Innovar puede referirse a mejorar procesos existentes, pero también a incorporar elementos completamente nuevos. En cualquier caso, la paciencia, la perseverancia, el proceso de prueba y error son las bases sobre la que se asienta la innovación. Es un viaje costoso y difícil, repleto de incertidumbre y riesgos, del que no conocemos el destino.
No cabe duda de que la Inteligencia Artificial (IA) es un aspecto crítico de la revolución industrial que estamos viviendo en la actualidad. Todos hemos estado expuestos, de una u otra forma a la IA. Seamos creyentes o escépticos, la IA es una ola que se acerca… Necesitaremos dotarnos de las habilidades adecuadas, de las herramientas adecuadas; saltar dentro de la ola sin preparación implica riesgos innecesarios.
Pero… no hacer nada no es una opción; corremos el riesgo de ser sobrepasados por la ola y estar fuera de control. La ola se acerca; no se trata de si vendrá, sino de cuando lo hará.
Según una encuesta dirigida por GARP en diciembre de 2018 sobre el grado de aplicación de la IA (realizada a más de 2.000 profesionales de riesgos), el 80,5% de las entidades que ya habían adoptado la IA, y los principales beneficios eran:
- Generación más rápida de conocimiento
- Reducción de las tareas manuales
- Mejora de la toma de decisiones
- Mayor productividad
Algunos de los casos de uso (de riesgos) que habían adoptado antes la IA eran:
- Automatización de procesos
- Credit Scoring
- Limpieza y mejora de los datos
No cabe duda de que la ratio de adopción de la IA se incrementará dramáticamente en los próximos años y se expandirá a áreas tradicionalmente más conservadoras:
- Fijación del precio de los préstamos
- Aprobación de préstamos
- Recobro
- Reporting regulatorio
Todo esto no se consigue de forma gratuita; ¿cuáles son los principales retos que afrontan las entidades?:
- Disponibilidad y calidad de los datos (un reto habitual de la modelización)
- Falta de comprensión y de las habilidades necesarias
- El tiempo requerido para conseguir materializar los beneficios
- Coste de implementación
- Interpretabilidad de los modelos
Si nos centramos en el último punto (interpretabilidad), en cada entidad existe un equipo que reclama prudencia en el uso de la IA: el equipo de gobierno del riesgo de modelo. Su tarea es proteger a la entidad del uso inadecuado de los modelos. Si algo va mal y se sufren pérdidas o multas regulatorias serán los primeros en ser culpados.
La mayoría de los expertos de riesgos creen que los modelos basados en la IA van a hacer su trabajo más difícil. Los actuales procesos analíticos adolecen de ineficiencias y procesos manuales (asociados a la recodificación de modelos); puntos en los que la IA añadirá complejidad. Está es también la percepción que algunos reguladores ya han compartido.
Los riesgos derivados del cambio climático son otro foco de trabajo urgente. Tanto los reguladores como los principales grupos empresariales están activamente discutiendo las expectativas regulatorias y la forma de establecer marcos de gestión consistentes. Podemos identificar tres fuentes principales de riesgos:
- Riesgos físicos. Por incremento de la frecuencia y severidad de eventos climáticos.
- Riesgos de transición. Derivados del cambio industrial abandonando los combustibles fósiles.
- Riesgo reputacional. El cambio de la percepción de los consumidores puede penalizar a las compañías que no apuesten por políticas más verdes.
¿Cuál será el impacto en los procesos analíticos? Algunos reguladores como la EBA ya están alentando a los bancos a considerar los factores del cambio climático en los procesos de admisión de las operaciones. Cabe esperar un enfoque global más generalizado, probablemente a medio y largo plazo.
- Información histórica muy limitada
- Horizontes de predicción muy largos
- Dificultad para identificar la causalidad