Publicado el 7 de octubre de 2024 por Editor
En mayo de 2024, la Organización para la Cooperación y el Desarrollo Económicos (OCDE) y el Consejo de Estabilidad Financiera (CEF) organizaron una mesa redonda sobre la adopción de la IA en las finanzas, en la que participaron expertos de los sectores público y privado. Los debates se centraron en las oportunidades que presenta la IA, así como en los riesgos que introduce para el sector financiero. La mesa redonda destacó casos de uso y mejores prácticas emergentes para marcos de políticas destinados a garantizar la implementación segura y efectiva de la IA.
Los bancos, las aseguradoras y los gestores de activos utilizan cada vez más la IA, en particular en áreas como la modelización de riesgos, la detección de fraudes y la prevención de delitos financieros. El consenso de la mesa redonda fue que, al menos por ahora, el papel de la IA en las finanzas no es transformador, especialmente para las instituciones altamente reguladas. En cambio, la IA se está utilizando principalmente para obtener ganancias de eficiencia operativa, siendo su contribución más notable la mejora del manejo de grandes conjuntos de datos.
Desde nuestra perspectiva, la IA tiene un valor real en su sinergia con los datos estructurados. Como hemos señalado anteriormente en este boletín, el uso de formatos de datos estandarizados como XBRL ayuda a crear modelos de IA más confiables. Los datos estructurados son esenciales para entrenar una variedad de modelos de IA, lo que conduce a mejores resultados y le da a la IA una base sólida para brindar información más precisa.
Al mismo tiempo, la mesa redonda subrayó los desafíos que conlleva la adopción de la IA, incluidos los riesgos relacionados con la precisión de los modelos, la protección de datos, la gobernanza y los posibles impactos en la estabilidad financiera. Los modelos complejos de IA pueden aumentar la opacidad de los sistemas financieros, lo que genera inquietudes sobre la transparencia, los estándares éticos y la capacidad de las instituciones financieras para monitorear los riesgos y controlar ciertos tipos de transacciones a medida que estas herramientas se integran más en el comercio y la asignación de capital.
A medida que evoluciona el papel de la IA en las finanzas, el foco debe estar en equilibrar la innovación con una gobernanza sólida para garantizar que se mantengan tanto la eficiencia como la integridad.
Lea más aquí.
Finanzas con inteligencia artificial FSB OCDE
Mesa redonda de la OCDE y el FSB sobre inteligencia artificial (IA) en finanzas: resumen de las principales conclusiones
30 de septiembre de 2024 | Texto completo en PDF (176 KB)
La adopción de inteligencia artificial en el sector financiero presenta importantes oportunidades de eficiencia y creación de valor, pero también introduce riesgos potenciales que deben abordarse.
El 22 de mayo de 2024, la Organización para la Cooperación y el Desarrollo Económicos (OCDE) y el Consejo de Estabilidad Financiera (CEF) celebraron una mesa redonda con expertos de los sectores público y privado y con académicos para analizar las tendencias y los casos de uso de la inteligencia artificial. (AI)En finanzas. Los participantes de la mesa redonda analizaron las oportunidades y los riesgos y compartieron las mejores prácticas emergentes en materia de marcos de políticas.
La creciente adopción de tecnologías de IA por parte de bancos, aseguradoras y gestores de activos está generando ganancias de eficiencia en áreas como la modelización de riesgos, el comercio, la gestión de reclamaciones, la detección de fraudes y la prevención de delitos financieros. El uso de la IA generativa en finanzas no parece ser una transformación en la actualidad, al menos para las instituciones financieras reguladas, ya que se centra en mejoras de la eficiencia operativa y es en gran medida exploratorio. Los supervisores también se están beneficiando de la IA, con una mayor capacidad para gestionar grandes volúmenes de datos.
