IA Responsable: clave para el sector financiero mexicano
En México, la adopción de la inteligencia artificial (IA) en el sector financiero ha avanzado significativamente. Sin embargo, para que esta tecnología genere valor sostenible y ético es esencial implementar estándares de IA Responsable, establecer una gobernanza clara y fomentar la colaboración entre áreas.
Por: Claudia Cerezo
Continua en la historia
Desliza a la izquierda para continuar
| De experimentación a operaciones seguras
Durante años, la inteligencia artificial (IA) en el sector financiero mexicano se ha centrado en proyectos piloto y de experimentación. Pero según el estudio global State of Responsible AI in Financial Services de FICO, proveedor de software de análisis predictivo con sede en Montana (Estados Unidos), hoy la prioridad es mover la IA de laboratorios a operaciones seguras y confiables. La investigación de FICO fue realizada en el segundo trimestre de 2025, mediante una encuesta a 254 líderes de servicios financieros de alto nivel, centrados en IA, datos y tecnología. En ella se encontró que más del 60% de los CIO y CTO identifican la falta de comprensión del desempeño del software y la infraestructura como principal obstáculo para escalar la IA.
En México, instituciones como BBVA y Banamex han implementado IA para detectar fraudes y evaluar riesgos crediticios, lo que ha mejorado la eficiencia y la experiencia del cliente. Sin embargo, el estudio muestra que solo el 12.7% de las empresas ha integrado completamente los estándares de IA operativos, y apenas el 7% monitorea sus modelos de manera consistente. Esto significa que muchos modelos, una vez desplegados, funcionan sin supervisión formal, lo que expone a la organización a errores, sesgos y pérdida de confianza.
El doctor Scott Zoldi, Chief Analytics Officer (CAO) de FICO, dice que la “IA Responsable permite desplegar innovación con confianza, para garantizar que los modelos funcionen como se espera y generen valor sostenido”. La IA Responsable asegura que los proyectos no sean solo experimentos tecnológicos, sino soluciones operativas alineadas con el negocio.
| Colaboración y alfabetización: la base de la IA efectiva
El estudio de FICO también revela que la falta de colaboración y de alfabetización tecnológica son los principales frenos para generar valor con IA. Solo el 5.2% de las organizaciones logra alinear completamente sus iniciativas de IA con los objetivos del negocio. Además, el 72% de los CAO y CAIO (Chief Artificial Intelligence Officer) consideran que la colaboración insuficiente entre el negocio y el área de Tecnologías de Información (TI) limita la eficacia.
En México, este problema se refleja en fintechs que desarrollan algoritmos avanzados, pero carecen de métricas compartidas o indicadores clave de desempeño (KPI) alineados con la estrategia corporativa. El literacy gap (es decir, la brecha de conocimiento o comprensión sobre IA dentro de una organización) también afecta la priorización. Más del 65% de los líderes encuestados señala que desconoce las capacidades reales de la IA para su negocio: los líderes de negocio no siempre saben cómo plantear necesidades que la IA pueda resolver. los equipos de IA no siempre pueden priorizar correctamente los proyectos que generan más valor, y los stakeholders de riesgo o cumplimiento se incorporan demasiado tarde, limitando la eficacia y la gobernanza.
Zoldi advierte que si no existe rigor en un estándar corporativo de desarrollo de modelos de IA, se genera confusión. “Cada negocio termina con su propia interpretación y, al final, tenemos 101 estándares distintos que hacen imposible una gobernanza adecuada”. Por ello, la alfabetización en IA debe convertirse en una competencia de liderazgo, complementada con talleres, capacitaciones y roadmaps claros.
| IA Responsable: estándares que generan ROI
Establecer estándares de IA Responsable es el principal motor de retorno sobre la inversión (56.8% de los encuestados), por encima incluso de la inversión en IA generativa. Estos estándares son los siguientes:
IA robusta: modelos construidos y probados con datos representativos y evaluados para asegurar estabilidad y buen desempeño. Por ejemplo, un sistema que analiza solicitudes de crédito debe funcionar correctamente tanto para clientes jóvenes como para mayores, y resistir variaciones en los datos sin errores.
