El BCE debatirá con los bancos los riesgos del modelo Mythos de Anthropic para el sistema financiero

El Banco Central Europeo saca la conversación sobre inteligencia artificial del terreno de los experimentos tecnológicos y la lleva a la supervisión bancaria directa. El regulador ha convocado una llamada con los responsables de riesgos de los bancos de la eurozona para tratar específicamente el nuevo modelo Mythos de Anthropic y entender si puede explotar vulnerabilidades en los sistemas financieros.

El formato de la reunión importa tanto como su tema. Cuando un banco central se dirige no a los equipos de TI ni a las áreas de innovación, sino a los directores de riesgos, significa que considera el asunto una posible amenaza para la estabilidad y no una herramienta más para ganar eficiencia. La atención se centra entonces no en la comodidad de la interfaz ni en el rendimiento del modelo, sino en los riesgos operativos, la protección de datos, el control de accesos, la resiliencia de los procesos internos y la posibilidad de que la IA acelere escenarios de ataque ya conocidos.

Por ahora no se informa de incidentes reales con Mythos, pero la propia formulación de la agenda muestra lo en serio que el regulador se toma el tema.

El motivo es comprensible. Hace tiempo que los bancos dejaron de ser estructuras cerradas con sistemas críticos aislados del exterior. Tienen complejas cadenas de contratistas, servicios en la nube, API, sistemas automatizados de monitorización, herramientas internas de análisis y canales digitales para clientes.

En ese contexto, cada salto en las capacidades de la IA plantea nuevas preguntas. Si un modelo analiza mejor el código, construye escenarios de varios pasos con más rapidez, trabaja con seguridad con grandes volúmenes de datos o automatiza la interacción con servicios externos, el riesgo de abuso crece junto con los beneficios. En teoría, estos sistemas pueden ayudar a los atacantes a encontrar configuraciones débiles más rápido, preparar campañas de phishing convincentes, escalar la ingeniería social o probar las barreras defensivas más deprisa que antes.

Para el regulador europeo es un tema especialmente delicado, porque la infraestructura financiera de la eurozona se asienta en la confianza en la fiabilidad de los bancos, los sistemas de pago y los procedimientos de control. Aunque el nuevo modelo no cree un tipo de amenaza radicalmente nuevo, puede abaratar, acelerar y ampliar las amenazas antiguas. Ese es uno de los efectos clave de los sistemas de IA actuales: no necesariamente inventan una nueva forma de ataque, pero pueden reducir drásticamente la barrera de entrada para operaciones complejas.

Por eso, la conversación sobre Mythos probablemente no se refiere solo al modelo de Anthropic, sino a una clase más amplia de sistemas que ganan autonomía, planifican mejor sus acciones y pueden funcionar como herramienta en manos de una persona o un equipo.

En la práctica, estas llamadas suelen servir para contrastar el mapa de riesgos y decidir qué deben revisar primero los bancos. Puede tratarse de cómo se controla el acceso a los sistemas internos, dónde siguen existiendo puntos débiles en la autenticación, con qué seguridad conectan los bancos modelos externos y con qué rapidez detectarían una actividad atípica si la IA se usara en un ataque. Para las propias entidades es además una señal para revisar sus escenarios de red teaming, sus procedimientos de vendor risk management y los requisitos a los proveedores de servicios de IA.

Si el regulador plantea la cuestión al nivel de los directores de riesgos, el tema pasará casi inevitablemente a inspecciones formales, escenarios de estrés y nuevas expectativas de reporte.

La conclusión principal es sencilla: los grandes reguladores financieros ya no ven los modelos avanzados de IA como una tecnología ofimática neutra. El caso de Anthropic Mythos muestra que la siguiente etapa de adopción de la IA en los bancos no girará solo en torno a la productividad y la automatización, sino también a una revisión estricta de los riesgos cibernéticos, los controles internos y la responsabilidad por el uso de modelos externos. Para el mercado es un giro importante: cuanto más potentes son los sistemas de IA, antes se los empieza a evaluar con los estándares de la infraestructura crítica y no con los del software de consumo.