Inteligencia Artificial y arquitectura del sistema financiero global

El advenimiento de nuevas tecnologías ha transformado radicalmente el funcionamiento y la morfología de los sistemas financieros globales y locales, así como la experiencia de los usuarios.

El advenimiento de nuevas tecnologías ha transformado radicalmente el funcionamiento y la morfología de los sistemas financieros globales y locales, así como la experiencia de los usuarios. 

Imagen creada con inteligencia artificial

El mundo financiero se ha lanzado inorgánicamente a adoptar sofisticadas y riesgosas herramientas de IA que, mientras mejoran y empoderan la experiencia de los usuarios, constituyen un arma de doble filo en la lucha por la supremacía financiera donde las grandes compañías tecnológicas (bigtechs) corren con ventaja.

Es la tecnología…

El advenimiento de nuevas tecnologías ha transformado radicalmente el funcionamiento y la morfología de los sistemas financieros globales y locales, así como la experiencia de los usuarios.

En los últimos años tres innovaciones disruptivas motorizan, a distintas velocidades e intensidades, esta revolución.

Desde hace 15 años la cadena de bloques -Blockchain-, interpela al sistema financiero tradicional centralizado, dando sustento al desarrollo del universo DeFi (Finanzas Descentralizadas) donde navegan productos diversos como el bitcoin, las criptomonedas estables, plataformas desintermediadas o el dinero programable, entre otros.

Por su parte la computación cuántica, en estado aún embrionario para el público, promete cambiar drásticamente los conceptos de eficiencia y seguridad, al punto que el BIS (Banco de Pagos Internacionales) viene advirtiendo a los bancos centrales y comerciales la necesidad imperiosa de migrar sus plataformas de seguridad a criptografía poscuántica.

La tercera tecnología, y de manera nítida más relevante actualmente, es la inteligencia artificial que incorpora una gran variedad de enfoques y herramientas de distintos campos científicos con el propósito de crear sistemas dotados de inteligencia, expresada ésta en sus diversas vertientes sean lógicas, emocionales, verbales, artísticas o sociales, entre otras.

La gran caja de herramientas de IA y el sistema financiero

El campo de la IA ha evolucionado en las últimas décadas gracias a un amplio espectro de desarrollos e instrumentos tales como: el procesamiento de lenguaje natural -NLP-, modelos de lenguaje amplios -LLM-, modelos de visión por computadora, IA aplicada a robótica, internet de la cosas -IoT-, IA embebida, aprendizaje de máquina (ML), redes neuronales, aprendizaje profundo, aprendizaje por refuerzo, chatBots, agentes inteligentes, representación de conocimiento, y otros.

Estos desarrollos no se comportan como compartimentos estancos. Por el contrario, es común encontrar todo tipo de combinaciones de técnicas y vasos comunicantes entre ellos.

Simplificando y a fines de facilitar el análisis referido a impacto en el sistema financiero, podemos dividir a la IA en dos grandes ramas, tomando en cuenta el objetivo principal de su funcionamiento y las tareas que se realizan: la IA generativa por un lado y la IA predictiva por el otro.

En una clasificación muy esquemática, la IA predictiva analiza cantidades masivas de datos pasados para predecir datos futuros, y sus aplicaciones al mundo financiero van desde hacer “scoring” crediticios, detectar fraudes en tiempo real, o analizar riesgos de inversión en base a información histórica.

Por su parte la IA generativa puede producir contenidos originales (texto, imágenes, audio, video, código, etc.) a partir de datos y patrones aprendidos, pudiendo utilizarse preponderantemente para realizar informes financieros, atender consultas por chat (chatbots) de manera natural y contextual, crear o simular posibles escenarios económicos o financieros a futuro o crear contenidos educativos o de orientación financiera según el perfil del usuario.

El devenir de la IA en el sistema financiero ha ido evolucionando desde la utilización del aprendizaje automático (ML), pasando por el desarrollo de la IA generativa e incorporando más recientemente el uso de agentes de IA, -programas que pueden ejecutar tareas en forma autónoma- muy utilizados por entes financieros en los últimos años.

