Por Miluska Gutiérrez, asociada senior del Estudio Garrigues (Perú), abogada por la Pontificia Universidad Católica del Perú, con Maestría en Derecho Bancario y Financiero por la misma universidad.

Pese a los importantes beneficios que conlleva, la tecnología de supervisión (suptech) presenta una serie de limitaciones que es necesario tener en cuenta a la hora de evaluar su uso. Por ello, las herramientas de suptech deberían ser utilizadas de manera complementaria (no sustitutoria) a las técnicas tradicionales de supervisión. A continuación, abordamos algunas consideraciones preliminares de las tecnologías aplicadas a la supervisión del mercado financiero y el mercado de valores.

El 23 de enero de 2020 se publicó el Decreto de Urgencia No. 013-2020 (el DU 013-2020), mediante el cual se promueve el financiamiento de la MIPYME, Emprendimientos y Startups. En el Título IV del DU 013-2020 (el mismo que entró en vigencia el 22 de abril del 2020), se estableció el marco jurídico general para regular y supervisar la actividad de financiamiento participativo financiero, así como a las sociedades autorizadas para administrar las plataformas a través de las cuales se realiza el mismo. Del mismo modo, en la fecha de entrada en vigencia del Título IV, se reguló el régimen de transición para las empresas dedicadas al financiamiento participativo a través de la modalidad de préstamos. En este marco, en las próximas semanas, la SMV debería emitir la regulación complementaria de esta nueva modalidad de financiamiento, fijando las condiciones regulatorias que deberán cumplirse para el desarrollo de este modelo de negocio.

Como lo hemos comentado antes, el DU 013-2020 incluyó ciertos aspectos novedosos como la propuesta general de regular las conocidas cajas de arena regulatorias, las que tienen por objeto fomentar la innovación al permitir a las empresas probar sus ofertas en un entorno seguro, lo que proporciona un ejemplo de un alejamiento de los enfoques reglamentarios tradicionales y representan un intento de adoptar principios de regulación proactiva, dinámica y receptiva.

En vista de este nuevo marco regulatorio, sin duda alguna, los reguladores involucrados en los procesos de autorización y supervisión (ex ante y ex post) asumirán una serie de nuevos retos relacionados con los modelos de negocio propuestos. Así, la pregunta que nos formulamos es la siguiente: si los supervisados usan la tecnología para poner a prueba nuevos modelos de negocio en el sector financiero y para contribuir con la digitalización de los servicios financieros, ¿acaso no es igualmente válido que el supervisor use las mismas herramientas para ejercer su rol? En el presente artículo, presentaremos algunas ideas preliminares de la necesidad o viabilidad de que los supervisores locales puedan ejercer sus facultades valiéndose del uso de la tecnología.

Sobre la tecnología de supervisión (suptech)

De forma general, la tecnología de supervisión (suptech) es una herramienta de recopilación de información que puede mejorar la supervisión en las distintas esferas de una sociedad. Es importante entender que el potencial de tales tecnologías es mayor y mejor cuando se le usa como un complemento a los programas existentes y además se debe considerar que el sistema elegido sea congruente con los reguladores, la visión y misión de los mismos.

En efecto, la suptech es el uso de tecnología innovadora por parte de los órganos reguladores para apoyar la supervisión, ayudando a digitalizar, entre otros, los procesos de presentación de información, lo que a su vez resulta en un monitoreo más eficiente y proactivo del riesgo y el cumplimiento, en este caso, de las instituciones financieras y de aquellas entidades supervisadas por el regulador del mercado de valores.

En varios países los órganos de supervisión ya están utilizando formas innovadoras de aplicar eficazmente un enfoque de supervisión basado en el riesgo. Ahora, el progreso tecnológico y la disponibilidad de datos ofrecen el potencial de mejorar radicalmente las herramientas de supervisión existentes o desarrollar mejores, a través de aplicaciones suptech.

Podemos citar algunos ejemplos de la creación de aplicaciones suptech en Australia y Singapur (ver aquí). El sistema de análisis de mercado e inteligencia (MAI) de la Comisión Australiana de Valores e Inversiones (Australian Securities and Investments Commission o ASIC), por ejemplo, permite el seguimiento en tiempo real de los mercados de capitales primarios y secundarios australianos (ASX y Chi-X). Dicho sistema se nutre de fuentes de datos en tiempo real de todos los productos y transacciones de capital y derivados, así como proporciona alertas en tiempo real, identificando anomalías dentro de los mercados que pueden ser investigadas o detectadas en el momento de la ejecución de las operaciones.

Por su parte, la Autoridad Monetaria de Singapur (Monetary Authority of Singapore o MAS), por ejemplo, utiliza la tecnología para la validación de datos, incluidos los controles de calidad de los datos. Estos aumentan la eficiencia, permitiendo a los supervisores enfocarse de mejor manera en las investigaciones que conduce tal regulador. La importancia de la calidad de datos es innegable en una realidad como la actual.

¿Y la inteligencia artificial?

Por su parte, la inteligencia artificial puede ser definida como el conjunto de teorías y de algoritmos que permiten que los dispositivos electrónicos lleven a cabo ciertas funciones o actos que, típicamente, requieren capacidades propias de la inteligencia humana (i.e., la percepción visual, el reconocimiento de voz o la interpretación de un texto teniendo en cuenta el contexto en el que se produce) y, en ocasiones, mejoran dichas capacidades.