A pesar de estos beneficios, el uso de la IA también plantea inquietudes en términos de riesgo de modelo, protección de datos, gobernanza, privacidad y ética. También puede crear riesgos para la estabilidad financiera dado su potencial para amplificar las interconexiones entre las empresas financieras, así como inquietudes sobre la complejidad y la opacidad en torno a los modelos y los datos.
Los responsables de las políticas deberían esforzarse por promover el uso seguro de la IA en los servicios financieros, en particular mediante la cooperación mundial sobre normas y mejores prácticas.
Mesa redonda OCDE – FSB sobre Inteligencia Artificial (IA) en las finanzas1
Resumen de las principales conclusiones
Resumen ejecutivo
La Mesa Redonda OCDE-FSB sobre Inteligencia Artificial en las Finanzas discutió las tendencias actuales en la adopción de la IA en las finanzas, los casos de uso existentes y potenciales para las instituciones financieras y los supervisores, las oportunidades y riesgos, y las buenas prácticas emergentes en términos de marcos de políticas.
La mesa redonda destacó la rápida adopción de sistemas predictivos de IA, incluidos el Machine Learning (ML) y la IA generativa (GenAI), particularmente en banca y seguros. Estas tecnologías han aumentado la eficiencia en las operaciones, el modelado de riesgos, la detección de fraudes y la prevención de delitos financieros, entre otras áreas. La industria también está explorando el potencial de GenAI para aplicaciones internas como el resumen, la traducción y la recuperación de información.
En la banca, el uso de la IA en la lucha contra el blanqueo de capitales y la detección de fraudes ha transformado la comprobación de los delitos financieros, lo que ha llevado a una identificación más específica de los delitos financieros y a una reducción de los falsos positivos. Se informó que los casos de uso iniciales de GenAI implementados en la banca eran internos e incluyen resumen, traducción, recuperación de información y generación de código. Se señaló que el servicio al cliente era un área importante para futuras aplicaciones.
En el sector de los seguros, la IA se ha desplegado en la suscripción, la evaluación de riesgos y la gestión de siniestros. GenAI ha mejorado aún más el procesamiento de la información basado en el lenguaje, especialmente en la gestión de pólizas y reclamaciones.
En la gestión de activos y los mercados de valores, la mesa redonda debatió el papel de la IA en áreas como la gestión de carteras, el trading y la gestión de riesgos. Estas herramientas se utilizan para optimizar las decisiones de asignación de activos al facilitar el análisis fundamental a través de datos cuantitativos y textuales, generar señales de negociación, automatizar operaciones y validar y probar modelos de riesgo.
A pesar de sus beneficios, el uso de la IA genera preocupaciones en torno al riesgo del modelo, la protección de datos y la gobernanza. Los participantes destacaron la importancia de la calidad de los datos, la gobernanza, la privacidad y la ética. También destacaron los posibles riesgos para la estabilidad financiera que plantea el despliegue de la IA en el sector financiero. Los representantes de la industria abogaron por una implementación paso a paso alineada con el riesgo de los modelos de GenAI con una comprensión y gestión integrales de las herramientas de IA en todos los niveles de las organizaciones.
En términos de protección del consumidor financiero, la IA ha brindado beneficios como comodidad, accesibilidad, información oportuna, servicios rentables y una mejor experiencia del usuario. Sin embargo, los deepfakes y los resultados engañosos basados en la IA, la protección de datos, los problemas de privacidad y confidencialidad, y el sesgo y la discriminación plantean importantes desafíos. La implementación de sistemas GenAI introduce riesgos adicionales relacionados con la calidad y confiabilidad de los resultados del modelo. La limitada fiabilidad de estos modelos se ve agravada por la posible falta de conciencia de sus limitaciones por parte de los usuarios y los destinatarios de sus productos.
La mesa redonda concluyó con un llamamiento a los responsables políticos para que promuevan el uso seguro de la IA en los servicios financieros. Los participantes hicieron hincapié en la necesidad de un enfoque basado en el riesgo para la gestión de riesgos modelo y en la importancia de la cooperación internacional para elaborar normas y compartir buenas prácticas. También destacaron la necesidad de que los reguladores financieros nacionales evalúen constantemente sus capacidades regulatorias.
