Los ordenadores cuánticos todavía se encuentran en una fase experimental, pero en el futuro podrían tener un profundo impacto en el sistema financiero. Al proporcionar soluciones más rápidas y potencialmente más eficientes, los ordenadores cuánticos tienen el potencial de resolver ciertos problemas complejos que son de gran interés en el campo de la economía y las finanzas. Por ejemplo, los algoritmos de simulación cuántica pueden aprovecharse en las pruebas de estrés y el análisis macroeconómico, y la optimización cuántica puede utilizarse en la fijación de precios de activos. Mientras tanto, la llegada de los ordenadores cuánticos también introduce una amenaza potencial para la estabilidad financiera, especialmente a través de su capacidad para vulnerar algunos de los algoritmos criptográficos más utilizados. A pesar del estado incipiente del desarrollo de la computación cuántica, la posibilidad de almacenar datos sensibles ahora con la intención de descifrarlos más tarde requiere una preparación inmediata. Este documento explora el potencial transformador de la mecánica cuántica y sus aplicaciones al sistema financiero, incluidos los posibles beneficios, así como los principales riesgos. También destaca las acciones actuales dentro de la comunidad de bancos centrales para abordar estos riesgos potenciales, incluido el Proyecto Leap, iniciado por el Centro de Innovación del Banco de Pagos Internacionales, el Banco de Francia y el Deutsche Bundesbank.
1. Introducción
En los últimos años, el ritmo de la investigación y desarrollo (R&D) en computación cuántica se ha acelerado. Siguiendo la idea inicial en los años 80, el concepto se acercó a la realidad en 1998, cuando investigadores de la Universidad de Oxford crearon el primer ordenador cuántico (QC) de dos qubits, demostrando el potencial de aprovechar la física cuántica para realizar cálculos. Entre 2023 y 2024, las QC experimentales alcanzaron los 1.000 qubits, lo que supone un aumento significativo en las capacidades computacionales. A fecha de 2024, aunque las QC aún están en fase experimental, los desarrolladores tecnológicos han ampliado aún más el horizonte con hojas de ruta hacia sistemas con 2.000 qubits lógicos, con el objetivo de proporcionar todo el poder de la computación cuántica más allá de 2033.
Un qubit, o bit cuántico, es la unidad básica de información en las QC, similar a los bits en la computación clásica. Mientras que un bit clásico debe estar siempre en uno de dos estados posibles, 0 o 1, un qubit puede existir en superposición de esos dos estados, con cierta probabilidad de ser 0 y otra probabilidad de ser 1. Esta propiedad es contraintuitiva para quienes están acostumbrados a la física clásica, pero es fundamental en la mecánica cuántica. La capacidad de los qubits para estar en superposición, combinada con otra propiedad llamada entrelazamiento, que significa que varios qubits pueden compartir un estado cuántico común, abre la posibilidad de construir ordenadores que funcionen de forma fundamentalmente diferente a los ordenadores clásicos.
Aunque un solo qubit puede representar una combinación de dos estados, debido a la superposición, un control de calidad de 1.000 qubits tiene teóricamente la capacidad de representar 21.000 estados diferentes simultáneamente. Los controles de calidad utilizan el entrelazamiento entre qubits y probabilidades relacionadas con superposiciones para realizar una serie de operaciones. Esto les permite realizar algunos cálculos de forma mucho más eficiente que los ordenadores clásicos, lo que les permite realizar cálculos más rápidos y precisos; en algunos casos, con cualquier ordenador disponible hoy en día.
Este potencial y el rápido desarrollo en el sector han atraído la atención de todos los actores relevantes: investigadores, inversores, operadores de mercados financieros y responsables políticos. El creciente interés por las nuevas oportunidades que ofrecen las QC da lugar a una interacción recíproca entre las crecientes inversiones de capitalistas de riesgo en proyectos relacionados con la computación cuántica y los nuevos descubrimientos en este campo de investigación.
Las máquinas cuánticas operan con principios fundamentalmente diferentes y aportan nuevas soluciones a desafíos intratables. Algunos de los campos más prometedores incluyen simulaciones, optimización y problemas de búsqueda. De hecho, una de las primeras áreas de aplicación probablemente será la simulación de fenómenos mecánicos cuánticos. Además, la computación cuántica tiene aplicaciones potenciales en muchos otros sectores, como la ingeniería química y biológica y la fabricación compleja.
Este artículo examina el impacto de las QC en el sistema financiero, con un enfoque en las posibles aplicaciones, incluyendo oportunidades y riesgos. De hecho, las QC prometen beneficiar al sistema financiero gracias a su capacidad para implementar algoritmos novedosos, que pueden mejorar significativamente procesos complejos de precios y evaluación de riesgos. Por el contrario, como se ha destacado anteriormente, las QC suponen una amenaza para la seguridad del sistema financiero al poder incumplir los protocolos criptográficos actuales que protegen los datos financieros. El documento destaca ambos aspectos y analiza estrategias que los bancos centrales y los intermediarios financieros pueden emplear para mitigar las amenazas derivadas del avance de los QC.
En el sector financiero, las QC podrían ofrecer nuevas posibilidades al mejorar la evaluación de riesgos, optimizar la gestión de carteras, mejorar el análisis macro y muchas otras áreas. Combinado con la inteligencia artificial, también puede aportar un valor significativo, por ejemplo, en la detección de fraudes o en estrategias de trading. Además, seguirán surgiendo nuevas aplicaciones, como lo demuestra por ejemplo el fuerte crecimiento de la literatura sobre algoritmos cuánticos para aplicaciones financieras.
Al mismo tiempo, las QC suponen una amenaza seria para el sistema financiero debido a su capacidad esperada para romper algunas técnicas de cifrado comúnmente utilizadas. En las comunicaciones digitales y en los sistemas financieros, los esquemas criptográficos se basan en problemas matemáticos que son prohibitivamente difíciles de resolver para los ordenadores actuales. Sin embargo, algunos de estos problemas podrán resolverse en futuras QCs, abriendo la posibilidad de que actores maliciosos hackeen cifrados. Sin una acción adecuada, los métodos de autenticación y cifrado que dependan de las técnicas criptográficas actuales se volverán ineficaces, comprometiendo la confidencialidad y la integridad y potencialmente provocando daños financieros y reputacionales sustanciales.
2. Computación cuántica y algoritmos cuánticos
La computación cuántica es una tecnología revolucionaria que utiliza los principios de la mecánica cuántica para realizar cálculos. A diferencia de los ordenadores clásicos, que procesan información en dígitos binarios (bits) que pueden ser 0 o 1, un control de calidad utiliza bits cuánticos, o qubits. Un qubit puede existir en un estado de superposición, con cierta probabilidad de ser 0 y otra de ser 1. Además, dos qubits pueden estar en entrelazamiento, lo que significa que comparten un estado cuántico común. Estos fenómenos de superposición y entrelazamiento desafían toda explicación por la física clásica y a menudo parecen contraintuitivos sin un conocimiento profundo de la mecánica cuántica. En resumen, estas dos propiedades permiten a los CAC realizar cálculos de formas radicalmente nuevas en comparación con los ordenadores clásicos.
