- POR Fernanda Suárez 22/01/26
La inteligencia artificial (IA) se ha integrado de forma acelerada en el sector financiero, particularmente en las SOFOM, para fortalecer procesos de análisis de crédito, monitoreo transaccional y prevención de fraudes financieros. Sin embargo, su uso sin controles adecuados puede generar riesgos significativos en materia de Prevención de Lavado de Dinero y Financiamiento al Terrorismo (PLD/FT), así como contingencias regulatorias ante la Comisión Nacional Bancaria y de Valores (CNBV).
El principal riesgo no es la tecnología en sí, sino la falta de gobernanza sobre los modelos de inteligencia artificial y los datos que los alimentan.
A diferencia de los fraudes tradicionales, los esquemas actuales buscan manipular la lógica de decisión de los modelos de IA, alterando gradualmente la información utilizada para entrenarlos. Este fenómeno, conocido como data poisoning, puede provocar que los sistemas normalicen patrones de riesgo elevado como si fueran operaciones habituales.
En el contexto de PLD/FT, este riesgo es especialmente crítico, ya que puede:
1. Detección deficiente de operaciones inusuales
Los modelos de IA pueden dejar de identificar comportamientos atípicos si han sido entrenados con información sesgada o manipulada.
2. Falta de explicabilidad y trazabilidad
La ausencia de documentación clara sobre cómo la IA toma decisiones representa un riesgo directo en auditorías y revisiones de la CNBV.
3. Desalineación con el Enfoque Basado en Riesgos
Cuando los modelos no reflejan la evaluación institucional de riesgos, se genera una brecha entre la política de PLD/FT y la operación real.
4. Dependencia excesiva de sistemas automatizados
Delegar decisiones críticas sin supervisión humana incrementa el riesgo operativo y regulatorio.
5. Riesgo reputacional y sancionatorio
Una falla sistémica en modelos de IA puede derivar en observaciones regulatorias, multas y pérdida de confianza de fondeadores e inversionistas.
Para mitigar los riesgos asociados al uso de inteligencia artificial en fraudes financieros, las SOFOM deben implementar controles alineados a mejores prácticas regulatorias:
La inteligencia artificial debe funcionar como una herramienta de apoyo, no como sustituto del juicio profesional ni de las obligaciones regulatorias.
El uso de IA en sistemas de prevención de lavado de dinero no exime a las SOFOM de su responsabilidad. Por el contrario, incrementa la necesidad de control interno, trazabilidad y supervisión permanente.
La correcta integración de la inteligencia artificial permite fortalecer la prevención de fraudes financieros, siempre que exista un marco sólido de cumplimiento y gestión de riesgos.
En FINANTAH promovemos el uso responsable de la inteligencia artificial aplicada a las finanzas, con un enfoque sólido en gestión de riesgos, cumplimiento regulatorio y financiamiento empresarial.
Para conocer más información financiera, análisis de riesgo y mejores prácticas del sector, visite finantah.com.
Recientes
- POR Tessa Laurence 3/10/2024
Las decisiones financieras no se toman únicamente con la cabeza; nuestras emociones juegan un papel crucial. Todos hemos experimentado compras impulsivas o hemos evitado revisar nuestras finanzas por miedo. Este vínculo entre emociones y dinero es más fuerte de lo que imaginamos, y aprender a reconocerlo es esencial para lograr un bienestar financiero. El dinero, […]
- POR Enrique Torres 16/03/23
Uno de los grandes desafíos para el sector financiero en Latinoamérica es que todavía tiene una gran parte de la población por alcanzar. Esta cuenta pendiente es resultado de las diferencias regulatorias que provocan una competencia entre las instituciones financieras comprendidas en cada ley de regulación, sin embargo, la competencia real surge a partir del […]
- POR Ariana López 18/05/23
Descarbonización El período 2011-2020 fue la década más calurosa jamás registrada. Según el IPCC, Panel Intergubernamental sobre el Cambio Climático, las actividades humanas ya han causado un calentamiento global de 1ºC y es probable que alcance los 1,5ºC entre 2030 y 2050. Sin un esfuerzo global, un calentamiento de 2ºC o más, es un escenario […]