Bancos: Considerando modelos de IA y Aprendizaje Automático en los Modelos de la Gestión de Riesgos

Los bancos y las instituciones financieras han estado utilizando modelos durante décadas, por ejemplo, para gestionar los riesgos o calcular los precios. Por lo tanto, siempre ha existido el riesgo de que una especificación incorrecta del modelo o el uso incorrecto de un modelo conduzcan a una decisión que vaya acompañada de consecuencias negativas, como pérdidas financieras. Este riesgo también se conoce como Riesgo Modelo.

Para medir y mitigar el Modelo de Riesgo, los bancos han establecido enfoques extensos y complejos de Modelo de Gestión de Riesgos (MRM). Sin embargo, con el creciente uso de la Inteligencia Artificial (IA) y el Aprendizaje Automático (ML), una adaptación integral de este enfoque de Riesgo Modelo se vuelve esencial.

A pesar de una amplia gama de beneficios indiscutibles, los enfoques de IA / ML vienen junto con sus propios riesgos inherentes específicos que aún no se abordan adecuadamente en los marcos de gestión de riesgos del modelo existentes. En el futuro, se espera que los modelos de IA / ML también se utilicen cada vez más en áreas que anteriormente no estaban respaldadas o mal soportadas por los modelos. Además, existen crecientes requisitos regulatorios como la "Ley de Inteligencia Artificial de la UE".

Con el fin de hacer frente a los nuevos retos que plantean los modelos de IA/ML y los requisitos reglamentarios correspondientes, es aconsejable mejorar o ampliar los enfoques de MRM existentes en áreas específicas. Estas mejoras pueden integrarse en marcos, procesos y herramientas de TI ya existentes, generando así sinergias.

En el white paper «Gestión moderna de riesgos para los modelos de IA», derivamos siete pilares clave para la mejora del marco modelo de gestión de riesgos basado en los requisitos específicos de los algoritmos de IA/ML.