Aunque el concepto de QC se conoce desde los años 80 y se construyeron los primeros QC experimentales a pequeña escala a finales de los 90, aún no existen implementaciones prácticas de QC y actualmente es imposible saber si o cuándo lo serán. Un desafío principal está relacionado con mantener los qubits en estado cuántico durante el momento de los cálculos. Si los qubits no están suficientemente aislados de su entorno, su estado cuántico puede colapsar, introduciendo ruido en los cálculos.
Para mitigar este problema, las QC requieren un número aún mayor de qubits de los que se requerirían de otro modo. Esto permite redundancia en la representación de datos dentro del control de calidad y asegura que, incluso si algunos qubits se ven comprometidos por el ruido, otros puedan seguir funcionando correctamente.
Una dirección clave de investigación se relaciona con aumentar el número de qubits en una QC. Un hito importante en la evolución de esta tecnología fue el anuncio de Google en 2019 de que su control de calidad de 53 qubits había superado al de los ordenadores clásicos en una tarea específica. La introducción de un control de calidad de 433 qubits por parte de IBM en 2022 supone otro avance considerable en las capacidades de control de calidad. En el momento de escribir esto, las mayores CQ experimentales tienen algo más de 1.000 qubits físicos, mientras que, según algunas estimaciones, se necesitan 1 millón de qubits físicos para que las CQ empiecen a abordar problemas prácticos.
Otra línea de investigación más está estudiando técnicas computacionales y algoritmos que puedan aprovechar una futura QC. Los ordenadores clásicos tienen sistemas operativos para ocultar los detalles de la implementación física de bits, de modo que un programador puede implementar un algoritmo sin pensar en los detalles físicos de un ordenador. De manera similar, el campo de la computación cuántica está desarrollando su propio conjunto de algoritmos y técnicas computacionales que pueden aplicarse a una futura QC, independientemente de cómo se implementen exactamente los qubits.
Las QC no serán versiones más rápidas de los ordenadores actuales, ni serán aplicables a todas las tareas realizadas por los ordenadores clásicos actuales. De hecho, tal y como se entiende hoy, la computación cuántica es adecuada solo para un conjunto específico y limitado de tareas computacionales. Para estas tareas, un control de calidad podría superar a los superordenadores clásicos por varios órdenes de magnitud, lo que hace posible resolver algunos problemas computacionales que hoy en día son prácticamente irresolubles.
La supremacía cuántica es el hito de usar una QC para resolver un problema que ningún ordenador clásico puede resolver en un plazo realista. El término no tiene una definición exacta; Por ejemplo, existen diferentes puntos de vista sobre si el problema debe ser una aplicación útil en el mundo real o si puede ser un caso de prueba artificial.
En consecuencia, no existe consenso sobre si ya se ha logrado la supremacía cuántica. Aunque algunos equipos de investigación afirman haber alcanzado ya la supremacía cuántica, muchos expertos creen que una QC práctica está a muchos años de distancia, y algunos argumentan que podría nunca llegar a realizarse. Basándose en una encuesta a 37 expertos globales líderes en computación cuántica, estiman que podría surgir una QC criptográficamente relevante en un plazo de cinco a treinta años.
Una visión «optimista» de las respuestas sugiere un 11% de probabilidad de que se produzca un control de calidad criptográficamente relevante en cinco años (frente al 6% en 2022) y un 31% en 10 años (frente al 27% en 2022). Incluso en un escenario «pesimista», se estima que existe un 33% de probabilidad de una amenaza cuántica disruptiva en los próximos 15 años.
En teoría, sin limitaciones de tiempo y computación, cualquier problema computacional que sea resoluble mediante una QC también puede resolverse con un ordenador clásico, y cualquier problema solucionable por ordenadores clásicos también puede ser resuelto por futuras QC. Sin embargo, ciertos problemas son significativamente más rápidos de resolver usando un control de calidad, debido a su enfoque computacional específico. Sin embargo, hay un subconjunto de problemas
teóricamente resoluble por ordenadores clásicos, requeriría un tiempo computacional prohibitivamente largo, incluso usando los superordenadores más grandes de la actualidad, pero sería solucionable mediante una QC en tiempo razonable. Los algoritmos cuánticos son un campo de investigación que estudia estos problemas y cómo se abordaría un futuro control de calidad de tamaño suficiente.
Han surgido varias familias de algoritmos en la literatura, como la transformada de Fourier cuántica, la amplificación de amplitud y las caminatas cuánticas. Una subclase específica de algoritmos utiliza una combinación de computación cuántica y clásica y se supone que debe emplearse en entornos de computación mixta. Dado que las QC aún están en fase experimental, la mayor parte de este trabajo es actualmente teórico. Estos algoritmos solo se describen matemáticamente y aún no están implementados, o bien se prueban en un control de calidad emulado que no proporciona la aceleración cuántica que prometen futuras implementaciones reales.
3. Aplicaciones de computación cuántica en el sistema financiero
El sistema financiero se caracteriza por cálculos complejos para análisis, previsión y optimización. Dada la alta dimensionalidad de los problemas subyacentes, los ordenadores de alto rendimiento actuales pueden tener dificultades para manejar la complejidad computacional de estas tareas. La computación cuántica, con su potencial para procesar grandes cantidades de estados de solución y realizar cálculos complejos de forma eficiente, ofrece un gran potencial para abordar algunos de estos desafíos. De hecho, se proyecta que las finanzas sean una de las primeras industrias en beneficiarse de la computación cuántica. El interés por las aplicaciones en finanzas está aumentando, como también lo demuestra el creciente número de publicaciones en el campo.
Otro campo en el que el impacto de la computación cuántica puede ser significativo es el de inversiones y gestión de carteras, incluyendo la evaluación del riesgo de mercados financieros. Simulaciones y análisis más precisos podrían mejorar las estrategias de inversión y la valoración de activos. Se espera que la inteligencia artificial (IA) y el aprendizaje automático mejoren sustancialmente con mejores mecanismos de detección de fraudes o incluso mejores estrategias de trading. Además, otras áreas como los pagos, la liquidación y la modelización macroeconómica se verían positivamente afectadas. A continuación, analizamos cada una de estas áreas con más detalle.