En términos de su aplicabilidad, el BIS publicó un informe en junio 2024 enfatizando que la IA ha mejorado la capacidad del sistema financiero para procesar información, analizar datos, identificar patrones y realizar predicciones, destacando que los modelos de aprendizaje automático y aprendizaje profundo se utilizan ampliamente en la valoración de activos, la calificación crediticia y el análisis de riesgos. Si bien la GenAI es incipiente, el sistema financiero ya la está adoptando para optimizar procesos administrativos y de negocio, la atención al cliente y el cumplimiento normativo.

Algoritmos, asimetrías y soberanía cognitiva

Gran parte de la IA descansa en un concepto básico y esencial: los algoritmos. En forma estricta un algoritmo es un conjunto de pasos, lógicos, ordenados metodológicamente, que al ser ejecutados resuelven un problema o realizan una tarea. Desde un punto de vista práctico, un algoritmo es la lógica en abstracto de un programa. Es el combustible que hace a una aplicación de IA funcionar.

Estos algoritmos han logrado penetrar en prácticamente todas las actividades laborales o personales que desarrollamos cotidianamente a través de los diversos dispositivos con los que interactuamos, sean celulares, computadoras, televisores.

Navegadores como Google Chrome, redes sociales como Instagram, Facebook, X (antes twiter) o Tiktok; servicios de mensajería como WhatsApp; empresas de tecnología de la información y de la comunicación como Apple; plataformas de e-commerce como Amazon o Mercadolibre; servicios de streamings como Netflix son algunos ejemplos cercanos de cómo estos algoritmos inciden en nuestra cotidianidad usando IA sin que tomemos plena conciencia del grado de influencia creciente que afecta nuestros comportamientos y decisiones.

Además, y en lo que hace a los principales actores intervinientes, todas estas plataformas de uso global que utilizan IA están dominadas por un número muy pequeño de grandes empresas tecnológicas, “bigtechs” cuyo principal activo es la base de datos gigantesca que construyen gracias a la información que les proveen sus cientos de millones de clientes.

Su gran capacidad de innovación, una regulación más laxa y etérea que la aplicada a sus competidores tradicionales del sistema financiero, y recientemente el uso intensivo de IA ponen a las Bigtechs, en una situación competitiva ventajosa en comparación con el universo bancario en lo que hace a la provisión de servicios financieros.

Con un telón de fondo geopolítico multipolar, las bigtechs norteamericanas y chinas se han lanzado a la conquista de esta tecnología que abarca un universo de múltiples dimensiones que interactúan entre sí y exceden largamente lo financiero afectando pautas y comportamientos culturales, sociales, políticos, sanitarios, educativos, armamentísticos y económicos, entre otros.

El uso de IA está ensanchando la brecha o asimetría que existe entre aquellas grandes empresas que pueden procesar y usar anticipadamente esa información antes que los usuarios de a pie.

En los últimos años, la creciente concentración del poder tecnológico en manos de unas pocas empresas, junto con el uso masivo de información personal y prácticas como la manipulación algorítmica, ha generado preocupación en diversos sectores.

Como respuesta, ha surgido un movimiento global de intelectuales y científicos de distintas disciplinas que están elaborando el concepto de soberanía cognitiva: una noción aún en construcción, que busca defender la autonomía informacional de las personas, comunidades o estados frente a las nuevas formas de control digital.

Desarrollos recientes de IA en servicios financieros globales

El mundo financiero en cada uno de sus diversos segmentos (bancos, fintechs, proveedores de servicios financieros y de infraestructura, y reguladores) ha sido uno de los primeros en adoptar las diversas herramientas de IA.

Veamos casos puntuales en distintos sectores financieros globales:

