El dilema regulatorio que nadie quería admitir
El Banco de México acaba de hacer algo inusual en el mundo de la banca central: ser brutalmente honesto sobre sus propias limitaciones. En un contexto donde la inteligencia artificial está reescribiendo las reglas del sistema financiero, la institución reconoce que su capacidad de supervisión está rezagada. No es un detalle técnico. Es una admisión de que el árbitro está perdiendo de vista el juego.
Durante años, hemos escuchado a tecnólogos y ejecutivos financieros cantar las virtudes de la IA: algoritmos que detectan fraude en milisegundos, sistemas que evalúan riesgo crediticio con supuesta objetividad, modelos predictivos que prometen estabilidad. Todo suena eficiente. Pero eficiencia no es lo mismo que seguridad, y ese es el matiz que comienza a preocupar seriamente a los guardianes del dinero.
¿Qué puede salir mal? (Mucho, al parecer)
El escenario que mantiene despiertos a los reguladores es deceptivamente simple: sistemas de IA entrenados con datos históricos que amplifican, en lugar de mitigar, los riesgos sistémicos. Imaginemos esto: durante una crisis, todos los algoritmos simultáneamente llegan a la misma conclusión (vender, reducir crédito, aumentar márgenes). No por coordinación deliberada, sino porque fueron educados con patrones similares. El resultado es una contracción del crédito en cascada que ningún supervisor vio venir porque nadie puede realmente auditar cómo una red neuronal profunda llegó a sus decisiones.
Esto no es teoría. En mercados más avanzados ya hay precedentes. En 2020, durante el pánico de COVID-19, algoritmos de valoración de activos en bonos corporativos generaron disfunciones de mercado. Los reguladores tuvieron que intervenir. Pero incluso con toda su experiencia, los supervisores estadounidenses tardaron días en entender exactamente qué había sucedido.
El rezago latinoamericano es más profundo
Para una región como América Latina, donde la infraestructura regulatoria ya enfrenta limitaciones de personal, presupuesto y expertise técnico, el desafío es exponencialmente mayor. México no es excepción. El Banco Central tiene que supervisar miles de instituciones financieras con equipos que apenas comenzaron a familiarizarse con machine learning hace cinco años. Mientras tanto, startups fintech y grandes bancos digitales están desplegando IA de frontera sin esperar aprobación explícita, porque simplemente no existe marco regulatorio que lo requiera.
Esto crea un vacío peligroso: empresas con incentivos a asumir riesgos (maximizar ganancia, crecer rápido) utilizan herramientas cuyo funcionamiento interno es una caja negra, bajo supervisión de instituciones que admitidamente no pueden verlas ni evaluarlas adecuadamente.
Las soluciones están apenas esbozadas
¿Qué se supone que debe hacer un regulador? La respuesta honesta es que nadie lo sabe completamente. Los organismos internacionales como el Banco de Pagos Internacionales sugieren aumentar capacidades técnicas, establecer pruebas de estrés específicas para modelos de IA, exigir auditorías externas independientes. Algunos países europeos avanzan en regulaciones más estrictas. Pero en México y gran parte de Latinoamérica, estos mecanismos apenas están en fase de consideración.
Lo paradójico es que acelerar la adopción de IA en finanzas tiene beneficios reales: inclusión financiera mediante evaluaciones crediticias más sofisticadas, detección genuina de fraude, operaciones más eficientes. El problema no es la tecnología. Es el orden: estamos permitiendo que la tecnología avance a velocidad de crucero mientras construimos las vallas de seguridad a ritmo de tortuga.
Por qué esta advertencia importa ahora
El timing del Banco de México no es casual. Estamos en un momento donde los inversores preguntan sobre estabilidad, donde las startups fintech buscan capital sin restricción regulatoria clara, y donde cada banco tradicional pone un ejecutivo de IA a cargo de operaciones críticas. La institución está, básicamente, pidiendo a gritos que alguien frene lo suficiente para que puedan entender qué está sucediendo.
Esa es una voz incómoda para quienes lucran con la velocidad. Pero es exactamente la voz que necesitamos escuchar en momentos donde los sistemas complejos pueden fallar de formas que nadie predijo.
Información basada en reportes de: Jornada.com.mx