Gestión de riesgos
Se espera que los algoritmos cuánticos de gestión de riesgos para ciertos casos de uso financiero ofrezcan una aceleración cuadrática 6 en comparación con los algoritmos clásicos. Esto abarca aplicaciones que van desde simulaciones de riesgo hasta evaluación sistémica. Este enfoque promete transformar la forma en que se modelan y mitigan los riesgos financieros. En algunos casos, los QC son capaces de realizar tareas que están fuera del alcance de los ordenadores tradicionales. Permiten evaluaciones más precisas de métricas de riesgo, como el valor en riesgo (VaR), que se utiliza ampliamente específicamente para los requisitos de capital de las instituciones financieras.
Incorporar la computación cuántica en la gestión de riesgos permite reevaluar cómo se opera la gestión de riesgos. Ofrece la posibilidad de realizar cálculos complejos a una velocidad sin precedentes. Los algoritmos cuánticos desarrollados para la estimación de riesgo en carteras de activos financieros tienen el potencial de acelerar los cálculos. En otras palabras, a medida que aumenta el tamaño de entrada del problema, los mejores algoritmos clásicos requieren un número exponencialmente creciente de pasos, mientras que un algoritmo cuántico necesita, como mucho, un número lineal de pasos. Un QC podría realizar los cálculos de VaR para una cartera de 1 millón de activos en un tiempo de ejecución de 30 minutos. Sin embargo, esto depende de varios factores, como el número de escenarios, la complejidad de la cartera, la metodología VaR seleccionada y la eficiencia de los algoritmos implementados. En cambio, estos cálculos específicos podían llevar varias horas usando la computación tradicional.
El riesgo financiero se evalúa frecuentemente mediante el uso de modelos como las simulaciones de Montecarlo. Estos son cruciales para modelar procesos con aleatoriedad inherente. Con la computación cuántica, se pueden mejorar los modelos de evaluación de riesgos financieros y, por tanto, la precisión de las predicciones.
Se han probado algoritmos cuánticos para acelerar la valoración y el análisis de riesgos de derivados financieros. Comparar circuitos cuánticos, clásicos y semicuánticos que permiten una aceleración cuadrática de la fijación de precios de derivados. Los autores también investigan un método que requiere menos recursos que los métodos existentes. Este avance mejorará significativamente el proceso de evaluación de riesgos potenciales en términos de precisión y tiempo de ejecución requeridos.
La computación cuántica aporta ventajas al sistema financiero que podrían dar lugar a estimaciones y simulaciones más precisas. También permite realizar algunos problemas complejos que son intratables con la computación clásica disponible hoy en día. Las redes financieras están tan interconectadas que resulta extremadamente difícil evaluar el impacto de posibles crisis financieras como las perturbaciones en los precios de los activos. Destacar este desafío, afirmando que el problema matemático de predecir un evento dañino es irresoluble con algoritmos clásicos, incluso para una red pequeña. Sostienen que un problema que involucre una red compuesta por 20 a 30 organizaciones requeriría más que la edad del universo para resolverse con la computación clásica.
Imaginar un enfoque cuántico para el análisis del riesgo sistémico en redes financieras. Demuestran cómo las técnicas de computación cuántica pueden aportar información sobre la resiliencia de los sistemas financieros. Aunque la gestión cuántica de riesgos está evolucionando a un ritmo acelerado y las aplicaciones concretas están bajo investigación activa, las mejoras potenciales dependen del desarrollo de las capacidades de los QC. Se espera que más investigaciones permitan desarrollar nuevos algoritmos cuánticos, convirtiendo la gestión de riesgos en una de las áreas clave de aplicación.
Inversión y gestión de carteras
La optimización de carteras es un delicado acto de equilibrio. Implica minimizar el riesgo y maximizar el rendimiento simultáneamente. La complejidad de estos problemas de optimización puede dar lugar a cálculos altamente complejos. En algunos casos, estos pueden tardar días o meses en los ordenadores clásicos en calcularse, o incluso superar sus capacidades por completo. La aparición de las QC puede ofrecer nuevas posibilidades para resolver estos problemas desafiantes, presentando una ventaja competitiva para las instituciones de inversión con acceso a la computación cuántica.
Concepto de ventaja cuántica donde se destaca el potencial de los QC para generar resultados más rentables para los problemas más difíciles. Por ejemplo, la valoración de opciones implica calcular el valor razonable de las opciones en función de diversos factores, incluyendo el precio del activo subyacente, la volatilidad, el tiempo hasta el vencimiento y los tipos de interés. Los métodos tradicionales proporcionan soluciones aproximadas, pero pueden no captar con precisión todas las complejidades del mercado. Con la mayor velocidad computacional de los sistemas cuánticos, las instituciones de inversión podrían lograr resultados superiores en la optimización de carteras.
Varios investigadores han propuesto algoritmos cuánticos para diversas tareas de gestión de carteras. Algunos se centran en problemas de parada estocástica óptima, otros analizan la fijación de precios de derivados. Ambos equipos de investigación demuestran los cálculos acelerados que permite la computación cuántica.
El tiempo que tarda en completar un cálculo complejo es una variable a tener en cuenta al evaluar los posibles beneficios de la computación cuántica. Sin embargo, es igualmente relevante evaluar su posible ventaja económica. Aunque las QC ofrecen una mayor velocidad computacional, los superordenadores clásicos pueden seguir ofreciendo una solución más rentable. Los exigentes requisitos computacionales de ciertos problemas de optimización deben evaluarse cuidadosamente. Construir un control de calidad es costoso en comparación con la computación clásica, y este coste debe tenerse en cuenta.
Pagos y acuerdos
El sector de pagos es otra área donde la computación cuántica puede aportar ventajas significativas.
Exploramos un uso innovador de la computación cuántica para mejorar la liquidez al liquidar transacciones de pago. La propuesta podría conducir a acuerdos más rápidos y eficientes. El experimento realizó transacciones de pago sobre una muestra de 30 días de un sistema de pagos canadiense, proporcionando un ejemplo práctico de estos beneficios. Utilizan un solucionador híbrido de recocido cuántico para probar posibles mejoras en la liquidez diaria. Los resultados son prometedores, con un ahorro de liquidez significativo estimado entre 239,93 millones y 275,70 millones de CAD canadienses. Esto demuestra los beneficios tangibles que la computación cuántica puede aportar al sector de pagos y liquidaciones.
Modelización macroeconómica
Los modelos económicos dinámicos, que representan la evolución de los factores económicos a lo largo del tiempo, suponen un desafío computacional significativo. Para proporcionar una analogía, consideremos el desafío de resolver un gran e intrincado rompecabezas. Cuanto más grande y complejo es el puzzle, más tiempo tarda en encajar cada pieza, dado la necesidad de probar cada pieza individualmente contra las demás. Esta complejidad es un punto destacado, quienes señalan que los costes computacionales aumentan exponencialmente con el número de variables. Este desafío dificulta representar y resolver con precisión estos modelos con potentes recursos informáticos tradicionales. En cambio, la solución ideal consistiría en probar todas las piezas simultáneamente para entender cómo encajan entre sí. Esto es similar a lo que puede hacer un control de calidad.
