El 37% de los expertos señala la falta de regulación como freno a la adopción de IA en el sector financiero

La implementación de inteligencia artificial (IA) y aprendizaje automático (ML) en el sector financiero sigue siendo incipiente, pese a su potencial para mejorar la detección de fraudes y agilizar procesos regulatorios. Así lo recoge un nuevo estudio elaborado por SAS, KPMG y la Asociación de Especialistas Certificados en Anti-Blanqueo de Capitales (ACAMS), que revela que el 37% de los profesionales cita la falta de un imperativo regulatorio como el principal obstáculo para adoptar estas tecnologías.

Baja implementación a pesar del interés

El informe muestra que solo el 18% de las entidades encuestadas tiene soluciones de IA/ML en producción, mientras que el 40% afirma no tener planes inmediatos para adoptarlas. Las limitaciones presupuestarias (34%) también figuran entre los principales frenos. No obstante, la mayoría de las organizaciones parece estar esperando señales más claras de los reguladores antes de invertir en tecnología.

A nivel normativo, el fomento de la innovación en IA y ML entre los reguladores ha descendido del 66% en 2021 al 51% actual, lo que refleja una mayor cautela a la hora de equilibrar riesgos y beneficios.

España: foco en AML y eficiencia operativa

En España, como en otros países europeos, el uso de IA se asocia principalmente a los procesos de lucha contra el blanqueo de capitales (AML), destacando beneficios como la reducción de falsos positivos, mayor capacidad para identificar actividades sospechosas y la mejora en la eficiencia de las investigaciones. Sin embargo, también se advierte un reto importante: explicar de forma comprensible a los reguladores cómo funcionan los algoritmos aplicados, especialmente en un contexto normativo influenciado por el Reglamento General de Protección de Datos (GDPR).

GenAI despierta más interés que la IA tradicional

En contraste con la IA convencional, la IA generativa (GenAI) genera mayor expectativa: un 45% de las empresas están experimentando con ella, lo que indica una creciente apertura hacia tecnologías más recientes, a pesar de que el 55% aún no contempla su adopción.

El estudio también revela que el 86% de las organizaciones está trabajando en la integración entre procesos de AML, lucha contra el fraude y ciberseguridad, lo que sugiere una tendencia hacia modelos más holísticos de gestión de riesgos. Casos como el del neobanco francés Treezor, que ha implantado una plataforma basada en IA para monitorizar el blanqueo, evidencian resultados tangibles en términos de eficiencia y cumplimiento normativo.

Infraestructura de datos: clave del éxito

Según Timo Purkott, líder global de Transformación de Fraude y Delitos Financieros en KPMG, “la IA y el ML no son soluciones mágicas, pero sí herramientas estratégicas en ámbitos con grandes volúmenes de datos, como el análisis de alertas o la evaluación de riesgos”. En esta línea, Manuel Rodríguez, Senior Manager en SAS, subraya la importancia de proporcionar autonomía a las áreas de cumplimiento y de escalar con eficiencia ante cambios normativos y amenazas emergentes.

El potencial de la inteligencia artificial para transformar la gestión del riesgo financiero es evidente, pero su despliegue a gran escala sigue condicionado por la regulación, la integración tecnológica y la confianza del sector. Los próximos años serán clave para desbloquear este valor, en la medida en que se alineen los marcos regulatorios con la innovación tecnológica.