IA explicable: modelos que generan un resultado, pero que también muestran por qué se tomó esa decisión. Por ejemplo, si un sistema de detección de fraude bloquea una transacción, la IA explicable indicará los factores que activaron la alerta, como montos inusuales o patrones de compra sospechosos. Esto permite al banco justificar decisiones y aumentar la confianza.
IA ética: asegura que los modelos no reproduzcan ni amplifiquen sesgos que puedan afectar a ciertos grupos de clientes. Por ejemplo, un algoritmo de crédito no debe penalizar a personas por su género, edad o localidad. Esto garantiza decisiones justas y equitativas.
IA auditable: todos los pasos del desarrollo y despliegue de los modelos quedan registrados, de manera que cualquier decisión pueda revisarse y verificarse. Por ejemplo, FICO utiliza un blockchain que documenta cada etapa del modelo, lo que permite comprobar que se cumplieron los estándares corporativos de IA Responsable y que los resultados son confiables.
El estudio también destaca la importancia de la colaboración entre las distintas áreas o departamentos de la organización y la integración de plataformas unificadas, lo que podría aumentar el ROI hasta en 50%, según el 75% de los líderes encuestados. Esta integración ayuda a que la IA, el negocio y los riesgos estén coordinados, y que los proyectos no queden aislados ni generen poco valor.
Zoldi enfatiza: “La IA Responsable permite desplegar innovación con la garantía de que se alcanzará valor sostenido en las inversiones de IA”. En México, esto se traduce en algoritmos que evalúan riesgos crediticios sin sesgos, detectan fraudes en tiempo real y mejoran la personalización de servicios. ¿El resultado? Mayor confianza de los clientes.
| De la responsabilidad a la ventaja competitiva
La adopción de la IA Responsable ya no es una opción. Hoy, las empresas que definen estándares claros y fomentan la colaboración entre áreas logran resultados más consistentes y sostenibles. Según el estudio de FICO, el 83% de los directivos encuestados considera que la colaboración entre departamentos es clave para escalar iniciativas de IA y generar valor real. Esta conexión entre áreas permite que los proyectos de IA no se queden aislados, sino que se integren de manera estratégica con los objetivos del negocio.
Como explica el directivo de FICO: “Los clientes esperan que la IA se use de manera responsable, segura, explicable y ética. Tratar la IA Responsable como opcional significa descuidar los estándares éticos, desperdiciar el potencial de la IA y poner en riesgo la fidelidad y confianza de los clientes frente a competidores que sí la aplican correctamente”. La responsabilidad no es solo un principio ético, sino un motor de valor tangible.
En México, la regulación sobre IA avanza de manera gradual. Organismos como la Comisión Nacional Bancaria y de Valores (CNBV) y la Comisión Nacional para la Protección y Defensa de los Usuarios de Servicios Financieros (Condusef) promueven marcos relacionados con la protección de datos y la seguridad de la información en el sector financiero, que sientan bases importantes para un uso responsable de la IA. Al mismo tiempo, los bancos y las fintech están invirtiendo en digitalización, innovación y tecnologías de análisis de datos para mejorar la experiencia de sus clientes y la eficiencia operativa. Estas iniciativas muestran un interés creciente por integrar prácticas tecnológicas confiables y seguras, aunque la adopción de marcos específicos de IA Responsable aún está en desarrollo.
El estudio de FICO confirma que el verdadero valor de la IA no está en la experimentación aislada, sino en la integración de estándares claros, infraestructura robusta y colaboración efectiva entre áreas. Quienes adopten la IA Responsable de manera estratégica minimizarán los riesgos, asegurarán el cumplimiento y transformarán la IA en una herramienta de crecimiento sostenido, capaz de entregar decisiones confiables, mejores experiencias del cliente y ventajas competitivas duraderas. AN
También en esta edición