Los recocidos cuánticos ya pueden resolver ciertos problemas de programación dinámica un orden de magnitud más rápido que los ordenadores clásicos. Estos autores implementan un modelo económico muy conocido, concretamente el ciclo económico real (RBC), en un recocido cuántico. Esta máquina cuántica —ya disponible hoy en día, aunque con capacidad limitada— resolvió el modelo RBC en un 3% del tiempo de cálculo que tomaría un ordenador tradicional. El artículo presenta un nuevo método para resolver la realización de programación dinámica, mostrando el potencial del hardware cuántico para la modelización económica.
Computación cuántica e IA: la nueva frontera en el aprendizaje automático
Los investigadores están explorando activamente sinergias entre la computación cuántica y la IA. Un campo de investigación en crecimiento está relacionado con el uso de algoritmos de computación cuántica para mejorar la IA y el aprendizaje automático, que dependen de la computación clásica. Los dominios potenciales dentro de la IA que podrían beneficiarse de la integración de la computación cuántica incluyen aprendizaje por refuerzo, aprendizaje profundo y máquinas de vectores de soporte, entre otras áreas.
El aprendizaje por refuerzo es un tipo de aprendizaje automático que permite a un agente (o a un sistema impulsado por IA) aprender a tomar decisiones interactuando con su entorno. El agente determina su siguiente acción en función de su estado actual y recibe retroalimentación en forma de recompensas o penalizaciones tras cada acción. Dado que el objetivo del agente es maximizar las recompensas, su proceso de aprendizaje incluye encontrar acciones que conduzcan a las mayores recompensas mediante prueba y error, y desarrollar una estrategia que maximice las recompensas. Los algoritmos de aprendizaje por refuerzo cuántico pueden aprovechar los principios de la mecánica cuántica para acelerar los procesos de aprendizaje y toma de decisiones. Estos algoritmos podrían introducir nuevos enfoques para explorar problemas de aprendizaje por refuerzo, lo que podría dar lugar a estrategias más eficaces para encontrar políticas óptimas. Examinar específicamente el uso de circuitos cuánticos en el aprendizaje por refuerzo, destacando cómo la computación cuántica puede ofrecer métodos innovadores para la optimización de políticas. Proporcionar evidencia empírica de una aceleración cuántica en una tarea de aprendizaje por refuerzo, subrayando el potencial de los algoritmos cuánticos para potenciar el aprendizaje por refuerzo.
El aprendizaje profundo, un subconjunto de las técnicas de aprendizaje automático, representa otra área donde la computación cuántica puede mejorar la eficiencia computacional y, por tanto, aumentar las capacidades de la IA. El aprendizaje profundo implica entrenar redes neuronales artificiales para analizar datos y tomar decisiones. Estas redes constan de capas, incluyendo una capa de entrada, una o más capas ocultas y una capa de salida. Cada nodo actúa como una neurona artificial, formando conexiones con otras a través de pesos y umbrales asignados. El término «deep» en deep learning se refiere a las múltiples capas de la red. A pesar de su éxito generalizado, el aprendizaje profundo se enfrenta a desafíos relacionados con la memoria y la eficiencia temporal, que la computación cuántica podría abordar. El aprendizaje profundo cuántico promete mejorar la velocidad y eficiencia del proceso de entrenamiento, con posibles avances en redes neuronales cuánticas mediante el uso de algoritmos de descenso de gradiente cuántico. Estos algoritmos buscan acelerar el entrenamiento estimando gradientes de forma más eficiente mediante principios cuánticos.
Aunque integrar la IA con la computación cuántica presenta desafíos significativos, los investigadores están investigando activamente esta vía para potencialmente aumentar las capacidades de la IA. Estos dos ámbitos podrían reforzarse mutuamente en el desarrollo, como lo pone de manifiesto el creciente cuerpo de investigación sobre la aplicación de técnicas de IA en el desarrollo de computación cuántica. Aunque realizar aplicaciones prácticas implica superar obstáculos considerables, como costes y limitaciones técnicas, el impacto potencial de la sinergia entre estos dos campos merece atención.
4. Efecto económico de las QC: ¿desde beneficios a corto plazo hasta una nueva tecnología de propósito general?
A pesar del creciente interés y de las nuevas propuestas de algoritmos cuánticos, los beneficios prácticos de la computación cuántica en problemas reales son difíciles de evaluar. Se ha presentado un marco para entender dónde la computación cuántica proporcionará una ventaja sobre la computación clásica y concluyen que los casos de uso reales con una ventaja cuántica práctica serán escasos. Sostienen que los ordenadores clásicos resuelven problemas de complejidad pequeña a moderada más rápido que los cuántanos de calidad. Los autores señalan que solo los problemas cuya ganancia algorítmica es grande se beneficiarán de la computación cuántica. Afirman que, dado que los avances algorítmicos muy grandes son «raros» en la práctica y se teoriza que lo son incluso en principio, su análisis sugiere que los beneficios de la computación cuántica fluirán hacia un conjunto reducido de casos de uso, y principalmente hacia quienes procesan grandes cantidades de datos. Lo ilustran con el ejemplo de una búsqueda no estructurada donde aparecen ventajas cuánticas si el tamaño del problema supera 10.
Además del desafío algorítmico, se identifican dos obstáculos adicionales: la inicialización de datos y la medición de salida. Para ilustrar estos desafíos, el proceso de computación cuántica podría descomponerse en tres pasos: (1) inicializar la QC con estados cuánticos codificados en datos, (2) realizar operaciones sobre estos qubits configurados y (3) extraer información del estado cuántico final. Mientras que la mayoría de los algoritmos cuánticos se centran en optimizar el paso (2), los pasos (1) y (3) pueden llevar mucho tiempo. Inicializar grandes conjuntos de datos convirtiéndolos en estados cuánticos puede ser ineficiente, 7 y extraer información significativa de la cadena final de qubits también puede ser computacionalmente costoso, pudiendo eclipsar las ganancias de velocidad obtenidas con algoritmos cuánticos. Muchos de los casos de uso estudiados en la literatura actual abordan problemas que hoy se resuelven con ordenadores clásicos. Para estos problemas, los beneficios a corto plazo de la computación cuántica suelen presentarse en forma de cálculos más rápidos con resultados similares. Por ejemplo, utilizan un algoritmo de computación cuántica para resolver problemas de optimización dinámica de carteras y encuentran que el recocido cuántico completa la tarea en aproximadamente tres minutos, mientras que el tiempo computacional usando ordenadores clásicos supera un día.