La OCDE y el Consejo de Estabilidad Financiera continuarán apoyando los esfuerzos internacionales para monitorear los desarrollos de IA, los riesgos emergentes y los posibles impactos regulatorios en los servicios financieros. Esto incluye proporcionar a los responsables políticos las herramientas y habilidades necesarias para el uso eficaz de la IA y la supervisión en las finanzas.
1. La IA en la banca y los seguros
Se informó de que la adopción de sistemas predictivos de IA por parte de los bancos, incluidos los modelos de ML, aumentó rápidamente en 2022-23, principalmente en áreas como las operaciones, el modelado de riesgos, el reconocimiento de patrones para el fraude y la prevención de delitos financieros. La llegada de la IA generativa (GenAI), especialmente en los últimos 16-18 meses, ha atraído el interés del sector por las aplicaciones y los casos de uso, centrándose en el aprovechamiento de las capacidades de los grandes modelos de lenguaje (LLM) y otros modelos de GenAI.
Los informes de casos de uso basados en ML en la banca incluyen AML, detección de fraudes, verificación de identidad (Conozca a su cliente) y están cubiertos por los marcos tradicionales de gestión de riesgos, gobernanza y protección de datos implementados. Especialmente cuando se trata de aplicaciones relacionadas con la delincuencia financiera, las herramientas dinámicas de análisis de riesgos han cambiado la forma en que se realizan las comprobaciones de AML y delitos financieros. Estas herramientas aprovechan el poder del análisis de datos para una identificación más específica de casos de delitos financieros, al tiempo que reducen el número de falsos positivos.
Se informó que los casos de uso iniciales de GenAI implementados en la banca son internos e incluyen resumen, traducción y recuperación de información (particularmente donde el contexto es importante). La generación de código se señaló como un área importante de experimentación actual en el uso de herramientas de GenAI en la banca, teniendo en cuenta el gran volumen de aplicaciones existentes para atender a los clientes. El servicio al cliente se señaló como un área importante para la futura aplicación de las herramientas de GenAI. Los bancos informaron de un enfoque alineado con el riesgo para la implementación de modelos de GenAI, mejorando los marcos de gobernanza de la IA existentes y utilizando modelos alineados con estos marcos (por ejemplo, uso de modelos de lenguaje pequeño, entrenamiento de estos modelos con datos propios). Aunque hoy en día la interacción directa del cliente con estos modelos sigue siendo limitada, los participantes esperan una expansión del uso de los modelos de GenAI en el futuro, ya que sus clientes los esperan cada vez más.
En el sector de los seguros, los modelos predictivos de IA se utilizan ampliamente en la suscripción, la evaluación de riesgos, la modelización de riesgos, así como en la gestión y gestión de siniestros en todas las líneas de seguros. La introducción de GenAI permite a las compañías de seguros procesar mejor la información basada en el lenguaje, principalmente en la gestión de pólizas y siniestros. Las capacidades de traducción de los modelos de IA permiten una comparación eficiente entre países de reclamaciones y pólizas. Los LLM también facilitan la recuperación de información para el asesoramiento de los agentes a partir de sistemas mejor informados y ofrecen una comunicación eficiente y simplificada para productos complejos (por ejemplo, seguros de vida, pensiones). Sin embargo, la participación humana sigue siendo esencial en el proceso, especialmente cuando se interactúa con los clientes.
En cuanto a los beneficios materializados, se informó de que el uso de herramientas de IA en los seguros ofrece eficiencias operativas y una mejor experiencia del cliente (por ejemplo, una tramitación más rápida de los siniestros). La IA ofrece una comprensión más profunda de las pérdidas de seguros, lo que permite una mejor cobertura de las necesidades del cliente, incluidos mejores precios. Las capacidades metalingüísticas de GenAI permiten el análisis de la información a un nivel más profundo y a nivel transnacional.
