E.SUN Bank e IBM crean un sistema de gobernanza de IA para implantar la inteligencia artificial de forma segura en la banca

E.SUN Bank trabaja junto a IBM en un marco de gobernanza de IA que debe establecer cómo se puede usar exactamente la inteligencia artificial dentro del banco. Para el sector financiero ya no se trata de un experimento. Es un intento de convertir el rápido crecimiento de las herramientas de IA en un sistema gestionable y auditable.

Por qué hace falta control

Los bancos ya no usan la IA solo en pilotos. La aplican en procesos diarios: para revisar transacciones sospechosas, evaluar solicitudes de crédito y gestionar consultas de clientes. Cuantos más casos de uso hay, más caro sale un error. Si un modelo rechaza una solicitud sin una explicación clara, deja pasar un fraude o da una indicación incorrecta a un empleado, el problema deja rápidamente de ser técnico y pasa a ser regulatorio y reputacional. Por eso la pregunta está cambiando de «dónde implantar la IA» a «cómo mantenerla bajo control».

La alianza entre E.SUN Bank e IBM refleja precisamente ese cambio. A las entidades financieras no les basta con un modelo con buenas métricas: también necesitan un conjunto de reglas que cubra todo su ciclo de vida, desde la selección de datos y las pruebas hasta la monitorización tras el despliegue. En banca no es suficiente demostrar que un sistema funciona de media. Hay que saber en qué casos puede equivocarse, quién tiene derecho a modificar sus parámetros, cómo se registran las decisiones y cuándo debe intervenir obligatoriamente una persona.

Qué incluirá el marco

Aunque la breve descripción del proyecto no revela detalles, la gobernanza de IA suele reducirse a varias capas obligatorias de control. El banco no solo debe autorizar el uso de la IA: también tiene que fijar de antemano los límites de su aplicación. Esto es especialmente importante cuando las decisiones afectan al dinero, a los datos personales y al acceso del cliente a los servicios. En la práctica, un marco así suele incluir políticas, procesos de aprobación, control de calidad y un reparto de responsabilidades entre negocio, TI y cumplimiento normativo.

• criterios sobre en qué productos se admite la IA y dónde solo debe intervenir una persona
• requisitos de calidad de datos, pruebas de modelos y detección de sesgos
• auditoría de decisiones, registro de cambios y una cadena de responsabilidad clara
• procedimientos de monitorización tras el despliegue, incluidos los disparadores para revisar o desactivar un modelo

Para IBM, estos proyectos encajan con naturalidad en su agenda corporativa en torno a la IA confiable (trustworthy AI) y la gestión de riesgos. Para E.SUN Bank, es una forma de no frenar la adopción de nuevas herramientas y, al contrario, hacerla predecible. Con las reglas definidas de antemano, al banco le resulta más fácil escalar la IA entre departamentos: antifraude, scoring, atención al cliente y operaciones internas. Sin un marco común, cada equipo empieza a inventarse su propio procedimiento y, con ello, aumentan las incoherencias, la duplicación de controles y los riesgos legales.

Por qué los bancos tienen prisa

El sector financiero tiene aquí una motivación particular. Los bancos operan bajo una supervisión estricta, custodian datos sensibles y toman decisiones que afectan directamente a sus clientes. Por eso, ni siquiera una IA útil puede integrarse sin más en un proceso con la esperanza de que funcione como un software convencional. El modelo cambia con los datos, puede degradarse con el tiempo y a veces se comporta de forma impredecible en casos poco frecuentes. Cuanto más prueba el mercado la IA generativa y la automatización de la atención al cliente, más crece la demanda de reglas de control unificadas.

De ahí se desprende una conclusión más amplia para el sector: la próxima ola de competencia se librará tanto en la calidad de los propios modelos como en la madurez de su gestión. Ganarán los bancos capaces de acelerar sus procesos y, al mismo tiempo, demostrar a reguladores, auditores y clientes que usan la IA de forma transparente. En este sentido, la gobernanza se convierte en una parte de la infraestructura tan importante como la ciberseguridad, la gestión de accesos o la redundancia de los sistemas críticos. Sin ella, la IA se queda en un conjunto de experimentos dispersos.

Qué significa

El proyecto de E.SUN Bank e IBM muestra que, para los bancos, la cuestión principal ya no es «¿necesitamos IA?», sino «¿con qué reglas funciona?». Si este tipo de marcos se convierte en estándar, el mercado pasará más rápido de los pilotos puntuales a una implantación masiva, pero más controlada, de la IA en los servicios financieros.