El valor económico a corto plazo de una aceleración así varía según el caso de uso. Como límite superior simple sobre los posibles beneficios de la QC para cualquier caso de uso específico, se puede considerar cuánto valor podríamos obtener con ordenadores clásicos de capacidad computacional infinita. Por ejemplo, en el caso de un problema de optimización, esto corresponde a encontrar el óptimo global en tiempo computacional cero. Para algunos casos de uso, esto tendría un gran valor económico. Pero en muchos casos prácticos, el valor inmediato es limitado, por ejemplo, debido a incertidumbres intrínsecas y datos de entrada ruidosos, que reducen el valor de cálculos más precisos, o porque los cálculos deben realizarse raramente, y una aceleración no se convierte directamente en valor económico inmediato. Estas consideraciones también se aplican a los beneficios económicos que se pueden lograr resolviendo los mismos problemas con un control de calidad.
Un indicador intuitivo aproximado del impacto a corto plazo de las QCs es el mercado que se ve más directamente afectado por ellas: el de la computación de alto nivel. Se espera que este mercado crezca hasta alcanzar unos 90.000 millones de USD en 10 años, aunque existe una gran incertidumbre en esta proyección. Asumiendo un aumento medio en el rendimiento derivado de la computación cuántica en comparación con la computación clásica, podemos estimar los posibles ahorros. Por ejemplo, si se asume una reducción del 10% en los costes, esto implicaría un «ahorro» de 0.900 millones de dólares al año.
Sin embargo, hay que diferenciar los beneficios a corto plazo de la tecnología y las implicaciones a largo plazo. Las transiciones tecnológicas históricas ofrecen un paralelismo perspicaz con el potencial económico a largo plazo de la computación cuántica y sugieren que se pueden esperar efectos económicos mucho mayores a largo plazo. Un ejemplo es el cambio de las máquinas de vapor a la energía eléctrica en entornos industriales. Inicialmente, la adopción de electricidad puede traer mejoras modestas si una fábrica sustituye a una
Máquina de vapor centralizada sin reconfigurar la infraestructura más amplia, es decir, que aún distribuye la energía en la fábrica mediante correas y ejes. Sin embargo, los efectos a largo plazo pueden ser mucho más profundos, ya que el cableado permite a la fábrica remodelar drásticamente la distribución de la energía, con motores eléctricos automatizando un gran conjunto de pasos más pequeños en el proceso de producción. Otro ejemplo es internet, que proporcionó beneficios a corto plazo como una mejor comunicación y acceso a la información. Sin embargo, sus impactos a largo plazo han sido monumentales, permitiendo a los equipos trabajar en entornos lejanos y, por tanto, facilitando también la evolución de las cadenas de valor globales.
Las implicaciones a largo plazo de la computación cuántica también podrían ser transformadoras. Aunque muchos casos de uso existentes solo ven una aceleración de la QC, tareas computacionales que aún no se realizan hoy porque no son factibles usando ordenadores clásicos pueden volverse posibles con los QC. A través de estos casos de uso, la computación cuántica puede revolucionar el procesamiento de datos y los cálculos algorítmicos, dando lugar a aplicaciones completamente nuevas en múltiples dominios, incluyendo ciencia de materiales, criptografía, inteligencia artificial y finanzas.
Así, aunque los beneficios inmediatos de la computación cuántica son modestos, su potencial para impulsar transformaciones fundamentales en las capacidades computacionales podría reflejar los impactos generalizados observados con la electrificación de fábricas, marcando otro salto significativo en la evolución tecnológica.
5. Implicaciones cuánticas en la criptografía
La computación cuántica y otras aplicaciones emergentes de la física cuántica presentan simultáneamente tanto desafíos como oportunidades para la criptografía y, por tanto, para la seguridad y estabilidad de los sistemas financieros. A continuación, primero ofrecemos una visión general de los métodos criptográficos utilizados en los sistemas actuales, seguida de una descripción de las oportunidades y desafíos más importantes que representa la física cuántica.
Criptografía en los sistemas financieros actuales
La criptografía convencional utiliza algoritmos basados en problemas matemáticos complejos para proteger datos sensibles. Dos entidades comunicantes suelen depender de una clave secreta compartida para proteger sus mensajes de escuchas. Esto se denomina cifrado de clave simétrica. El emisor utiliza la clave compartida para codificar la información, y el receptor utiliza la misma clave para decodificar la información recibida y restaurar el mensaje original. Los algoritmos utilizados para el cifrado y el descifrado están estandarizados, y solo la clave se mantiene en secreto.
Uno de los retos en la criptografía simétrica es la necesidad de crear el secreto compartido entre las entidades comunicantes. Tradicionalmente, tendrían que haber acordado previamente una clave compartida transmitiendo físicamente la clave de un extremo al otro, por ejemplo, en papel o en algún dispositivo electrónico. En los sistemas digitales actuales, este primer paso suele ser reemplazado por la creación de un secreto compartido mediante criptografía de clave pública, también conocida como criptografía de clave asimétrica.
En un escenario de clave simétrica, acuerdan usar una clave compartida para cifrar y descifrar sus mensajes secretos. Alice cifra los mensajes secretos usando la clave compartida y se los envía a Bob. Al recibir los mensajes cifrados, Bob los descifra usando la misma clave compartida.
En la criptografía de claves asimétricas, Alice y Bob poseen cada uno dos claves diferentes: una clave pública y una clave privada correspondiente. Como indica su nombre, una clave pública es accesible para cualquiera, mientras que una clave privada permanece confidencial. No es factible inferir una clave privada analizando su contraparte pública. Alice cifra mensajes secretos usando la clave pública de Bob. Cuando Bob recibe mensajes cifrados de Alice, los descifra usando su clave privada.
La criptografía de clave pública no requiere un secreto compartido entre los puntos finales que se comunican; por lo tanto, evita la necesidad de transmitir la clave antes de una comunicación secreta. En su lugar, las entidades comunicantes pueden simplemente publicar sus claves públicas, para ser utilizadas por cualquiera dispuesto a enviarles mensajes cifrados.
En criptografía de clave pública, el reto es: ¿cómo puede Alice estar segura de que la clave pública que usa pertenece a Bob? ¿Y si un hacker, haciéndose pasar por Bob, envía su propia llave pública a Alice para interceptar los mensajes secretos? Para verificar la autenticidad de la clave pública, se utiliza una infraestructura de clave pública (PKI) que gestiona los certificados digitales y el cifrado de clave pública. Los certificados digitales son documentos electrónicos emitidos por una autoridad certificadora para demostrar la coincidencia entre la identidad de una entidad y su clave pública. Si Alice desea verificar que la clave pública de Bob, Indeed, pertenece a Bob, necesita obtener un certificado digital que autentique la clave pública de Bob como legítima. Para que Bob reciba su certificado digital, debe presentar su identidad y clave pública a una autoridad certificadora, una organización externa de confianza que emite el certificado de Bob. Este certificado digital incluye una firma digital que valida la propiedad de Bob sobre su clave pública. La firma digital se crea cifrando el mensaje utilizando la clave privada de la autoridad certificadora. Alice y otros pueden confirmar que la firma digital es auténtica descifrando la firma con la clave pública de la autoridad certificadora, que se almacena en sus dispositivos informáticos.
