 |
|
Tengo Otros Datos
Eduardo Esquivel Ancona
Riesgos de la
inteligencia artificial: el nuevo flanco
débil del sistema financiero mexicano
La tecnología promete abaratar costos,
ampliar el acceso al crédito y mejorar la
detección de fraudes, pero su adopción
acelerada también puede multiplicar riesgos
de liquidez, ciberseguridad, concentración
tecnológica y decisiones automatizadas
difíciles de auditar. La inteligencia
artificial (IA) dejó de ser una tecnología
experimental para convertirse en uno de los
principales motores de la transformación
digital del sistema financiero. Bancos,
aseguradoras, fintech y otras instituciones
utilizan herramientas automatizadas para
analizar grandes volúmenes de información,
detectar operaciones inusuales, personalizar
productos, evaluar riesgos y mejorar la
atención de los clientes. El problema comienza
cuando la velocidad de adopción supera la
capacidad de las instituciones y de los
reguladores para identificar, contener y
corregir sus efectos adversos. El
Banco de México ya colocó
este asunto dentro de la discusión sobre
estabilidad financiera. En su
Reporte de Estabilidad Financiera de junio
de 2026, el banco central
advierte que la IA puede amplificar riesgos
tradicionales y generar nuevas
vulnerabilidades para el sistema. Entre
ellas identifica los riesgos cibernéticos,
la concentración tecnológica, la dependencia
de proveedores y la posibilidad de que el
contenido sintético y los deepfakes
deterioren la confianza de los usuarios en
las instituciones financieras. El riesgo no está
solamente en el algoritmo Uno de los mayores
desafíos económicos consiste en que las
instituciones financieras podrían terminar
dependiendo de tecnologías, modelos y
proveedores similares. Si diferentes bancos
utilizan sistemas de IA entrenados con
metodologías semejantes para evaluar
mercados, riesgos o portafolios, una
perturbación financiera podría generar
respuestas igualmente similares. El problema
es que una decisión racional para una
institución puede convertirse en un problema
sistémico cuando miles de participantes
ejecutan simultáneamente la misma
estrategia. En un escenario de
volatilidad, por ejemplo, varios
intermediarios podrían recibir señales
semejantes para reducir posiciones o vender
determinados activos. Si las decisiones
ocurren al mismo tiempo, la presión
vendedora puede profundizar las caídas de
precios, deteriorar la liquidez y aumentar
las necesidades de financiamiento. La IA, en otras
palabras, puede hacer más eficiente al
sistema en tiempos normales, pero también
podría
sincronizar las decisiones de sus participantes
durante una crisis. Ahí aparece uno de
los principales retos para los reguladores:
supervisar no solamente a cada institución
de manera individual, sino también las
interconexiones tecnológicas que pueden
convertir una falla aparentemente aislada en
un problema de alcance sistémico.
Concentración tecnológica: un riesgo que
puede pasar inadvertido Existe además una
vulnerabilidad menos visible: la
concentración de la infraestructura
necesaria para desarrollar y operar sistemas
de inteligencia artificial. Banco de México
señala que las capacidades de IA están
concentradas en un número reducido de
proveedores tecnológicos globales. Esto
genera dependencia del sistema financiero
respecto de infraestructuras que, en muchos
casos, se encuentran fuera del control
directo de los intermediarios mexicanos. Una interrupción de
servicios, una falla informática, un ataque
contra un proveedor o una modificación de
sus condiciones comerciales podría afectar
simultáneamente a varias instituciones. El problema
económico no sería únicamente tecnológico.
Una interrupción generalizada podría
traducirse en operaciones detenidas,
retrasos en pagos, problemas de liquidez,
pérdidas para empresas y consumidores y, en
un escenario extremo, presión sobre la
confianza en el sistema financiero. Por ello, la
dependencia tecnológica debe comenzar a
considerarse como una variable de
estabilidad financiera.
El delincuente también utiliza IA
La otra cara de la
transformación digital es el uso de estas
herramientas por parte de organizaciones
criminales. La IA generativa
permite producir mensajes fraudulentos
personalizados, contenidos audiovisuales
falsos y mecanismos de suplantación cada vez
más convincentes.