Tanto en el sector bancario como en el de los seguros, la cultura, la educación y la alfabetización se destacaron como áreas importantes que aún deben abordarse en términos de marcos de gobernanza de la IA, incluida la GenAI. Comprender y gestionar las herramientas de IA es una responsabilidad que se extiende a todos los niveles de las organizaciones, ya que estas herramientas son ampliamente accesibles y no solo se limitan a los expertos, a diferencia de los modelos de ML. La comprensión de las preguntas que se deben hacer, el nivel de fiabilidad de sus resultados e incluso las consideraciones éticas relacionadas con el uso de dichos modelos se señalaron como consideraciones importantes para los usuarios. La industria consideró que la contratación de talento diverso externo y la mejora de las habilidades del personal existente eran de suma importancia.
Se destacó la importancia de los datos, en particular aspectos como la accesibilidad a los datos, la formación, los flujos de datos y la integración de los datos financieros y no financieros en las nuevas herramientas de IA. Se cree que los marcos que regulan el flujo de datos y el tratamiento de datos en varias industrias influyen significativamente en los resultados y el valor generado por estas nuevas herramientas.
La dependencia de proveedores de servicios externos se destacó como una cuestión crítica en el uso más amplio de la IA en las finanzas. Las empresas de servicios financieros ya han establecido procesos para servicios de terceros, como los servicios en la nube, pero estos deben ampliarse al modelo de IA y a los proveedores de datos. Los participantes señalaron la necesidad de transparencia, especialmente en los contratos con terceros proveedores de servicios, para garantizar la visibilidad de la integración y el impacto de la IA, ya que la responsabilidad última de los resultados de la IA sigue correspondiendo al proveedor de servicios financieros. En este contexto, también se examinó el riesgo de erosión de la confianza.
Los participantes señalaron que la normativa actual cubre suficientemente el uso de la IA en la banca y los seguros, y que la regulación no se considera un impedimento para la materialización de los beneficios derivados de la IA. Sin embargo, expresaron su preocupación por el hecho de que las regulaciones menos estrictas en algunos sectores podrían atraer actividades reguladas, lo que plantea un riesgo de arbitraje regulatorio. Se hizo hincapié en la necesidad de un enfoque basado en el riesgo para la gestión de riesgos por modelo, lo que suscitó preocupación por las amplias definiciones de IA de algunos responsables de la formulación de políticas. Un ejemplo fueron algunas regulaciones que clasifican modelos como los Modelos Lineales Generalizados (GLM) como IA, lo que aumenta los requisitos de cumplimiento. Las sugerencias relacionadas con la regulación incluyeron regulaciones vinculadas al sistema métrico y formatos legibles por máquina para facilitar el cumplimiento.
La investigación académica en IA, en particular la GenAI, está creciendo, pero requiere un enfoque más interdisciplinario. En cuanto al rendimiento de los modelos de IA, algunas investigaciones académicas destacan el rendimiento superior del ML y, a veces, de la GenAI en campos específicos como el crédito; predicciones financieras; asignación de carteras; y la fijación de precios al consumidor de seguros. Sin embargo, existen posibles desventajas, sobre todo en lo que respecta a la explicabilidad; robustez de la salida del modelo; y costos computacionales. La ausencia de métricas simples para medir estos factores complica la comprensión de las posibles compensaciones, como la explicabilidad frente a la precisión. En última instancia, un despliegue más amplio de herramientas avanzadas de GenAI depende del apetito de riesgo de la institución financiera.
2. La IA en la gestión de activos y los mercados de valores
Los gestores de activos informaron del uso de la IA en la reducción de errores en la asignación de activos, la maximización del alfa y la eficiencia de los procesos. La IA mejora el análisis y la ejecución de operaciones al mejorar la capacidad de descubrimiento de la información en función de la intención del usuario, democratizando el acceso a los datos con LLM que se adaptan a las diferentes necesidades lingüísticas. Los participantes también observaron aumentos de productividad (por ejemplo, copiloto, resumen) y beneficios del manejo de información no estructurada.
