El sector financiero peruano se viene transformando con la integración de ecosistemas digitales de Inteligencia Artificial (AI) que les permite resolver problemas complejos de los servicios financieros, además de tomar decisiones acertadas e introducir novedosos productos que cubran la demanda del mercado nacional, logrando mejorar los servicios para los clientes y por tanto generar un impacto positivo en las entidades en aspectos relacionados a la liquidez, gestión del riesgo crediticio y su rentabilidad.
En la actualidad el 41% de entidades financieras (bancos y cajas municipales) utilizan las nuevas tecnologías emergentes y se prevé que, al cierre del 2023, el 70% de entidades ya apliquen estas tecnologías.
De acuerdo a Iván Domínguez, Gerente de Asesoría al Cliente, Riesgos y Servicios Financieros de SAS, “el ingreso del Machine Learning como parte de tecnología para predecir ha generado que la Inteligencia Artificial sea capaz de responder a la actual demanda del mercado financiero con modelos de riesgo crediticio fundados en los datos financieros, en el comportamiento de crédito y de consumo de los clientes, logrando unificar su data, analizarla al detalle y generar nuevos focos de rentabilidad”. Asimismo, señaló que las tendencias en tecnología para el sistema financiero como los datos, las fábricas de datos, la democratización de la Inteligencia Artificial, las decisiones inteligentes, entre otros permiten a las entidades tomar decisiones más acertadas, tomando en cuenta ciertos parámetros que les permita implementar soluciones de manera gradual y adaptada a sus necesidades y presupuestos.
Por su parte, Saby Celestino, consultora de analítica avanzada de SAS, nos comentó que tras la pandemia las entidades financieras vienen acelerando la aplicación de estas tendencias en tecnología, principalmente el sistema de fábrica de modelos, el Intelligent Decisioning y el Model Risk Management o Gestión del Riesgo de Modelos; este último, luego de la resolución de la Superintendencia de Banca, Seguros y AFP (SBS) que establece lineamientos mínimos para mitigar los riesgos derivados del uso de modelos y cuya adaptación se inició este año.
Las metodologías de Machine Learning operan de forma significativamente más precisa que los métodos tradicionales en la calificación crediticia, lo cual ofrece mayor valor agregado y puede reducir considerablemente el riesgo crediticio en las entidades financieras. A inicios de este año, la SBS aprobó, mediante Resolución N° 053-2023, el Reglamento de Gestión de Riesgos de Modelo que establece lineamientos mínimos para mitigar los riesgos derivados del uso de modelos empleados en la gestión de riesgos de crédito, mercado, liquidez operacional, lavado de activos y del financiamiento del terrorismo de las empresas del sistema financiero y de seguros. Su aplicación será gradual hasta enero de 2026, considerando los riesgos que se gestionan con los modelos y la categorización de los modelos empleados.