En los sistemas financieros actuales, y de hecho en la mayoría de los sistemas informáticos, la seguridad se basa en una combinación de criptografía de clave simétrica, criptografía de clave pública y PKI. La mayoría de los mensajes están cifrados mediante criptografía de claves simétricas porque es más eficiente que la criptografía asimétrica. Sin embargo, se utiliza criptografía de clave asimétrica para crear el secreto compartido entre las entidades comunicantes antes de que comience una sesión de comunicación. Y la PKI se usa para verificar la autenticidad de las claves públicas.
Un protocolo utilizado para asegurar transacciones de banca online y móvil. Mostramos una secuencia simplificada de establecimiento de un canal seguro entre un cliente y un servidor dentro de HTTPS, donde el cliente suele ser un cliente y el servidor representa un banco. El proceso se desarrolla de la siguiente manera:
• El cliente inicia una conexión segura enviando un mensaje de «hola» al servidor.
• El servidor responde con su propio mensaje de «hola» al cliente, incluyendo su certificado digital, que contiene la información del servidor y la clave pública.
• El cliente verifica el certificado digital del servidor descifrándolo usando la clave pública de la autoridad central, asegurando que el certificado esté firmado por la autoridad central.
• El cliente envía entonces información sobre la clave simétrica secreta, cifrada con la clave pública del servidor.
• El servidor recupera la clave simétrica compartida descifrándola con su clave privada. Posteriormente, tanto el cliente como el servidor pueden intercambiar mensajes cifrados con la clave simétrica compartida, completando el establecimiento de una conexión segura.
Amenaza cuántica para la criptografía heredada
Tanto la criptografía de claves simétricas como asimétricas se basan en algoritmos matemáticos para codificar y decodificar mensajes utilizando las claves respectivas. Los algoritmos están construidos de tal manera que, examinando la versión codificada del mensaje, es prácticamente imposible deducir el mensaje original o la clave secreta. El énfasis está en la palabra «prácticamente». En teoría, existen algoritmos que pueden romper la criptografía y descubrir la clave secreta, pero con claves suficientemente grandes, esto requeriría un tiempo de cálculo prohibitivamente largo, incluso para los superordenadores más grandes. Por ello, la criptografía convencional se considera generalmente suficientemente segura para las necesidades actuales.
La aparición de las QC supone un cambio en este sentido porque podrán realizar algunos de estos cálculos más rápido que los ordenadores clásicos, lo que podría hacer obsoleta la seguridad actual. El problema afecta más a la criptografía de claves asimétricas que a los esquemas de claves simétricas.
Para criptografía de claves simétricas, se puede usar un algoritmo cuántico llamado algoritmo de Grover para ataques. Sin embargo, este algoritmo solo puede lograr una aceleración limitada en comparación con los ataques que usan un ordenador tradicional. Por lo tanto, los expertos en seguridad creen que el cifrado simétrico de claves heredadas puede seguir utilizándose, siempre que se aumente la longitud de la clave.
Las QC representan un impacto más profundo en la criptografía asimétrica de claves, donde algunos algoritmos existentes dejarán de ser seguros si existen QCs escalables. Específicamente, los métodos criptográficos de clave pública como Rivest-Shamir-Adleman (RSA) y la Criptografía de Curvas Elípticas (ECC), que son prevalentes en los sistemas financieros actuales, corren el riesgo de quedar obsoletos con la llegada de los QC.
El cifrado RSA se basa en un problema matemático llamado factorización. Para crear las claves, el algoritmo genera aleatoriamente dos números primos grandes y luego los multiplica entre sí. El producto de esta multiplicación forma parte de la clave pública, mientras que los dos grandes números primos se utilizan para generar la clave privada. La seguridad de este algoritmo proviene de la naturaleza unidireccional de esta operación: multiplicar dos grandes números es fácil, pero factorizar grandes es muy difícil usando ordenadores clásicos, y con números suficientemente grandes, se vuelve prácticamente imposible. Sin embargo, el problema de factorización es una de esas áreas en las que las QC pueden superar significativamente a los ordenadores actuales.
El matemático Peter Shor demostró que una QC suficientemente grande podía realizar la factorización en un tiempo razonable y usarse para romper los algoritmos de cifrado actualmente ampliamente utilizados. En 2001, los investigadores demostraron la viabilidad práctica del algoritmo de Shor, que subrayó aún más el potencial de las QC para hacer inseguras algunas medidas de ciberseguridad existentes.
La capacidad de los QC para hackear los esquemas criptográficos actuales tiene un impacto profundo en la seguridad de los sistemas financieros. Se identifican las áreas más vulnerables como: (1) banca online/móvil, (2) transacciones de pago (incluyendo retiradas de efectivo), (3) privacidad entre empresas y (4) comunicaciones en red privada virtual (VPN). En la banca online/móvil, un atacante que utilice un control de calidad podría comprometer y escuchar comunicaciones entre usuarios e instituciones financieras durante los procesos de autenticación y autorización. De manera similar, durante transacciones de pago o retiradas en cajeros automáticos, dicho atacante podría interceptar estos intercambios. Las empresas suelen utilizar canales de comunicación seguros basados en cifrado de clave pública; sin embargo, estos canales podrían ser completamente accedidos por atacantes si se veían comprometidos mediante técnicas de computación cuántica. Las VPN que utilizan los empleados que trabajan en remoto también podrían ser vulnerables a estos ataques.
Criptografía resistente a la resistencia cuántica
El uso continuo de ciertos métodos criptográficos de clave asimétrica en las comunicaciones financieras, específicamente RSA y ECC, representa un riesgo inminente para la seguridad de los sistemas financieros en medio de los rápidos avances en la computación cuántica. La capacidad teórica de los QC para vulnerar eficazmente estos algoritmos criptográficos exige acciones preventivas para salvaguardar la seguridad duradera de las operaciones financieras.
En respuesta a esta amenaza, los investigadores han estado desarrollando nuevos algoritmos criptográficos diseñados para ser resistentes a las QCs. De forma algo contraintuitiva, no hace falta un control de calidad para protegerse de ataques de un control de calidad. Es posible cifrar datos usando ordenadores clásicos de modo que los QC no puedan romper el cifrado. Las CAC serán muy eficientes resolviendo ciertos tipos de problemas (como la factorización), por lo que la solución reside en diseñar nuevos algoritmos criptográficos basados en problemas matemáticos que no encajen en estas categorías.