La
CONDUSEF ha advertido sobre
la posibilidad de que estas tecnologías sean
utilizadas para perfeccionar la suplantación
de instituciones financieras. Entre las
modalidades identificadas se encuentran los
audios y videos falsos, la clonación de voz
y la generación automatizada de mensajes
capaces de imitar el lenguaje y la imagen de
instituciones legítimas. Esto modifica la
naturaleza del fraude financiero. Durante años, una
señal para detectar un correo apócrifo era
su mala ortografía, un diseño deficiente o
un mensaje genérico. La IA reduce esas
señales de alerta y permite construir
engaños personalizados para una víctima
específica. Un delincuente puede
generar una comunicación que reproduzca el
tono de una institución financiera, utilizar
información disponible públicamente sobre
una persona y crear una interacción diseñada
para inducirla a entregar contraseñas,
códigos de seguridad o información
patrimonial. El fraude deja de
ser masivo y genérico para convertirse en
personalizado,
automatizado y escalable. Deepfakes: cuando
la voz y la imagen dejan de ser una prueba
de identidad La clonación de voz
representa uno de los riesgos más delicados. Una llamada que
aparentemente proviene de un familiar, un
ejecutivo bancario o un responsable de una
empresa puede ser manipulada mediante IA
para generar confianza y solicitar una
transferencia o autorización. Lo mismo ocurre con
los videos falsificados. Banco de México
documentó que los fraudes mediante deepfakes
han adquirido relevancia internacional y
recordó que estas herramientas pueden
afectar directamente la confianza de los
usuarios en las instituciones y en las
infraestructuras financieras. La consecuencia
económica es importante: cuanto más difícil
resulte distinguir entre una comunicación
legítima y una falsificada, mayor será el
costo que deberán asumir las instituciones
para autenticar operaciones. Esto puede
traducirse en mayores inversiones en
biometría, autenticación multifactor,
monitoreo transaccional y sistemas de
detección de anomalías.
La IA también puede equivocarse al otorgar
crédito
No todos los riesgos
provienen de los delincuentes. Una institución
puede utilizar IA para determinar quién
recibe un crédito, cuánto puede pagar o cuál
es el nivel de riesgo de un cliente. Sin
embargo, un modelo entrenado con información
incompleta, sesgada o de mala calidad puede
producir decisiones equivocadas. El problema se
vuelve mayor cuando la institución desconoce
con precisión por qué el algoritmo tomó una
determinada decisión. Es el llamado
problema de la
“caja negra”: el sistema genera
un resultado, pero explicar cada una de las
variables que condujeron a él puede ser
complejo.
En el sistema
financiero esto tiene consecuencias
económicas y regulatorias. Una decisión errónea
puede significar un crédito concedido a un
cliente que no podrá pagarlo, pero también
puede provocar que un consumidor solvente
sea excluido injustificadamente del sistema
financiero. La automatización
tampoco elimina la responsabilidad
institucional. Si un algoritmo falla, la
responsabilidad económica, operativa y
regulatoria seguirá recayendo en la
institución que decidió utilizarlo.
Ciberataques más rápidos y sofisticados Banco de México
también identifica el riesgo de que la IA
permita localizar y explotar
vulnerabilidades informáticas de manera
autónoma y a gran escala, reduciendo el
tiempo disponible para que las instituciones
respondan. Esto modifica la
ecuación tradicional de la ciberseguridad. Los bancos ya no
solamente tienen que protegerse contra
ataques convencionales. Deben asumir que sus
adversarios también pueden utilizar
herramientas automatizadas para investigar
sistemas, generar código malicioso, adaptar
ataques y producir campañas de ingeniería
social. La amenaza no se
limita al robo directo de dinero. Una
intrusión puede afectar bases de datos,
información personal, sistemas de pagos o la
disponibilidad de servicios financieros. Y cuando varias
instituciones dependen de infraestructuras
tecnológicas similares, un ataque contra un
proveedor puede tener efectos simultáneos
sobre distintos participantes del mercado.
México ya enfrenta el problema de la
suplantación La magnitud del
fenómeno puede observarse incluso antes de
considerar los escenarios más sofisticados. CONDUSEF informó que
durante junio de 2026 recibió reportes de
11 instituciones financieras cuya identidad
fue presuntamente suplantada
mediante el uso indebido de sus nombres,
logotipos y otros elementos de
identificación. En abril había registrado
otros 10 casos. Aunque CONDUSEF
aclara que no existen registros
generalizados que permitan afirmar que todos
estos casos sean consecuencia de IA, la
propia autoridad reconoce que las
tecnologías avanzadas pueden hacer más
creíbles y difíciles de detectar los
mecanismos de suplantación. Esto obliga a
modificar la estrategia de prevención. Ya no basta con que
un banco proteja sus servidores. También
debe proteger su identidad digital, sus
canales de comunicación y a sus clientes
frente a contenidos falsificados que
aparenten provenir de la propia institución.