En el lado de la venta, las herramientas de IA se han utilizado para mejorar los procesos de riesgo y control, la gama de productos y la toma de decisiones durante más de una década, incluso para casos de uso como la detección de fraudes y el control de sanciones. El uso de GenAI, que implica principalmente la experimentación interna de LLM, se encuentra en sus primeras etapas. Los participantes destacaron el riesgo potencial de arbitraje regulatorio por parte de los participantes en el mercado menos regulado, abogando por reglas uniformes y claridad para los participantes más pequeños.
Los participantes también destacaron la implementación gradual y paso a paso de los modelos de GenAI de manera confiable, reconociendo que el sector financiero no puede explotar plenamente las capacidades de IA dentro de los procesos críticos debido a los riesgos asociados.
Los participantes hicieron hincapié en el enfoque centrado en el ser humano, especialmente con los modelos GenAI. Esto implica mantener controles y salvaguardas de riesgos independientes, como auditorías y respaldos como interruptores de apagado, incluso en medio de la automatización, para gestionar los riesgos. El enfoque de «humano en el bucle» tiene como objetivo la rendición de cuentas, la auditabilidad y el intercambio de registros. El conocimiento del dominio se destacó como crucial para garantizar resultados precisos del modelo, diferenciándolo de las técnicas de IA anteriores que dependían únicamente de los ingenieros de ML.
Los participantes señalaron el excesivo entusiasmo con respecto a los tipos de problemas que la IA puede resolver en las finanzas debido a la complejidad de los servicios y procesos, y destacaron que muchos casos de uso de la IA explorados en las finanzas a menudo se descartan como soluciones inapropiadas a un problema.
Los participantes hicieron hincapié en la importancia crítica de la calidad de los datos, la gobernanza, la privacidad y la ética debido al papel central de los datos en la IA. A medida que aumenta la mercantilización de los datos, la comprensión de los derechos de los usuarios, como la propiedad intelectual, y la trazabilidad de las fuentes de datos se vuelven cruciales para la fiabilidad de los resultados del modelo. Las empresas financieras a menudo se enfrentan a desafíos culturales y de gobernanza, además de los tecnológicos. La ampliación de los marcos de IA responsables puede promover la confianza de los usuarios. También se destacó la mejora de las competencias en todos los niveles jerárquicos de antigüedad, dada la naturaleza democratizada de los LLM y las herramientas de GenAI.
Los participantes destacaron que muchos riesgos relacionados con la IA se originan en tipos más antiguos de herramientas de IA, como el aprendizaje automático. A fin de identificar las posibles fuentes futuras de riesgo para la estabilidad financiera, se consideró esencial un enfoque combinado que incorporara perspectivas de la investigación económica y de la IA.
Se señaló que el uso de la IA implica equilibrar la eficiencia y la estabilidad a corto plazo con la posibilidad de un estrés desconocido. Las preocupaciones incluyen interacciones algorítmicas que pueden conducir a la manipulación del mercado y modelos de IA que participan inadvertidamente en el uso de información privilegiada debido a objetivos de maximización de beneficios, a pesar de las instrucciones de no utilizar información privada. Esto pone de manifiesto la complejidad del sistema financiero y la dificultad de preespecificar cada uno de los objetivos.
Otro riesgo destacado es la estructura oligopólica del mercado debido a la creciente escala de rendimientos en servicios de IA de terceros como modelos, servicios en la nube o análisis de datos. Se señaló que esto era particularmente problemático, especialmente para las autoridades, ya que la creciente dependencia de la analítica del sector privado podría conducir a una visión cada vez más unilateral, lo que en última instancia podría correr el riesgo de perder de vista los canales de inestabilidad.