• El banco occidental más grande por volumen de activos, JP Morgan Chase, ha desarrollado una plataforma interna de IA y aprendizaje automático llamada OMNIAI que le permite analizar y procesar grandes cantidades de datos, incluidos historiales de transacciones, perfiles de clientes, para identificar anomalías, detectar patrones de comportamiento y actividades potencialmente fraudulentas, automatizar procesos y mejorar la experiencia de sus clientes. Para calibrar la importancia que esa institución le da a la IA, su máximo responsable Jamie Dimon ha dicho que “Estamos completamente convencidos de que las consecuencias [de la inteligencia artificial] serán extraordinarias y posiblemente tan transformadoras como algunas de las principales invenciones tecnológicas de los últimos cientos de años: piensa en la imprenta, la máquina de vapor, la electricidad, la informática y el Internet”
• En el mundo de las grandes empresas tecnológicas, la bigtech Tencent, con más de mil millones de usuarios en China, utiliza en su plataforma de pagos WeChat Pay inteligencia artificial para múltiples objetivos. Entre ellos, destaca la autenticación biométrica avanzada, que recientemente ha incorporado tecnologías como el reconocimiento de la palma de la mano. Además, emplea IA para evaluar rápidamente la concesión de préstamos a sectores informales sin historial crediticio, lo que potencia de forma significativa la inclusión financiera.
• Desde su conglomerado -casi privado- de empresas, el controvertido Elon Musk también participa en la carrera por lograr la “supremacía” financiera global. Para ello, está integrando su empresa de inteligencia artificial, X AI, con su plataforma de servicios financieros X Money, un sistema de pagos digitales basado en la red social X (antes Twitter). Musk busca transformar esta plataforma en una superaplicación capaz de competir con las principales bigtechs.
• Como caso particular dentro del ecosistema cripto, el pasado 5 de mayo, el gerente general de la empresa emisora de USDT —la principal criptomoneda estable vinculada al dólar— anunció la creación de Tether AI, una plataforma descentralizada y de código abierto que busca integrar capacidades de inteligencia artificial directamente en dispositivos personales. Esta plataforma permitirá realizar transacciones en USDT y Bitcoin sin depender de servidores centralizados ni de APIs (interfaces de programación).
• Dentro del universo de grandes empresas globales de servicios financieros, tanto VISA como Mastercard anunciaron el mes pasado iniciativas que incorporan inteligencia artificial en su oferta de servicios. Estas innovaciones permiten integrar el proceso de toma de decisiones de compra de sus clientes, canalizando los pagos gradualmente a través de agentes de software autónomos capaces de entender y ejecutar las decisiones de los usuarios.

En este sentido, VISA presentó su plataforma “Intelligent Commerce”, que permite a los agentes de IA tokenizar y procesar pagos de forma segura en una red global. Por su parte, Mastercard lanzó “Agent Pay”, que permite a los consumidores establecer límites de gasto y permisos para estos agentes, utilizando credenciales tokenizadas.

• Como ejemplo de plataformas globales de pagos, PayPal lanzó recientemente su “Agent Toolkit”, una solución que permite a la aplicación comprender el contexto del cliente y ofrecer respuestas rápidas y personalizadas según su situación. Esta herramienta habilita a cualquier agente de inteligencia artificial a realizar pagos, rastrear envíos, emitir facturas y resolver disputas sin que el usuario tenga que salir del chat donde está interactuando.

Riesgos y potencialidades

Obviamente, el avance de todas estas herramientas —a las que se suman en las entidades financieras los cada vez más populares agentes autónomos de IA que deciden y ejecutan operaciones de forma independiente, basándose en su entrenamiento previo— plantea enormes riesgos, potencialidades y desafíos complejos de abordar.

Dos documentos publicados este año por el BIS referidos al rol de los Bancos Centrales ante estas nuevas tecnologías instan a los reguladores a adaptar cuanto antes sus estructuras y la formación de su capital humano, advirtiendo los diversos riesgos derivados del uso de IA. Estos riesgos que abarcan cuestiones operativas, de seguridad de la información, de privacidad y ciberseguridad; riesgos de las tecnologías de la información y la comunicación (TIC); riesgos de terceros, como la dependencia externa; y riesgos inherentes a los modelos de IA como por ejemplo, los sesgos y las denominadas “alucinaciones” que ocurren cuando la IA inventa cosas que no son ciertas.

Mientras la inteligencia artificial se expande de manera acelerada y desordenada en múltiples casos de uso, y los reguladores tratan de armarse de herramientas adecuadas para enfrentar estas innovaciones complejas, los diversos actores del sistema financiero argentino —bancos, fintechs, mercados, proveedores de servicios e infraestructura financiera— navegan estas aguas tratando de articular una estrategia integral clara, intentando mantenerse a flote en un mercado cada vez más eficiente, tecnologizado, concentrado.

Carlos Weitz- Expresidente de CNV y Profesor de Finanzas Tecnológicas. Universidad de Buenos Aires.

Daniel Díaz – Profesor de posgrado Gestión Estratégica de la Tecnología Informática (GETI). Universidad Nacional Rosario.