El sector financiero en Perú tiene una particularidad: opera bajo regulación estricta de la SBS, tiene procesos muy definidos y maneja datos sensibles de millones de personas. Esas características hacen que la implementación de IA sea más exigente pero también más impactante: cuando un proceso de alto volumen y reglas claras se automatiza en finanzas, el ahorro de tiempo y el control de riesgo se multiplican a escala.
1.La operación financiera que funciona en silos
Una de las fricciones más comunes en entidades financieras medianas (cajas municipales, financieras, fintechs) es que los sistemas no se hablan. El core bancario tiene los datos de los clientes, el sistema de riesgo tiene su propia lógica y el equipo de atención trabaja con una pantalla diferente para cada cosa. Cuando un cliente llama con una pregunta, el ejecutivo tiene que revisar tres sistemas para dar una respuesta.
La IA puede actuar como capa de integración: agregar la información de distintos sistemas, interpretarla y darla al ejecutivo de forma consolidada. Eso reduce el tiempo de atención y mejora la experiencia del cliente.
2.Lo que la IA puede hacer en finanzas hoy
Análisis de riesgo crediticio: la IA puede procesar datos estructurados y no estructurados (historial de pagos, comportamiento en la plataforma, patrones de uso) para dar una evaluación de riesgo más rápida y, en muchos casos, más precisa que los modelos estadísticos tradicionales. Atención al cliente: un agente puede resolver las consultas frecuentes (estado de cuenta, fechas de pago, saldo disponible) sin intervención humana.
Detección de anomalías: en el análisis de transacciones, la IA puede identificar patrones inusuales que indican fraude potencial o errores operativos, alertando antes de que el impacto sea mayor. Generación de reportes regulatorios: para las entidades supervisadas por la SBS, la preparación de reportes periódicos con datos estructurados es un candidato natural para automatización.
3.Los límites reales de la IA en banca y finanzas
La regulación define límites claros: las decisiones de crédito, por ejemplo, deben poder explicarse y auditarse. Los modelos de IA que funcionan como cajas negras no son adecuados para decisiones que afectan directamente al cliente y que están sujetas a supervisión. El enfoque correcto es IA explicable: sistemas que dan una recomendación y pueden justificar por qué.
Además, la seguridad de los datos es no negociable. Cualquier implementación de IA en el sector financiero debe cumplir con los estándares de seguridad de la información que exige la SBS y considerar los riesgos de ciberseguridad antes de cualquier integración con sistemas críticos.
Preguntas frecuentes
- ¿La SBS permite el uso de IA en entidades financieras reguladas en Perú?
- Sí, la SBS no prohíbe el uso de IA. Lo que regula es la gestión del riesgo tecnológico y operacional, que incluye los sistemas de IA. Las entidades deben documentar los modelos, sus límites y cómo se gestionan los riesgos asociados. El cumplimiento regulatorio es parte del diseño del sistema, no algo que se agrega al final.
- ¿Las fintechs peruanas ya están usando IA?
- Sí, las fintechs son de las que más rápido adoptan IA porque tienen procesos más ágiles y datos más estructurados desde el inicio. El análisis de riesgo crediticio alternativo (usando datos no tradicionales) y la atención al cliente automatizada son los casos más comunes.