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

En un informe del Banco de Pagos Internacionales (BPI), se advierte a los bancos centrales de todo el mundo sobre los riesgos inherentes a su creciente dependencia de las herramientas de inteligencia artificial (IA). Este informe de nueve páginas, titulado «Inteligencia Artificial en la Banca Central», analiza los casos de uso y los posibles inconvenientes de integrar grandes modelos de lenguaje (MLL) en sus operaciones.

Los bancos centrales, a menudo considerados pioneros en la adopción de la tecnología de IA, han recurrido cada vez más a modelos de IA para diversos fines. Estos modelos han sido fundamentales para transformar la recopilación y el procesamiento de información, volviendo prácticamente obsoletos muchos esfuerzos humanos tradicionales. Los modelos de IA se utilizan ahora para el muestreo, la limpieza y la comparación de datos, lo que ayuda a los bancos centrales a optimizar sus operaciones con técnicas probadas de aprendizaje automático.

Una aplicación importante de la IA en la banca central es la toma de decisiones informadas sobre política monetaria. Mediante el uso de redes neuronales y modelos de bosques aleatorios, los bancos centrales acceden a datos en tiempo real para evaluar las expectativas de inflación y la eficacia de sus políticas monetarias. Estos datos provienen no solo de los canales financieros tradicionales, sino también de la amplia gama de información disponible en las redes sociales.

tracinformación de grandes cantidades de datos

Como destaca el informe, analizar un enorme volumen de datos puede ser una tarea laboriosa y compleja, lo que hace que los modelos de IA sean invaluables paratracinformación relevante de forma eficiente. Los bancos centrales emplean modelos lingüísticos para resumir informes financieros complejos, tractendencias económicas e interpretar entrevistas con líderes empresariales y expertos del mercado. Además, estos modelos lingüísticos de los bancos centrales (CB-LM) han demostrado su capacidad para predecir las reacciones del mercado a los anuncios de política monetaria.

Los sistemas de IA también han demostrado su eficacia en la supervisión de los sistemas de pago. Destacan en ladentde transacciones financieras irregulares, un factor crucial para combatir el blanqueo de capitales y prevenir ciberataques. El Banco Central de Brasil, por ejemplo, introdujo recientemente ADAM, un modelo de clasificación diseñado para predecir la probabilidad de impago de préstamos por parte de los prestatarios, lo que mejora su capacidad para mitigar los 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 las monedas digitales emitidas por bancos centrales (CBDC) y otros desarrollos financieros. Estos modelos predictivos proporcionan información valiosa a los responsables políticos para anticipar las reacciones del mercado y adaptarse en consecuencia.

Desafíos y riesgos de la integración de la IA

Si bien los beneficios de la integración de la IA sondent, el informe subraya los desafíos y riesgos que enfrentan los bancos centrales. Una de las principales preocupaciones es la posibilidad de que los datos utilizados para entrenar los modelos de IA generen resultados sesgados. Además, los modelos de IA generativos, aunque potentes, requieren una supervisión humana rigurosa para reducir la probabilidad de errores e imprecisiones.

A corto plazo, los bancos centrales deberán invertir en dotar a su personal de nuevas competencias en IA para integrar eficazmente los sistemas de IA en sus flujos de trabajo. Sin embargo, es probable que se enfrenten a una fuerte competencia por parte de las entidades financieras privadas en la contratación de empleados con conocimientos avanzados de IA. La disparidad salarial entre las instituciones públicas y el sector privado intensifica aún más esta competencia.