La integración de inteligencia artificial (IA) y aprendizaje automático (ML) en las instituciones financieras continúa enfrentando barreras estructurales y regulatorias, a pesar del creciente interés por sus aplicaciones en el ámbito del cumplimiento normativo y la lucha contra el blanqueo de capitales.
Así lo refleja el estudio global elaborado por SAS, KPMG y la Asociación de Especialistas Certificados en Anti-Blanqueo de Capitales (ACAMS), que evidencia un ritmo de adopción limitado, especialmente en países como España.
En concreto, solo el 18% de las empresas encuestadas a nivel mundial cuentan con soluciones de IA/ML en producción. Además, un 40% reconoce no tener planes inmediatos para incorporar estas tecnologías en sus operaciones. Esta reticencia encuentra su principal justificación en la falta de un imperativo regulatorio, según el 37% de los profesionales consultados fuera del ámbito europeo.
El informe también indica que las restricciones presupuestarias siguen siendo un factor relevante (34%), aunque no predominante. La ausencia de normativas claras parece pesar más en la toma de decisiones, al generar incertidumbre sobre los requisitos legales futuros y los posibles riesgos de cumplimiento.
Reducción del respaldo regulador a la innovación en IA
El respaldo de los reguladores a la innovación en IA y ML ha disminuido en los últimos años. En 2021, el 66% de los encuestados percibía un entorno normativo propicio para el desarrollo de estas tecnologías. En la actualidad, esa cifra ha descendido al 51%. Este retroceso revela una actitud más cautelosa por parte de las autoridades, que se enfrentan al reto de equilibrar el fomento de la innovación con la necesidad de controlar los riesgos asociados.
La situación contrasta con el dinamismo observado en el desarrollo de la inteligencia artificial generativa (GenAI), que, aunque aún no cuenta con una implantación mayoritaria, está siendo explorada por el 45% de las entidades encuestadas. Su capacidad para automatizar tareas complejas, como la generación de informes de actividad sospechosa, la convierte en una herramienta con potencial relevante en el futuro del cumplimiento normativo.
IA como herramienta contra el blanqueo de capitales
En el contexto español, las entidades financieras están centradas en aumentar la eficiencia y precisión de sus procesos de detección de actividades sospechosas. La utilización de tecnologías basadas en IA se orienta a reducir falsos positivos, agilizar las investigaciones y fortalecer la capacidad de respuesta ante revisiones regulatorias.
Aun así, la implementación efectiva de estas soluciones requiere superar desafíos técnicos y normativos. Entre ellos, destaca la dificultad para explicar los modelos de IA a los supervisores, así como las limitaciones impuestas por regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea, que pueden afectar el funcionamiento de sistemas de aprendizaje automático.
Según datos del estudio, un 86% de las organizaciones participantes ha iniciado procesos de integración entre funciones de lucha contra el blanqueo, prevención del fraude y seguridad de la información. Sin embargo, el grado de madurez en esta integración sigue siendo desigual.
Obstáculos estructurales y necesidad de infraestructura
Timo Purkott, responsable global de Transformación en Fraude y Delitos Financieros en KPMG, advierte que las tecnologías de IA y ML, aunque no constituyen una solución única, son especialmente adecuadas para tareas que requieren tratamiento masivo de datos, como la automatización de alertas o las evaluaciones de riesgo. En este sentido, destaca la importancia de contar con infraestructuras sólidas de gestión de datos que permitan aprovechar al máximo sus capacidades.
Esta visión es compartida por Manuel Rodríguez, Senior Manager en SAS, quien subraya la necesidad de escalabilidad, adaptación normativa y reducción de costes como ejes fundamentales para lograr una implantación exitosa. Según explica, muchas instituciones enfrentan dificultades para anticiparse a las nuevas amenazas y adaptar sus procesos a los cambios normativos sin perder competitividad.
Casos concretos y referencias del sector
Uno de los ejemplos citados en el informe es el del neobanco francés Treezor, que ha desarrollado una plataforma de monitorización basada en IA para combatir el blanqueo de capitales. La solución permite priorizar alertas y optimizar los recursos destinados al cumplimiento normativo, dentro del marco legal europeo. Este tipo de implementaciones prácticas demuestran que la viabilidad técnica existe, pero su generalización depende de factores externos, especialmente regulatorios.
Perspectivas de desarrollo y retos pendientes
El estudio concluye que, para desbloquear el potencial de la inteligencia artificial en el cumplimiento normativo, es imprescindible avanzar hacia una mayor integración operativa y de datos, así como una mayor claridad regulatoria. La implicación de los reguladores, mediante la elaboración de marcos normativos estables y actualizados, se perfila como un factor decisivo para facilitar inversiones en estas tecnologías.
En paralelo, se requiere un esfuerzo continuado de adaptación por parte de las instituciones financieras, que deben encontrar un equilibrio entre el cumplimiento de las exigencias legales y la implementación de herramientas tecnológicas capaces de mejorar su capacidad de detección, análisis y respuesta ante amenazas financieras.