Los participantes hicieron hincapié en la necesidad de que las autoridades den respuestas más rápidas en la toma de decisiones en esta nueva era de la IA en las finanzas. Se sugirió que las autoridades utilicen escenarios de estrés impulsados por la IA para comprender cómo pueden lidiar con ellos y cómo reaccionar y responder, haciendo que la IA proporcione respuestas. El riesgo de depender de un sistema de IA para funciones vitales, en particular cuando su proceso de toma de decisiones no se comprende completamente, también se identificó como una preocupación cada vez más importante para el futuro.
3. Implicaciones para la estabilidad financiera del creciente uso de la IA en las finanzas
Los participantes debatieron sobre los posibles riesgos para la estabilidad financiera causados por el despliegue de la IA en el sector financiero, teniendo en cuenta su potencial para amplificar las interconexiones entre las empresas financieras, así como las preocupaciones sobre la complejidad y la opacidad en torno a los modelos y los datos.
Los participantes señalaron que la concentración, la dependencia de terceros y los riesgos de los modelos adquieren una nueva dimensión con los recientes desarrollos de la IA. La creciente dependencia de los datos, los servicios en la nube y terceros podría mejorar las vulnerabilidades existentes en el sector financiero, potencialmente magnificadas por la integración vertical. Sin embargo, el impacto puede equilibrarse con diferentes estrategias de implementación de la IA. Esto refuerza la necesidad de controlar tanto la concentración como la diversidad de aplicaciones.
GenAI podría acelerar la transformación del sistema financiero. Los nuevos participantes, en particular las empresas de tecnología financiera y otras instituciones financieras no bancarias, pueden aprovechar las economías de procesamiento de la información y reequilibrar el panorama competitivo. La adopción temprana podría ofrecer ventajas competitivas transformadoras en mercados menos líquidos, según los participantes.
Aunque las implicaciones para la estabilidad financiera de los desarrollos relacionados con la conducta no son nuevas, la GenAI, debido a su posible uso generalizado en el futuro, plantea una mayor preocupación por la posible manipulación y la falsa percepción de la autonomía de las herramientas, lo que podría provocar grandes efectos en cascada.
El impacto en la estabilidad financiera de los efectos disruptivos de la GenAI en la macroeconomía, como los del mercado laboral, es una cuestión que puede requerir una investigación más profunda.
Los participantes señalaron que el uso de la IA en las finanzas no parece transformador en la actualidad. La atención se centra en mejorar la eficiencia de tareas específicas, y es en gran medida exploratoria. La tecnología no se está adoptando al por mayor, y los esfuerzos de automatización aún involucran supervisión humana. Esta primera etapa de la transición se caracteriza por las incógnitas, y las autoridades se enfrentan a dificultades a la hora de recopilar datos pertinentes para hacer un seguimiento adecuado de la evolución y evaluar las posibles vulnerabilidades.
El debate también identificó las ganancias de eficiencia de GenAI para las autoridades financieras, incluida la lucha contra el fraude, la lucha contra los riesgos cibernéticos y la mejora de la supervisión del sector financiero mediante la incorporación de la IA en sus procesos comerciales. Con las nuevas herramientas, los supervisores pueden manejar grandes volúmenes de datos de manera más efectiva.
4. Protección del consumidor financiero, consideraciones sobre la conducta del mercado y enfoques políticos de la IA en las finanzas
Los participantes destacaron los beneficios de la IA en los servicios financieros orientados al consumidor, incluidos los roboadvisors, los chatbots, la incorporación de clientes, la autenticación, la evaluación crediticia y la planificación de la jubilación. Los beneficios incluyen comodidad, accesibilidad, información oportuna, servicios rentables, resolución de quejas más rápida, experiencia de usuario mejorada y productos personalizados. Se señaló el papel de la IA en la inclusión financiera, en particular en los préstamos digitales basados en el análisis de sentimientos de la IA y en datos alternativos para la evaluación crediticia, estos últimos cruciales para las pequeñas y medianas empresas desatendidas. La IA también mejora la seguridad, reduce el robo de identidad, aumenta el valor para el cliente y facilita una mejor elección del consumidor. Sin embargo, el despliegue de los sistemas GenAI se centra en casos de uso internos.
