El Consejo de Estabilidad Financiera ha elevado el tono sobre la inteligencia artificial. En una comunicación dirigida al G20, su presidente Andrew Bailey advirtió de que los modelos frontier pueden crear riesgos nuevos para el sistema financiero si se integran sin controles suficientes en banca, mercados, seguros y gestión de activos. El mensaje no plantea frenar la adopción, pero sí coloca la IA avanzada dentro de la agenda de estabilidad, junto a ciberseguridad, criptoactivos y resiliencia operativa.
La preocupación central no es que un banco use IA, sino que muchas entidades dependan de los mismos modelos, proveedores e infraestructuras para tomar decisiones parecidas al mismo tiempo. Ese patrón puede amplificar errores. Si un modelo falla en una condición extrema de mercado o interpreta mal una señal de riesgo, el problema puede propagarse rápido cuando varias firmas lo usan para crédito, liquidez o trading.
La advertencia llega en un momento en que la IA ya está entrando en áreas sensibles. Las entidades la utilizan para detectar fraude, automatizar atención al cliente, analizar documentos, valorar riesgos y resumir información de mercado. En algunos casos, también se prueba como asistente para analistas y gestores. Cada uso tiene beneficios claros, pero también introduce preguntas sobre trazabilidad, gobernanza de datos y responsabilidad cuando una recomendación termina afectando dinero de clientes.
El FSB mira especialmente la concentración. Los bancos pueden construir aplicaciones propias, pero muchos dependen de un grupo reducido de nubes, chips, modelos fundacionales y empresas de software. Esa dependencia no es nueva en tecnología financiera, aunque la IA la intensifica porque el modelo puede convertirse en una capa común para muchas decisiones. Para supervisores europeos, este punto conecta con normas de resiliencia digital y con el debate sobre proveedores críticos.
El riesgo de modelo ya no es solo matemático; también es operativo, jurídico y de dependencia estratégica. Un fallo puede venir de datos sesgados, instrucciones mal diseñadas, cambios de versión no entendidos o un proveedor que modifica condiciones de acceso. En banca, esos detalles son relevantes porque el cumplimiento exige explicar decisiones y conservar evidencia.
Para las empresas que venden IA al sector financiero, la señal es clara. No basta con demostrar precisión en una prueba controlada. Habrá que documentar fuentes de datos, límites del sistema, controles humanos, auditorías y protocolos de apagado. Las soluciones que faciliten supervisión y registro de decisiones pueden ganar terreno frente a productos más opacos, aunque prometan mayor automatización.
El aviso también debería interesar a startups fintech y aseguradoras digitales. Muchas compiten con velocidad de producto, pero trabajan en sectores donde la confianza regulatoria determina el acceso a clientes y capital. Integrar IA sin gobierno interno puede acelerar tareas, aunque también puede crear un pasivo difícil de explicar ante un supervisor o un inversor institucional.
La IA financiera entra en una fase menos vistosa y más decisiva: demostrar que puede mejorar productividad sin debilitar estabilidad. El G20 no va a resolver ese equilibrio con una carta, pero el movimiento del FSB anticipa más guías, más preguntas de supervisión y más presión para que las entidades traten sus sistemas de IA como infraestructura crítica, no como simples herramientas de oficina.
