Carlos Picazo, cofundador y profesor de MIOTI Tech & Business School
Con la creciente presencia de la inteligencia artificial en bancos y plataformas de inversión, la educación financiera exige hoy una comprensión tecnológica que antes no era necesaria, desde la evaluación de riesgos y la asignación de calificaciones crediticias, donde modelos de machine learning como Gradient Boosting analizan miles de variables de datos transaccionales, superando a los scorecards tradicionales, hasta la personalización de productos financieros mediante motores de recomendación que aplican filtrado colaborativo para sugerir fondos basados en perfiles de riesgo similares, lo que exige a la ciudadanía adaptarse con rapidez a estas nuevas herramientas. La Inteligencia Artificial puede optimizar tu gestión financiera, pero para aprovechar su potencial, y evitar efectos adversos, es fundamental contar con una base sólida de conocimientos tecnológicos.
Un estudio del Eurobarómetro reveló que solo el 18% de la población europea cuenta con un alto nivel de conocimientos financieros, el 64% tiene un nivel medio y el resto se sitúa en el nivel bajo. Además, si nos centramos en nuestro país, la formación en finanzas dentro del sistema educativo sigue siendo incipiente, ya que la mayoría del profesorado no ha recibido una formación suficiente para impartir este tipo de contenidos.
En este contexto, la tecnología se presenta como una herramienta poderosa para alcanzar a más personas, aunque nunca puede reemplazar el pensamiento crítico humano. Ahora, la inteligencia artificial forma parte de la operativa cotidiana de bancos, aseguradoras, plataformas de inversión y empresas Fintech, lo que demuestra que ha dejado de ser una mera experimentación y se ha consolidado como un recurso habitual en el sector financiero. De hecho, estas instituciones se apoyan en la IA para evaluar el riesgo de crédito, ejecutar operaciones bursátiles utilizando Aprendizaje por Refuerzo (Reinforcement Learning) para optimizar la ejecución algorítmica y minimizar el impacto en el precio, conocido como VWAP/TWAP inteligente, y supervisar la actividad económica en tiempo real mediante el Procesamiento de Lenguaje Natural (NLP) para analizar millones de noticias y feeds de datos alternativos. No obstante, estos avances se ven empañados por las vulnerabilidades y la opacidad que aún presentan estos sistemas, especialmente el riesgo de “caja negra” (black box) de los modelos de Deep Learning (redes neuronales), lo que pone de manifiesto que la regulación debe ir de la mano de la innovación.
Uno de los datos más reveladores que hemos observado en nuestros programas de formación es cómo varía la percepción de los usuarios en función de su nivel de educación financiera. Además, como muestra un estudio de Funcas, cuanto mayores son los conocimientos financieros de una persona, más fácil le resulta identificar dónde aplica su banco la Inteligencia Artificial. Por ejemplo, entienden por qué un robo-advisor les asigna una cartera específica o por qué su app bancaria les alerta proactivamente sobre un gasto inusual detectado por un modelo de anomalías. En consecuencia, queda claro que la alfabetización financiera ayuda a interactuar de forma más consciente con las nuevas tecnologías presentes en nuestro día a día.
Cierto es que la IA te brinda esa potencia; sin embargo, el mayor reto de las organizaciones está en el talento interno. No solo basta con implementar nuevas funcionalidades tecnológicas en la banca, sino que es necesario comprender y entender los resultados y modelos para sacar el máximo provecho a estas herramientas. Esto implica contar con equipos quant capaces de validar los modelos, realizar backtesting robusto y evitar el overfitting, asegurando que el modelo funcionará fuera de la muestra de entrenamiento.
Por otra parte, la regulación europea, como el EU AI Act, clasifica muchas aplicaciones financieras como de “alto riesgo”, exigiendo que los sistemas estén alineados con los derechos fundamentales y permanezcan siempre sujetos a revisión humana, un enfoque conocido como Human-in-the-Loop. De hecho, muchas personas todavía se muestran reticentes ante estos avances tecnológicos. En el ámbito financiero, donde todos los aspectos se miden con rigor, la transparencia, mediante técnicas de Explainable AI (XAI), y la responsabilidad son exigencias del mercado y de la normativa vigente.
La tercera vertiente y, desde mi punto de vista, la más importante, es la inclusión financiera. La inteligencia artificial tiene el potencial de impulsar ámbitos históricamente sensibles, como los microcréditos mediante análisis alternativos, con modelos que evalúan la solvencia de personas no bancarizadas (unbanked) usando datos no tradicionales, como patrones de pago de servicios o uso de telefonía móvil, el acceso remoto o el asesoramiento personalizado automatizado. Aun así, los clientes solo podrán aprovechar plenamente estas herramientas si cuentan con una base de conocimientos que facilite su uso, evitando tener que contactar repetidamente con el proveedor.
Al final, se trata de construir confianza y valor sostenibles para que la tecnología pueda convertirse en una infraestructura fiable del sector bancario, capaz de asistir a los clientes en cualquier momento y lugar.