Uno de los principales riesgos para los consumidores financieros es la posibilidad de deepfakes y resultados engañosos basados en la IA, teniendo en cuenta la naturaleza cambiante de los riesgos de protección del consumidor planteados por GenAI. Las preocupaciones incluyen la protección de datos, la privacidad y la confidencialidad, la calidad de los datos, la propiedad intelectual, la seguridad, el sesgo y la discriminación. Los modelos son más susceptibles a los ataques de entrada, como el envenenamiento de datos. Los nuevos riesgos están asociados con las capacidades de aprendizaje y ajuste dinámico de GenAI, lo que lleva a evitar las herramientas de IA en áreas financieras sensibles.
Los asistentes hicieron hincapié en la importancia de adaptar un enfoque equilibrado entre el potencial de un uso adecuado de la tecnología de IA que permita que los beneficios se materialicen, y los límites a dicho uso, incluso para los usuarios que no están alfabetizados digitalmente. También señalaron que la educación financiera y una mejor comprensión de los riesgos inherentes a la IA en las finanzas por parte de los consumidores eran cruciales a este respecto.
Los participantes destacaron la necesidad de respuestas políticas y regulatorias para abordar los peligros potenciales del uso de la IA en los servicios financieros, equilibrando la innovación con la protección de los consumidores. Citaron los deepfakes y las alucinaciones como ejemplo de riesgos críticos emergentes. Se sugirió como mitigador de riesgos la divulgación a los consumidores de que el asesoramiento u otros resultados recibidos son generados por un modelo de IA. También se dio importancia a la gobernanza de datos y a una rendición de cuentas clara.
En cuanto a la respuesta política y reglamentaria, se hizo hincapié en la importancia de adherirse a los principios existentes para mitigar los riesgos. Se destacaron estándares globales como los Principios de Protección del Consumidor Financiero del G20 y la OCDE para abordar los riesgos emergentes de los consumidores financieros. Se señaló el potencial de la IA en la lucha contra las faltas de conducta. Dada la naturaleza global de la IA, se consideró crucial la cooperación internacional para desarrollar estándares y compartir prácticas.
Los participantes instaron a las autoridades públicas y a los reguladores a promover el uso seguro de la IA para aprovechar sus beneficios, abordar las expectativas de los consumidores, proteger la competencia, garantizar la integridad del mercado y promover la inclusión financiera. Destacaron los méritos de un enfoque basado en el riesgo y sugirieron centros de innovación y sandboxes como métodos para fomentar la adopción segura de la IA en las finanzas.
Los participantes señalaron que los responsables de las políticas financieras supervisan los casos de uso de la IA y los riesgos asociados en las finanzas, especialmente en lo que respecta a las tendencias futuras de las aplicaciones orientadas al cliente de GenAI. Hicieron hincapié en la aplicación continuada de los marcos regulatorios y las herramientas existentes en materia de gobernanza, datos, gestión de riesgos y resiliencia operativa (por ejemplo, el conjunto de herramientas del FSB sobre riesgo de terceros y externalización). Otros mencionaron los nuevos marcos legislativos que se estaban aplicando para abordar los casos de uso de la IA de alto riesgo, proteger los valores democráticos y los derechos humanos en todos los sectores, al tiempo que se fomentaba la innovación.
Los participantes hicieron hincapié en la necesidad de dotar a los responsables políticos, especialmente a los supervisores financieros, de las herramientas y competencias adecuadas para una supervisión eficaz de la IA en las finanzas. Señalaron que la coordinación internacional es esencial dada la naturaleza global de la IA, y que los reguladores financieros a nivel nacional deben evaluar constantemente sus capacidades regulatorias a nivel nacional. Muchos de los problemas van más allá del sector financiero, por lo que también puede ser necesaria la participación de otras autoridades (por ejemplo, competencia, privacidad de datos).