El costo económico puede crecer La discusión sobre
IA en las finanzas suele concentrarse en
productividad y reducción de costos. Sin
embargo, también es necesario contabilizar
el costo de los riesgos. Una institución que
adopta IA debe invertir simultáneamente en
infraestructura, protección de datos,
auditoría de modelos, capacitación,
controles de acceso, monitoreo y mecanismos
de respuesta ante incidentes. Si esos gastos no se
consideran desde el inicio, el supuesto
ahorro derivado de la automatización puede
convertirse posteriormente en pérdidas por
fraude, litigios, interrupciones operativas
o daños reputacionales. Existe además un
costo macroeconómico. Si una falla
tecnológica afecta simultáneamente a varias
instituciones, la interrupción de servicios
puede impactar pagos, crédito, inversión y
confianza. La estabilidad financiera depende
no solamente de que cada banco sea solvente,
sino de que las conexiones entre ellos y con
sus proveedores sean suficientemente
resistentes.
¿Y la llamada “Ley Antimemes”? En este contexto
también ha surgido en México el debate sobre
reformas relacionadas con el uso indebido de
identidad gráfica institucional,
falsificación y mecanismos utilizados para
inducir al engaño. El término
“Ley Antimemes” no corresponde al nombre
oficial de una ley, sino a
una denominación utilizada en el debate
público y político alrededor de estas
reformas. El debate es más
amplio que la inteligencia artificial. Las
modificaciones discutidas buscan abordar
conductas relacionadas con propiedad
industrial, falsificación y uso indebido de
elementos institucionales; al mismo tiempo,
algunos legisladores han cuestionado la
amplitud de determinadas disposiciones y sus
posibles efectos sobre expresiones satíricas
o críticas. Por ello, no resulta
preciso presentar esta reforma como una
legislación específicamente creada para
regular la IA financiera. Son problemas
jurídicos distintos, aunque convergen en un
mismo desafío:
cómo evitar que las nuevas herramientas
tecnológicas sean utilizadas para cometer
fraudes sin generar reglas excesivamente
ambiguas.
La regulación tendrá que ir más rápido que
la tecnología
El principal desafío
para México no consiste en frenar la
inteligencia artificial, sino en evitar que
su adopción ocurra sin controles
proporcionales al riesgo. Las instituciones
financieras deberían establecer, entre otras
medidas:
§
auditorías
periódicas de los modelos de IA;
§
pruebas de
estrés tecnológico y financiero;
§
mecanismos para
explicar decisiones automatizadas;
§
controles
humanos sobre operaciones de alto impacto;
§
autenticación
multifactor y biométrica;
§
monitoreo
permanente de operaciones anómalas;
§
protocolos
específicos contra deepfakes y clonación de
voz;
§
planes de
continuidad ante fallas de proveedores
tecnológicos;
§
diversificación
de infraestructura para reducir la
dependencia de un solo proveedor;
§
controles
estrictos sobre los datos utilizados para
entrenar modelos;
§
mecanismos
claros de responsabilidad cuando un
algoritmo falla.
La supervisión
también deberá evolucionar. El regulador
tendrá que conocer no solamente qué producto
financiero ofrece una institución, sino
qué modelo utiliza,
qué datos alimentan ese modelo, quién lo
provee, cómo se actualiza y qué ocurre
cuando toma una decisión equivocada.
La eficiencia no puede estar por encima de
la estabilidad La inteligencia
artificial ofrece beneficios indiscutibles
para el sistema financiero. Puede reducir
costos, mejorar la administración de
riesgos, ampliar la capacidad de análisis y
facilitar servicios personalizados. Pero existe una
diferencia fundamental entre utilizar IA
para hacer más eficiente una operación y
permitir que un algoritmo controle procesos
cuya falla pueda comprometer la estabilidad
de una institución o del sistema completo. México enfrenta
ahora el reto de encontrar ese equilibrio. El verdadero peligro
no es que los bancos utilicen inteligencia
artificial. El riesgo aparece cuando
la velocidad de adopción supera la capacidad de
supervisión, seguridad y gestión de riesgos. La banca del futuro
será inevitablemente más automatizada. La
pregunta económica no es si México utilizará
IA, sino si podrá hacerlo sin convertir la
eficiencia tecnológica en una nueva fuente
de vulnerabilidad financiera.
La lección para el
sector es clara:
digitalizar más rápido no significa
necesariamente estar más protegido.
En las finanzas, una falla algorítmica, una
vulnerabilidad cibernética o una decisión
automatizada replicada simultáneamente por
varias instituciones puede transformar un
problema tecnológico en un problema
económico.
La inteligencia
artificial puede ser una herramienta para
fortalecer el sistema financiero mexicano,
pero solamente si su desarrollo avanza
acompañado de controles, transparencia,
supervisión y responsabilidad institucional. La columna Tengo Otros Datos se publica en los portales Domo de Cristal y Ekonosphera. Se reproduce con la autorización del autor). |