En 2016, el Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST) inició un proceso de estandarización para dichos algoritmos criptográficos. Para denotar tales algoritmos, los términos criptografía resistente a la cuántica o post-cuántica suelen usarse indistintamente. Como parte de este proceso, el NIST anunció en 2022 los primeros cuatro algoritmos de cifrado y firma digital seleccionados para la estandarización, con los primeros estándares publicados en agosto de 2024. Este proceso continuo continuará con la selección de algoritmos adicionales que ofrezcan enfoques variados para el cifrado.
Aunque aún no existen los QC, existe una necesidad urgente de desplegar algoritmos resistentes a la cuántica, específicamente para datos altamente sensibles. Esto se debe a la amenaza potencial de los llamados ataques de ‘cosecha ahora, descifrar después» (HNDL). Aunque aún no están disponibles los QCs capaces de romper el cifrado actual, las entidades maliciosas podrían interceptar datos financieros hoy en día, con la intención de descifrarlos en el futuro. Hasta que las soluciones cuánticamente seguras estén completamente desplegadas, la vulnerabilidad de los datos altamente sensibles ante ataques HNDL sigue siendo una preocupación crítica. Esta amenaza inminente pone de manifiesto la urgente necesidad de medidas preventivas para salvaguardar la autenticidad, integridad y confidencialidad de los datos. Los resultados de una encuesta a bancos centrales realizada en 2021 por el Global Cyber Resilience Group del Banco de Pagos Internacionales (BIS) indican que el sistema financiero podría sufrir pérdidas sustanciales si las partes interesadas no se preparan para ataques tipo HNDL.
Criptografía cuántica
Aunque las QC representan una amenaza para la criptografía heredada, otras aplicaciones de la física cuántica ofrecen una nueva oportunidad para reforzar la seguridad de los sistemas informáticos, incluido el sistema financiero. La criptografía cuántica utiliza los principios inherentes de la mecánica cuántica como la superposición, la incertidumbre, la coherencia y el entrelazamiento del teorema de no clonación para crear comunicaciones seguras.
Un elemento clave de la criptografía cuántica es la distribución cuántica de claves (QKD), que se basa en las propiedades cuánticas de las partículas, normalmente fotones. Esto permite a las partes de un canal de comunicación obtener una clave secreta compartida con la garantía de que cualquier intento de intercepción será detectado. Un estudio realizado por el Banco de Italia exploró la posible integración de QKD en los sistemas de pago, arrojando luz sobre su posible implementación para mejorar la seguridad de los sistemas criptográficos actuales. No obstante, la implementación práctica de esta prometedora tecnología presenta actualmente algunas dificultades en términos de escalabilidad e integración en infraestructuras existentes. La transmisión de información cuántica a largas distancias sigue siendo un desafío debido a la falta de infraestructuras de red y a los importantes costes de implementación. Sin embargo, este subcampo de la ciencia de la información cuántica está evolucionando rápidamente y se considera una tecnología prometedora para la seguridad de los sistemas informáticos. Se han lanzado diferentes iniciativas gubernamentales y regionales con la construcción de redes cuánticas de fibra óptica o incluso de espacio libre.
Otras aplicaciones de la criptografía cuántica incluyen, por ejemplo, las firmas digitales cuánticas y el dinero cuántico. Aunque estas y otras áreas de criptografía cuántica pueden representar nuevas oportunidades para el sistema financiero a largo plazo, actualmente son conceptuales y su impacto potencial es difícil de evaluar.
La terminología sobre las tecnologías cuánticas y su impacto en la seguridad puede resultar algo confusa. Por ejemplo, los nombres podrían sugerir que la «criptografía post-cuántica» es algo que viene después de la «criptografía cuántica», pero no es así. La criptografía post-cuántica se refiere a algoritmos que pueden implementarse en ordenadores clásicos, y estos deberían introducirse antes de que estén disponibles las QC, para reemplazar la criptografía vulnerable utilizada hoy en día. En cambio, la criptografía cuántica depende de la tecnología cuántica y probablemente estará más lejana con el tiempo.
En el Gráfico 10 resumimos los términos más utilizados y sus interrelaciones. La criptografía heredada, mostrada con líneas y fuentes azules, consiste en una combinación de criptografía asimétrica y clave simétrica, donde la primera crea el secreto compartido que será utilizado por la segunda. La computación cuántica representa una amenaza por su potencial capacidad para romper versiones existentes de la criptografía asimétrica de claves. La criptografía resistente a la materia cuántica (también conocida como «post-cuántica») es una nueva familia de algoritmos criptográficos de clave asimétrica que se basan en problemas matemáticos difíciles de descifrar para los QC. Esta es una forma de mitigar el riesgo que provienen de las QCs. La criptografía cuántica consiste en nuevos métodos criptográficos, basados en los conceptos de la física cuántica, que podrían apoyar o reemplazar algunas de las técnicas heredadas.
6. Implicaciones en la estabilidad del sistema financiero
El posible impacto en los ciberataques de control de calidad
La estabilidad del sistema financiero depende fundamentalmente de la seguridad criptográfica. La aparición de las máquinas cuánticas, con su potencial para capacidades avanzadas de descifrado, introduce riesgos significativos que podrían provocar pérdidas económicas considerables. Aunque es difícil cuantificar estos riesgos debido al alcance y magnitud inciertos de la amenaza cuántica, estimar las pérdidas potenciales es crucial para comprender su impacto. Por ejemplo, un escenario especialmente alarmante es un ciberataque habilitado por la cuantía contra infraestructuras financieras críticas, cuyos usuarios incluyen agencias gubernamentales.
Evaluar el impacto económico preciso de tales eventos es complejo; sin embargo, una encuesta a bancos centrales ofrece cierta visión sobre la magnitud de un ciberataque sistémicamente relevante contra instituciones financieras. Basada en una evaluación profesional de la probabilidad de que las QC rompan el cifrado estándar actual, la estimación indica pérdidas esperadas de aproximadamente el 0,1% del PIB en un plazo promedio de cinco años posteriores al ataque. Los resultados de la encuesta sugieren que, con una probabilidad creciente de descifrado a lo largo del tiempo, las pérdidas esperadas podrían superar el 1% del PIB en un plazo de 15 a 20 años, con las economías de mercados emergentes potencialmente enfrentando pérdidas aún mayores.
Se espera que esta estimación aumente a medida que se acelere la digitalización de los sistemas financieros, lo que pone de manifiesto una preocupación significativa por la estabilidad financiera. No obstante, la transición a criptografía resistente a la cuantística podría reducir considerablemente estos riesgos.
