IA y estabilidad financiera: velocidad, correlación y riesgo sistémico

La IA ya no es solamente una cuestión de productividad para el sector financiero. El FMI advirtió en julio de 2026 que su incorporación en negociación, crédito, supervisión y ciberseguridad puede modificar cómo se transmiten los shocks.

El principal riesgo no es solo que un modelo individual se equivoque, sino que múltiples instituciones reaccionen de forma similar, a gran velocidad y sobre infraestructuras comunes, amplificando herding, correlaciones, flash crashes, fallos operativos y ciberincidentes.

En condiciones normales, machine learning y modelos generativos pueden mejorar liquidez, detección de fraude, precio del riesgo y velocidad de procesamiento. Bajo estrés, señales semejantes, modelos relacionados o proveedores comunes pueden correlacionar decisiones y reducir el tiempo disponible para contener dinámicas adversas.

Hecho confirmado: el FMI identifica correlación de estrategias y rapidez de rebalanceo como áreas que requieren mayor vigilancia. Inferencia: la estabilidad dependerá también de diversidad de modelos, datos, proveedores y reglas de control.

La opacidad dificulta explicar por qué una estrategia actuó de determinada forma y distinguir reacción racional, error, manipulación, información defectuosa o contagio de modelo. La gobernanza debe incluir inventarios de modelos, documentación de dependencias, trazabilidad, pruebas de estrés y capacidad de intervención bajo condiciones predefinidas.

En crédito, la IA puede ampliar fuentes de información y mejorar detección de fraude, pero también incorporar sesgos históricos o proxies de variables sensibles. El riesgo prudencial y de protección al consumidor pueden converger.

La amenaza sistémica aumenta cuando varias instituciones dependen del mismo software, nube, proveedor de identidad, red de pagos o servicio de datos. Un ataque a infraestructura compartida puede propagarse mucho más allá de una entidad.

El FMI propone fortalecer supervisión y gobernanza, mejorar datos sobre adopción y dependencias, incorporar escenarios de IA en pruebas de estrés y profundizar coordinación internacional. Capital, liquidez y gestión de riesgo siguen siendo esenciales; la IA añade velocidad, interconexión y opacidad.

Para gestores, conocer el modelo propio es insuficiente si el riesgo depende de cómo reaccionarán otros modelos ante la misma señal. Deben analizarse riesgos de segundo orden y concentración tecnológica.

Hechos confirmados: la adopción de IA en finanzas aumenta y el FMI la considera una cuestión de estabilidad y ciberresiliencia. Inferencia: concentración tecnológica puede convertirse en concentración de riesgo aun cuando las instituciones sean jurídicamente separadas. Hipótesis: futuros episodios podrían estar dominados por reacciones paralelas de muchos sistemas ante señales comunes; es un riesgo a vigilar, no una predicción cierta.

La política prudencial deberá complementar la supervisión centrada en entidades con una visión de redes: modelos comunes, proveedores compartidos, dependencias tecnológicas y comportamiento colectivo.