Los bancos centrales advierten sobre los riesgos de adoptar herramientas de IA

En un reciente informe del Banco de Pagos Internacionales (BPI), los bancos centrales de todo el mundo han sido advertidos sobre los riesgos inherentes asociados con su creciente dependencia de las herramientas de inteligencia artificial (IA). Este informe de nueve páginas titulado “Inteligencia Artificial en la Banca Central” arroja luz sobre los casos de uso y las posibles trampas de integrar modelos de lenguaje grandes (LLM) en sus operaciones.

Los bancos centrales, a menudo considerados pioneros en la adopción de tecnología de IA, han recurrido cada vez más a modelos de IA para una variedad de propósitos. Estos modelos de IA han sido instrumentales en la transformación de la recopilación y procesamiento de información, haciendo que muchos esfuerzos humanos tradicionales sean casi obsoletos. Los modelos de IA ahora se implementan para el muestreo de datos, limpieza y coincidencia, ayudando a los bancos centrales a optimizar sus operaciones con técnicas de aprendizaje automático probadas.

Una aplicación significativa de la IA en la banca central es tomar decisiones informadas sobre la política monetaria. Al utilizar redes neuronales y modelos de bosque aleatorio, los bancos centrales obtienen acceso a datos en tiempo real para evaluar las expectativas de inflación y evaluar la efectividad de sus políticas monetarias. Estos datos se obtienen no solo de los canales financieros tradicionales, sino también de la vasta gama de información disponible en las plataformas de redes sociales.

Extrayendo información de grandes volúmenes de datos

Como destaca el informe, revisar un volumen enorme de datos puede ser lento y desafiante, lo que hace que los modelos de IA sean invaluables para extraer información relevante de manera eficiente. Los bancos centrales emplean modelos de lenguaje para resumir informes financieros complejos, rastrear tendencias económicas e interpretar entrevistas con líderes empresariales y expertos del mercado. Además, estos modelos de lenguaje de bancos centrales (CB-LM) han demostrado la capacidad de predecir las reacciones del mercado a los anuncios de política monetaria.

Los sistemas de IA también han demostrado su competencia en la supervisión y regulación de los sistemas de pago. Excelen en identificar transacciones financieras irregulares, un factor crítico para combatir el lavado de dinero y prevenir ciberataques. El Banco Central de Brasil, por ejemplo, ha introducido recientemente ADAM, un modelo de clasificación diseñado para predecir prestatarios que probablemente incumplan sus préstamos, mejorando su capacidad para mitigar riesgos financieros.

Más allá de las aplicaciones tradicionales, los bancos centrales también están recurriendo a sistemas de IA para predecir el comportamiento del consumidor en respuesta a la introducción de monedas digitales de bancos centrales (CBDC) y otros desarrollos financieros. Estos modelos predictivos proporcionan información valiosa para que los responsables políticos anticipen las reacciones del mercado y se adapten en consecuencia.

Desafíos y riesgos de la integración de IA

Si bien los beneficios de la integración de IA son evidentes, el informe subraya los desafíos y riesgos que enfrentan los bancos centrales. Una de las principales preocupaciones es el potencial de salidas sesgadas derivadas de los datos utilizados para entrenar los modelos de IA. Además, los modelos de IA generativa, aunque poderosos, requieren una supervisión humana vigilante para reducir la probabilidad de errores e inexactitudes.

A corto plazo, los bancos centrales necesitarán invertir en equipar a su personal con nuevas habilidades de IA para integrar sistemas de IA de manera efectiva en sus flujos de trabajo. Sin embargo, es probable que enfrenten una fuerte competencia de las firmas financieras privadas en la contratación de empleados con experiencia avanzada en IA. La disparidad salarial entre las instituciones públicas y el sector privado intensifica aún más esta competencia.