Acerca de la OCDE
La OCDE es un foro en el que los gobiernos comparan e intercambian experiencias en materia de políticas, identifican buenas prácticas a la luz de los desafíos emergentes y promueven decisiones y recomendaciones para producir mejores políticas para una vida mejor. La misión de la OCDE es promover políticas que mejoren el bienestar económico y social de las personas en todo el mundo. La Dirección de Asuntos Financieros y Empresariales de la OCDE ayuda a los responsables de la formulación de políticas a fomentar mercados justos y eficientes que generen crecimiento económico inclusivo y, a su vez, mejores vidas. La labor de la OCDE en materia de mercados financieros promueve sistemas financieros eficientes, abiertos, estables y sólidos orientados al mercado, basados en altos niveles de transparencia, confianza e integridad.
Acerca del Consejo de Estabilidad Financiera (FSB)
El Consejo de Estabilidad Financiera coordina a nivel internacional la labor de las autoridades financieras nacionales y los organismos internacionales de normalización, y elabora y promueve la aplicación de políticas eficaces de regulación, supervisión y otras políticas del sector financiero en interés de la estabilidad financiera. Reúne a las autoridades nacionales responsables de la estabilidad financiera en 24 países y jurisdicciones, instituciones financieras internacionales, agrupaciones internacionales de reguladores y supervisores sectoriales y comités de expertos de bancos centrales. El FSB también lleva a cabo actividades de divulgación con aproximadamente otras 70 jurisdicciones a través de sus seis Grupos Consultivos Regionales.
Antecedentes de la Mesa Redonda
El uso de la IA presenta oportunidades significativas para la eficiencia y la creación de valor en todos los vectores de actividad de los mercados financieros, pero conlleva riesgos importantes que justifican la atención y la posible acción de los responsables políticos. Un despliegue más amplio de la IA en las finanzas podría amplificar los riesgos ya presentes en el sistema financiero mundial, al tiempo que daría lugar a nuevos desafíos y riesgos, incluidas las posibles implicaciones sistémicas. El papel de los responsables políticos es importante para apoyar la innovación de la IA en el sistema financiero, garantizando al mismo tiempo que los mercados financieros, las instituciones y sus clientes estén debidamente protegidos y que los mercados en torno a dichos productos y servicios permanezcan estables, justos, ordenados y transparentes.
Sobre la base de trabajos anteriores de la OCDE y el Consejo de Estabilidad Financiera, esta mesa redonda tiene como objetivo identificar las tendencias actuales en la adopción de la IA en las finanzas, debatir los casos de uso existentes y potenciales de la IA para los participantes del sistema financiero (incluidos los supervisores financieros), analizar las oportunidades y los riesgos emergentes del despliegue de mecanismos de IA en las finanzas y compartir las buenas prácticas emergentes en términos de marcos políticos. El objetivo de la Mesa Redonda es comprender mejor el alcance de los beneficios y riesgos reales y potenciales de la implementación de la IA en las finanzas, así como compartir conocimientos sobre los marcos políticos aplicables y las iniciativas políticas asociadas con el uso de mecanismos basados en la IA en las finanzas. Los resultados de la Mesa Redonda servirán de base para los próximos trabajos de la OCDE y el FSB sobre la IA en las finanzas.
La Mesa Redonda reúne a altos funcionarios del sector público de los ministerios de finanzas y tesoros, bancos centrales y reguladores financieros de las jurisdicciones miembros de la OCDE y el FSB, así como a ejecutivos del sector privado, académicos, grupos de reflexión y expertos de alto nivel de organizaciones internacionales y organismos de normalización.
Publicado originalmente: https://www.xbrl.org/news/oecd-and-fsb-roundtable-explores-ais-growing-role-in-finance/