Bancos aceleran el uso de IA, pero solo 11 % logra demostrar confianza y control
Bancos aceleran el uso de IA, pero solo 11 % logra demostrar confianza y control
Compartir:
Diana Dorado
Redacción
30 de septiembre de 2026
A pesar de que la banca es una de las industrias globales que más invierte en Inteligencia Artificial, solo el 11 % de las entidades combina un alto uso de estas tecnologías con sistemas cuya confiabilidad sea plenamente demostrable, según el estudio Data and AI Impact Report: The Trust Imperative elaborado por SAS e IDC.
El informe revela que el 47 % de los bancos enfrenta un "dilema de confianza" (trust dilemma), situándose en un escenario donde subutilizan herramientas analíticas por incertidumbre, o bien confían decisiones críticas a modelos automatizados que aún no cuentan con mecanismos adecuados de validación, trazabilidad y gobernanza.
1. Cifras globales de adopción de IA y contexto financiero en Colombia
|
Indicador / Métrica |
Cifra / Registro |
Impacto en el Sector Financiero |
|---|---|---|
|
Trustworthy AI Index (Global) |
23 % de los bancos alcanza el nivel superior. |
Evidencia rezago en gobernanza y supervisión de modelos. |
|
Bancos en "Trust Dilema" |
47 % de las entidades financieras. |
Desalineación entre adopción tecnológica y control efectivo. |
|
Adopción Demostrable y Confiable |
11 % a nivel mundial. |
Brecha crítica en explicabilidad de algoritmos de decisión. |
|
Ecosistema Bre-B (Colombia) |
>670 M de transacciones (> $105 billones). |
Operación masiva en sus primeros 6 meses (BanRep). |
|
Inclusión Financiera (Colombia) |
96,9 % de adultos con producto financiero. |
Alta escala operativa que exige monitoreo analítico anti-fraude. |
|
Cartera de Crédito (Colombia) |
~$763 billones a cierre de 2025. |
Exige modelos de riesgo crediticio trazables y sin sesgos. |
2. Desafíos operativos: Explicabilidad, gobernanza e IA agéntica
La aceleración de los servicios digitales y la irrupción de la IA agéntica —sistemas con capacidad de ejecutar tareas y flujos de trabajo de forma autónoma— imponen nuevos controles obligatorios para la banca:
-
Evaluación de Riesgo y Crédito: Los modelos deben justificar técnicamente qué variables inciden en la aprobación o denegación de un crédito, garantizando la eliminación de sesgos y la auditoría de datos origen.
-
Prevención de Fraude vs. Falsos Positivos: La automatización en tiempo real requiere modelos calibrados para detener ciberamenazas sin bloquear operaciones legítimas de los usuarios.
-
Gobernanza Continua y Trazabilidad: La gestión de la IA no finaliza con el despliegue del modelo; exige un monitoreo constante sobre la deriva de datos (data drift), la documentación de resultados y la definición clara de límites donde es obligatoria la intervención humana.
“En crédito, riesgo, fraude, cumplimiento o experiencia del cliente, no basta con que la IA sea rápida: debe ser explicable, gobernada y trazable, permitiendo comprender cómo y por qué se tomó cada decisión”, afirmó Ricardo Saponara, Líder de Asesoría en Riesgo, Fraude y Cumplimiento para América Latina de SAS.