas con rapidez y precisión.
Por ejemplo, Pangeanic ha desarrollado un asistente virtual basado en IA generativa y especializado en fiscalidad que puede ofrecer respuestas personalizadas basadas en la información y los documentos que son propiedad de los clientes, de cada firma o despacho usuario. Muchas entidades bancarias y financieras podrían desarrollar herramientas similares o basarse en ECO Chat Privado para analizar transacciones con otras entidades, las posibles señales de alarma, acceder a reportes personalizados de noticias del mercado, precios de los activos, etc. para así tomar mejores decisiones de riesgo, o decisiones mejor informadas. Estos expertos virtuales también pueden recopilar datos y evaluar las evaluaciones de riesgo climático para responder a las preguntas de las contrapartes.
Por último, la IA genérica puede facilitar una mejor coordinación entre la primera y la segunda "línea de defensa" de la organización, manteniendo al mismo tiempo la estructura de gobernanza en los tres. La mejora de la coordinación permite mejorar los mecanismos de supervisión y control, reforzando así el marco de gestión de riesgos de la organización.
De entre las muchas aplicaciones prometedoras de la IA generativa para las instituciones financieras, hay un conjunto de candidatos que los bancos están explorando para una primera ola de adopción: el cumplimiento reglamentario, el delito financiero, el riesgo crediticio, el modelado y el análisis de datos, el riesgo cibernético y el riesgo climático. En general, vemos aplicaciones de la IA generativa a través de tres arquetipos de casos de uso en las funciones de riesgo y cumplimiento.
A través de un experto virtual, un usuario puede formular una pregunta y recibir una respuesta resumida generada a partir de documentos extensos y datos no estructurados. Con la automatización de procesos manuales, gen AI realiza tareas que consumen mucho tiempo. Con la aceleración de código, la IA generativa actualiza o traduce código antiguo o escribe código completamente nuevo. Todos estos arquetipos pueden desempeñar funciones en las responsabilidades clave del riesgo y el cumplimiento:
1. Detección de Fraude y Actividades Anómalas: Los modelos de IA generativa pueden analizar grandes volúmenes de transacciones en tiempo real para identificar patrones que indiquen fraude, lavado de dinero, o cualquier otra actividad ilegal. Al aprender de los datos históricos, estos sistemas pueden adaptarse a nuevas técnicas de fraude.
2. Cumplimiento Regulatorio Automatizado: En sectores altamente regulados, como el financiero y el de salud, la IA generativa puede automatizar la recopilación y el análisis de datos requeridos por las regulaciones. Esto incluye la generación de informes de cumplimiento, monitoreo de comunicaciones para evitar la manipulación de mercado, y la identificación de conflictos de interés.
3. Simulaciones de Riesgo: Los modelos generativos pueden crear escenarios de riesgo realistas y simulaciones para evaluar la resiliencia de una organización frente a eventos adversos. Esto es particularmente útil para la gestión de riesgos financieros, ciberseguridad, y la planificación de continuidad del negocio.
4. Evaluación de Riesgo de Crédito: En el sector financiero, la IA generativa puede mejorar la precisión de los modelos de riesgo de crédito mediante la generación de perfiles de riesgo basados en una amplia gama de datos financieros y no financieros, lo que permite una mejor diferenciación entre los solicitantes de crédito.
5. Entrenamiento y Sensibilización sobre Cumplimiento: Mediante la creación de contenidos educativos personalizados y situaciones de aprendizaje interactivo, la IA generativa puede mejorar los programas de formación en cumplimiento, haciéndolos más relevantes y atractivos para los empleados.
6. Monitoreo de la Ética Empresarial: Los modelos de IA generativa pueden analizar internamente comunicaciones y conductas para identificar riesgos potenciales relacionados con la ética empresarial, como el acoso, la discriminación, o la violación de políticas internas.
7. Gestión de la Información y Documentación: La IA generativa puede automatizar la creación, clasificación y mantenimiento de documentos requeridos para el cumplimiento normativo, asegurando que la documentación sea actual, completa y fácil de recuperar durante las auditorías.
8. Cumplimiento reglamentario: Las empresas están utilizando la IA generativa como experto regulatorio y de políticas virtuales entrenándola para responder preguntas sobre las regulaciones, las políticas de la empresa y las directrices. La tecnología también puede comparar políticas, regulaciones y procedimientos operativos. Como acelerador de código, puede verificar el código en busca de desalineación y brechas de cumplimiento y automatizar la comprobación del cumplimiento reglamentario, proporcionando alertas para posibles infracciones.
9. Delito financiero: La IA generativa puede generar informes de actividad sospechosa basados en la información del cliente y las transacciones. También puede automatizar la creación y actualización de las calificaciones de riesgo de los clientes basándose en los cambios en los atributos know-your-customer. Al generar y mejorar el código para detectar actividades sospechosas y analizar transacciones, la tecnología puede mejorar el control de las transacciones.
10. Riesgo crediticio: La IA generativa puede resumir la información del cliente (por ejemplo, las transacciones con otros bancos) para informar las decisiones de crédito, lo que ayuda a acelerar el proceso de extremo a extremo de crédito bancario. Tras una decisión de crédito, puede redactar el memorando y el contrato de crédito.
Las instituciones financieras están utilizando la tecnología para generar informes de riesgo crediticio y extraer información de los clientes a partir de los memorandos y contratos de crédito. La IA generativa puede generar código para obtener y analizar datos de riesgo crediticio, lo que permite obtener una visión de los perfiles de riesgo de los clientes y generar estimaciones de probabilidad de incumplimiento y pérdida a través de modelos.
11. Modelado y análisis de datos: La IA generativa puede acelerar la migración de lenguajes de programación heredados, como el cambio de SAS y COBOL a Python. También puede automatizar el seguimiento del rendimiento del modelo y generar alertas si los indicadores clave de rendimiento se salen de los márgenes de tolerancia. Las empresas también están utilizando la IA generativa para redactar la documentación y los informes de validación de modelos.
12. Riesgo cibernético: Comprobando las vulnerabilidades de ciberseguridad, la IA generativa puede utilizar el lenguaje natural para generar código para reglas de detección y acelerar el desarrollo de código seguro. También puede ser útil en "equipos rojos" (simulación de estrategias adversas y prueba de escenarios de ataque). La tecnología también puede servir como experto virtual para la investigación de datos de seguridad. Puede hacer que la detección de riesgos sea más inteligente al acelerar y agregar las percepciones y tendencias de seguridad de los eventos y anomalías de comportamiento.
13. Riesgo climático: La IA generativa puede sugerir fragmentos de código, facilitar las pruebas unitarias y asistir en la visualización del riesgo físico con mapas de alta resolución. También puede automatizar la recopilación de datos para las evaluaciones del riesgo de transición de los contrapartes y generar señales de advertencia tempranas basadas en eventos desencadenantes. Como experto virtual, la IA generativa puede generar informes automáticos sobre temas de riesgo climático y sostenibilidad en las secciones de los informes anuales.
Estas aplicaciones no solo ayudan a las organizaciones a cumplir con las regulaciones de manera más eficiente, sino que también las capacitan para anticiparse y mitigar riesgos de manera proactiva, aprovechando el poder de la IA para análisis y generación de datos en gran escala. Póngase en contacto con Pangeanic para descubrir cómo podemos ayudar a su entidad a transformarse radicalmente con la ayuda de la IA generativa!