No es oro todo lo que reluce en el desembarco algorítmico en la banca

La inteligencia artificial (IA) está transformando todos los sectores de la economía, y la banca no es una excepción. Este avance tecnológico ofrece numerosas oportunidades para mejorar la eficiencia y la seguridad, pero también presenta importantes retos, ya que proporciona nuevas herramientas a los ciberdelincuentes o implica la necesidad de asignar una gran cantidad de recursos para desplegar la IA adecuadamente. Fuentes de BBVA explican que la IA ha permitido mejorar significativamente la prevención de fraudes y la detección de amenazas en tiempo real. Desde 2009, BBVA ha implementado tecnologías basadas en IA para detectar operaciones fraudulentas, logrando altas tasas de acierto con un impacto mínimo en la operativa del cliente, según explican. Además, están explorando el uso de la IA generativa para proyectos piloto como la detección de correos electrónicos fraudulentos y la automatización de tareas de monitoreo de seguridad. Sin embargo, a medida que los bancos refuerzan sus defensas, los ciberdelincuentes también se vuelven más sofisticados. Para ir un paso por delante, fuentes del banco explican que se sigue invirtiendo en estas tecnologías y formando a sus empleados para maximizar su eficacia. La realidad es que se estima que la ciberdelincuencia va en aumento, y se espera que el impacto anual alcance los 10,5 billones de dólares en 2025, según las estimaciones de un informe de Cybersecurity Ventures. Estos daños potenciales incluyen la destrucción de datos, el robo de dinero o de propiedad intelectual, el fraude y el daño reputacional, entre otros. Es decir, se trata de una serie de amenazas que no sólo afectan a la banca, pero el sector financiero será sin duda uno de los objetivos de los ciberdelincuentes. El equilibrio entre digitalización e inclusión financiera es otro desafío crítico. La Asociación Española de Banca (AEB) destaca que, aunque la digitalización ofrece servicios más eficientes y personalizados, también puede excluir a ciertos segmentos de la población que no están familiarizados con la tecnología. BBVA, por ejemplo, está desarrollando soluciones omnicanal, manteniendo la presencia física de oficinas en zonas donde la digitalización no está tan establecida e implementando modelos híbridos que combinan elementos digitales y físicos. Además, han diseñado una versión de su app móvil en España para el colectivo de personas mayores, atendiendo sus necesidades específicas, según explican. La digitalización creciente implica una reducción de servicios físicos. Esta tendencia se suma al cierre de sucursales bancarias experimentado en el sector, debido en parte a la consolidación ocurrida en la última década. Para que algunas personas no queden desatendidas, es fundamental que a través de la IA se desarrollen soluciones fáciles de usar para las personas menos familiarizadas con herramientas digitales. Otros retos para desplegar soluciones de IA dentro de la banca española, según fuentes de la AEB, son la complejidad de los modelos, la disponibilidad y calidad de los datos y la escasez de talento. A todo ello se le suma la dificultad de integrar herramientas de IA dentro de estructuras tradicionales, según explican. «En el caso de los bancos también deben implementar las obligaciones derivadas de la Ley de Inteligencia Artificial, aunque nuestras entidades parten de una buena situación inicial», dicen. En cuanto a temas regulatorios, Eva García, socia responsable de IA de KPMG en España, el marco regulatorio de la IA en la banca europea se encuentra en un estado de evolución constante. «Desde la publicación de los principios Éticos para la IA por parte de la Comisión Europea en 2019, se han dado pasos importantes hacia un enfoque más robusto y específico para el sector financiero. El hito más reciente es la Ley de Inteligencia Artificial aprobada por el Parlamento Europeo en abril de 2024. Esta ley establece un marco legal integral para el uso de la IA en la UE, con categorías de riesgo específicas para diferentes tipos de sistemas de IA», indica García. Para la banca, la AI Act implica prohibición de sistemas de IA que generen daño grave a las personas, como la puntuación de crédito social, requisitos estrictos para sistemas de IA de alto riesgo, como la evaluación de la solvencia crediticia o la detección de fraudes, entre otros, comenta. La propuesta de la Ley de IA Act busca establecer un marco legal claro y armonizado para todos los sectores, incluyendo el bancario. En cuanto a la implementación de herramientas de IA en la banca en España, la AEB señala que los bancos españoles han sido pioneros en la adopción de algoritmos y análisis de datos, liderando la innovación en la prestación de servicios financieros en Europa. La implementación masiva de la IA en la banca se produce después de unos años de concentración bancaria, que ahora podría tener un nuevo paso con la adquisición de Sabadell por parte de BBVA. Santiago Carbó, director de estudios financieros de Funcas, menciona esa operación refleja la búsqueda de eficiencia y competitividad en un entorno financiero cada vez más digitalizado. «En parte, y con las precauciones que requiere una operación que puede tardar en confirmarse y cerrarse, esta tendencia puede ser vista como una respuesta a la necesidad de las instituciones financieras de adaptarse a los rápidos avances tecnológicos y a las cambiantes expectativas de los consumidores», dice Carbó. La digitalización permite a los bancos mejorar la eficiencia operativa, reducir costos y ofrecer servicios más personalizados y accesibles, añade. En este aspecto, Carlos Torres, el presidente de BBVA, ha dicho que parte del objetivo de la operación es generar ahorros para optimizar sus gastos generales y de tecnología, a la vez que permitiría destinar una mayor cantidad de recursos para digitalizar la entidad. Daniel Diez, profesor del máster en blockchain e inversión en activos digitales del Instituto de Estudios Bursátiles (IEB), advierte que aunque la IA puede aumentar significativamente la eficiencia en la toma de decisiones, también implica riesgos. Existe la posibilidad de que la IA tome decisiones basadas en datos erróneos o sesgados, lo que podría afectar negativamente tanto a los clientes como a las entidades bancarias, comenta. Para mitigar estos riesgos, es crucial implementar sistemas robustos de supervisión y auditoría que puedan identificar y corregir errores o sesgos en tiempo real. Diez también subraya que la implementación eficiente de herramientas de IA requiere grandes cantidades de datos de alta calidad. Es previsible que los bancos españoles realicen inversiones sustanciales en infraestructura de datos y tecnologías relacionadas en los próximos años. Al final del día, las oportunidades que presenta la IA van a requerir de una gran inversión por parte de la banca para superar todos los retos. Con una estrategia bien definida y un enfoque en la innovación continua, la banca española está posicionada para liderar el camino hacia un futuro digital más seguro y eficiente.