Defensas de los bancos centrales frente a la amenaza cuántica
El papel crucial de los bancos centrales en garantizar el correcto funcionamiento de las infraestructuras del mercado financiero y en mantener la estabilidad financiera conduce inevitablemente a la seguridad e integridad de sus operaciones, un tema de suma importancia. Asegurar datos, por ejemplo, relacionados con la formulación de la política monetaria, es sumamente fundamental. Dado el posible impacto de la computación cuántica en el sistema financiero, los bancos centrales son los principales afectados y deben prepararse proactivamente contra este riesgo cibernético para mantener la confianza y la confianza en el sistema financiero. Entre otras iniciativas, el Proyecto Leap de la BIS ayuda a los bancos centrales a acelerar este proceso.
Responder a la amenaza de ciberseguridad que suponen los QC requiere un enfoque multifacético. Invertir en criptografía post-cuántica es una de ellas, ya que estos nuevos algoritmos bajo el proceso de estandarización del NIST buscan proteger la información frente a las capacidades computacionales de los QC. La migración de protocolos criptográficos existentes a criptografía cuántica segura es un proceso complejo, que consume mucho tiempo y requiere muchos recursos. Es necesario planificar una fase de preparación en el menor plazo posible, ya que un plan de migración llevará un tiempo considerable en completarse. Cuando consideramos estos desafíos significativos que plantea la implementación de nuevos algoritmos criptográficos, esta transición hacia esquemas cuánticos seguros se convierte en una prioridad y debe integrarse en las hojas de ruta de ciberseguridad. Es necesario definir una hoja de ruta para la preparación cuántica, incluyendo los hitos importantes de un plan migratorio y un alto nivel de flexibilidad. La agilidad y los principios de gestión del cambio serán clave para una transición exitosa. Desde la perspectiva de la era cuántica, los sistemas informáticos tendrán que adaptarse continuamente. Hoy en día, el enfoque más inmediato para la transición a nuevos protocolos implica la implementación de criptografía post-cuántica, que es una rama de soluciones cuánticas seguras. Aunque esta estrategia mejora la seguridad, es importante reconocer su posible vulnerabilidad. Estos nuevos algoritmos necesitan ser examinados a fondo en aplicaciones concretas, posiblemente requiriendo ajustes continuos. Además, a medida que las capacidades de los QC continúan aumentando, la amenaza de ciberseguridad que supone la computación cuántica podría evolucionar, requiriendo sistemas más ágiles. La capacidad de los sistemas para cambiar rápidamente de un algoritmo o protocolo a otro es un parámetro importante a tener en cuenta en la selección de nuevos marcos de seguridad. Depender de un protocolo único basado, por ejemplo, en criptografía asimétrica como los protocolos RSA ya no será posible.
Uno de los primeros pasos para prepararse ante esta amenaza de ciberseguridad es crear un equipo dedicado con las competencias adecuadas para formular un plan de preparación cuántica que tenga en cuenta las particularidades de la organización. Antes de la implementación concreta, los bancos centrales deben identificar sus necesidades en cuanto a formación en habilidades avanzadas para expertos y en inventarios de activos y datos críticos en criptografía.
Un plan de transición debe considerar la complejidad de los sistemas heredados que a menudo incorporan algoritmos y protocolos criptográficos no compatibles. La implementación de nuevos algoritmos puede ser técnicamente compleja y puede requerir una adaptación significativa de los sistemas existentes, incluyendo cambios fundamentales en los sistemas. La migración de algoritmos de cifrado existentes a protocolos criptográficos seguros para la cuántica concebidos para resistir ataques de control de calidad debe desplegarse a gran escala. Esta transición implica actualizar una amplia gama de componentes de infraestructura, incluyendo software, hardware y bibliotecas criptográficas en diversos sistemas, lo que requiere una coordinación significativa dentro y entre organizaciones. Además, cada proceso de ciberseguridad afectado y cada marco de gestión de riesgos debe adaptarse a los nuevos protocolos.
Abordando estos desafíos de forma proactiva con antelación, los bancos centrales pueden mejorar la seguridad de sus sistemas digitales y proteger los datos sensibles en un mundo habilitado por la tecnología cuántica. Una vez completadas las fases de preparación y planificación, la ejecución de la transición seguirá con la implementación concreta de esquemas criptográficos resistentes a la resistencia cuántica para proteger sistemas.
7. Conclusión
El artículo analiza las nuevas oportunidades y desafíos que las QC representan para el sistema financiero. Esta nueva tecnología no reemplazará a los ordenadores existentes y no será aplicable en todas las áreas de la computación. Pero en algunas áreas seleccionadas, tiene el potencial de acelerar significativamente los cálculos. Encuestamos posibles áreas de aplicación en el sistema financiero, incluyendo gestión de riesgos, inversión y optimización de carteras, inteligencia artificial, pagos y liquidación, y modelización macroeconómica. Naturalmente, la mayoría de los casos de uso descritos en la literatura actual abordan problemas computacionales conocidos que se están resolviendo hoy en día usando ordenadores clásicos.
También discutimos las posibles implicaciones económicas de aplicar la QC en el sistema financiero. Concluimos que los avances iniciales son modestos, en parte porque las CAC aún están en una etapa temprana de desarrollo y se realizan experimentos con prototipos pequeños, en parte porque las ventajas de la QC frente a los ordenadores clásicos solo se hacen evidentes en un conjunto específico de problemas computacionales. Mientras que los primeros casos de uso experimentales se centran en problemas computacionales que hoy se abordan con éxito con ordenadores clásicos, se pueden esperar mayores avances en futuros casos de uso que son irresolubles usando ordenadores clásicos. Estas se identificarán gradualmente, y principalmente cuando ya haya QCs disponibles. Es posible que solo veamos ganancias económicas marginales en las primeras fases, pero un efecto transformador a largo plazo.
Continuamos hablando del impacto específico que la tecnología cuántica tiene en la criptografía y, por tanto, en la estabilidad del sistema financiero. La criptografía actual se basa en problemas matemáticos que son irresolubles usando ordenadores clásicos, pero que potencialmente pueden resolverse con futuras QCs. Esto significa que un futuro QC puede romper los esquemas de cifrado que protegen nuestro sistema financiero, representando así una amenaza para la estabilidad financiera. Aunque los beneficios de la QC tardarán en desarrollarse, la amenaza de ciberseguridad es inminente debido a la posibilidad de que actores maliciosos intercepten y almacenen datos hoy en día con la intención de descifrarlos en el futuro cuando estén disponibles los QC.
Hablamos de la responsabilidad de los bancos centrales para abordar este desafío y las medidas que deben tomarse para mitigar el riesgo. Por último, analizamos cómo la tecnología cuántica puede tener un impacto positivo en la seguridad, por ejemplo, utilizando la distribución de claves cuánticas, una tecnología prometedora para distribuir claves secretas a puntos finales comunicantes, resolviendo un gran desafío en los sistemas informáticos actuales.