La creación de las aplicaciones de inteligencia artificial no es algo nuevo, pero han adquirido mayor relevancia y se han convertido en el centro de debates en distintos niveles dada la disponibilidad de un mayor volumen de información digital, el aumento de la capacidad de almacenamiento y de procesamiento, junto con un costo menor y avances significativos en el desarrollo de los algoritmos que se emplean. Estos desarrollos permiten aprovechar mejor las capacidades de la inteligencia artificial, de modo que su utilización, no solo en el sector financiero, sino también en la economía en general, crece a pasos agigantados.

Algunos ejemplos de la tecnología de supervisión en el sector financiero

Las aplicaciones de suptech se vienen utilizando de distintas formas en la supervisión del sistema financiero. Así, existen aplicaciones para:

  • La recopilación de datos que se centran en informes, en la gestión de datos y asistencia. Dentro de los informes, las aplicaciones de suptech incluyen varias formas de informes automatizados y monitoreo en tiempo real. Por su parte, las aplicaciones clave en la gestión de datos son la validación de datos, la consolidación, la visualización y la inclusión de dicha información en la nube.
  • El control de blanqueo de capitales (AML, por sus siglas en inglés) y prevención del fraude, lo que permite analizar un volumen mayor de datos y combinarlos con nuevas fuentes de información, permitiendo detectar anomalías o patrones que, de otra manera, tal vez, no habrían sido correcta u oportunamente identificados. Genera también un número menor de falsos positivos, lo que hace más rápidas y precisas las tareas de control de fraude y de blanqueo de capitales.
  • La calificación crediticia, lo que a su vez permite mejorar las evaluaciones y acelerar los plazos de los créditos que se otorguen.
  • El cumplimiento regulatorio, esto a su vez produce una mayor capacidad de análisis, facilitando el cumplimiento de algunos requerimientos normativos (i.e. gestión de riesgos, obligaciones de reporte, entre otros), así como el seguimiento de los cambios que se producen en la regulación.

Estos son algunos ejemplos en los que el desarrollo de las aplicaciones de suptech pueden significar una serie de beneficios para las autoridades en términos de eficiencias operativas y de ahorro de costos. Distintas autoridades han desarrollado aplicaciones interesantes.

En esa línea, Ana Fernández (ver aquí).describe una serie de ejemplos que vale la pena mencionar. Por su parte, la Autoridad Monetaria de Singapur ha desarrollado una herramienta para analizar los informes sobre transacciones sospechosas; el banco central de Austria ha desarrollado un prototipo para la validación de datos; el de Italia está empleando técnicas de inteligencia artificial para predecir los movimientos de precios en el mercado inmobiliario, y el de los Países Bajos las está utilizando para anticipar posibles problemas de liquidez de las entidades. En el Banco de España, en esa misma línea, se ha desarrollado una herramienta de inteligencia artificial para la clasificación de billetes, a fin de determinar si sus condiciones físicas son aptas para mantenerlos en circulación.

¿Estaremos listos para la implementación de estos cambios a nivel regulatorio?

No podemos afirmar si estamos listos o no para una implementación de cambios regulatorios a este nivel, pero los reguladores locales siguen dando indicios de estar adaptándose a las recientes tendencias regulatorias, según los estándares internacionales. Así, es relevante mencionar algunos temas que los reguladores deben considerar al aplicar estas tecnologías en su rol supervisor, por ejemplo, los temas relacionados con los algoritmos. El desarrollo de estas tecnologías está directamente asociado con la creación de algoritmos que buscan correlaciones que maximicen la capacidad de predicción. Esto puede provocar, en ocasiones, resultados basados en relaciones alteradas y llegar, por tanto, a conclusiones sesgadas.

Este es, tal vez, uno de los principales retos de la aplicación de este sistema. Los algoritmos, pues, necesitan perfeccionarse sobre la base de una gran cantidad y calidad de datos, información con la que tal vez no se cuente a la fecha.

Tal vez no podamos dar una respuesta en este momento, pero, sin duda alguna, será muy interesante ver cómo se podrían aplicar estas nuevas tecnologías en el mercado local.

Algunas conclusiones

Aunque son innegables los importantes beneficios que conlleva (mayor eficacia, la reducción de los costos y la mejora de las capacidades supervisoras), la tecnología de supervisión presenta una serie de limitaciones que es necesario tener en cuenta a la hora de evaluar su uso. Los riesgos más relevantes se derivan, por una parte, de la posibilidad de que los resultados que ofrecen estas herramientas incorporen sesgos y, por otra, de las dificultades para comprender el razonamiento seguido por los algoritmos para llegar a una conclusión determinada.

Asimismo, la capacidad de las aplicaciones de detectar posibles problemas en las entidades o indicios de crisis en los mercados depende, como se ha señalado, de la calidad y de la variedad de los datos con los que entrenar los algoritmos. La mayoría de estos, sin embargo, proceden de las situaciones que conocemos como “normales” y no de aquellas situaciones de “estrés”.

Es importante tener en cuenta que las herramientas de suptech deberían ser utilizadas de manera complementaria (no sustitutoria) a las técnicas tradicionales de supervisión, justamente en atención a las deficiencias que aún no están perfeccionadas. Se trata, pues, de utilizar los resultados como parte de un proceso de reforzamiento y de validación de las decisiones regulatorias y supervisoras.


Fuente de imagen: Dreamstime

DEJA UNA RESPUESTA

Please enter your comment!
Please enter your name here