Últimos artículos

Las grandes empresas adoptan XBRL impulsando el análisis de IA

Alrededor de 8.000 grandes empresas holandesas pasarán a la presentación de informes financieros digitales mediante Inline XBRL, siguiendo el ejemplo de las empresas más pequeñas y cotizadas que ya están obligadas a informar digitalmente.

Este cambio incluirá procesos de verificación exhaustivos para garantizar la exactitud y fiabilidad de los datos reportados. Esta medida mejorará la accesibilidad y la comparabilidad de la información financiera estructurada. En consecuencia, optimizará significativamente la eficacia del análisis basado en IA, ofreciendo información más profunda y rápida sobre el desempeño y las tendencias financieras. Este desarrollo se alinea con las tendencias globales hacia la transparencia digital y la toma de decisiones basada en datos.

Siguiendo el ejemplo de las microempresas, las pequeñas y medianas empresas, y las empresas cotizadas, unas ocho mil grandes empresas también están optando por presentar sus informes anuales digitalmente mediante el lenguaje XBRL (eXtensible Business Reporting Language). Esta obligación se aplica a los ejercicios financieros que comiencen a partir del 1 de enero de 2025.

Las grandes empresas y sus filiales medianas asociadas aún disfrutaban de un aplazamiento de la obligación. Pero este beneficio ya ha finalizado. Las grandes empresas y sus contables comenzarán a trabajar en este tema para el informe anual de 2025.

XBRL es un código de barras que añade digitalmente información contextual a un número individual. Por ejemplo, a qué organización se refiere, el período, la moneda y si es comercial o fiscal. Esta explicación permite interpretar el número. Si luego se establece una taxonomía uniforme en toda Europa, como sucedió con XBRL, se pueden descifrar digitalmente las cifras financieras clave de las empresas y compararlas entre sí.

Más información 

De esta forma, un prestamista, por ejemplo, puede determinar su financiación con mayor rapidez basándose en los estados financieros anuales. La ley exige que los bancos respondan en un plazo de 24 horas a las solicitudes de crédito presentadas con base en estados financieros anuales digitales. Un inversor también puede comparar mejor las empresas de un sector para fundamentar sus decisiones de inversión.

Es un lenguaje digital compuesto por diferentes piezas de Lego. Se pueden usar de distintas maneras en cada cadena, y eso es precisamente lo que ocurre.

El Grupo de Trabajo sobre la Cadena de Informes Anuales está trabajando en la implementación de XBRL para grandes empresas. Hay que verlo así: XBRL se utiliza para todo tipo de aplicaciones. Es un lenguaje digital compuesto por diversos módulos. Se pueden usar de forma diferente en cada cadena, y eso es precisamente lo que ocurre. En educación, en asociaciones de vivienda, para declaraciones de impuestos y, por lo tanto, también para cuentas anuales. Dentro del grupo de trabajo, estábamos trabajando en la integración de estos módulos para poder utilizar XBRL también en grandes empresas. Necesitábamos claridad al respecto. Ya hemos alcanzado esa etapa y habrá más información dirigida a las grandes empresas, entre otros canales, a través de la Cámara de Comercio.

Unirse a ESEF

En general, este formato de informes se ajusta al Formato Electrónico Único Europeo (ESEF), que las empresas europeas que cotizan en bolsa deben cumplir. También es XBRL, el mismo lenguaje. Queríamos esperar a que llegara el ESEF para nuestro formato de grandes empresas, para poder tenerlo en cuenta en la medida de lo posible. Al fin y al cabo, sería una lástima adelantarse y tener que eliminar o añadir secciones después. XBRL no cambia absolutamente nada en cuanto al contenido de los estados financieros. Los estados financieros, con la foto de la dirección, las cifras y los gráficos, siguen siendo los mismos. Esa imagen simplemente se conserva para el lector. Pero detrás de los datos en la página HTML que se visita con el navegador web se encuentran los códigos de barras XBRL, invisibles para el navegador. Google Chrome o Microsoft Internet Explorer no los ven, pero un software especializado sí. Estos códigos de barras son fáciles de leer, por ejemplo, para las empresas de datos en EE. UU. que ayudan a los inversores con los análisis de las empresas que cotizan en bolsa. Como se pueden importar los estados financieros digitalmente, los datos se pueden procesar automáticamente.

Como gran empresa, hay que asegurarse de estar preparado para esto, junto con su proveedor de software y su firma de contabilidad.

Este momento se asemeja al de 2016. En aquel entonces, hubo que concienciar a aproximadamente ochocientas mil empresas y a sus proveedores de servicios administrativos sobre la necesidad de presentar sus cuentas anuales digitalmente. En principio, el mensaje a difundir ahora a través de los canales de la Cámara de Comercio y VNO-NCW es el mismo. Para las empresas de software, esto no es del todo nuevo. A menudo, llevan tiempo informadas y también han estado trabajando con XBRL durante un periodo más prolongado. Ahora también hay indicios de proveedores de software extranjeros de que también van a ofrecer soporte para esto en los Países Bajos.

Todos los ladrillos Lego 

Se identifican tareas para el contador al preparar un informe digital según XBRL. Actualmente se elaboran directrices de la NBA. Estas se refieren, entre otras cosas, a que la imagen física que se ve no debe desviarse de la imagen digital de los estados financieros. Estas imágenes deben ser consistentes, veraces y justas. No puede ser que esta información sea inconsistente. El marco para esto tiene el título provisional de ‘ Enfoque de Auditoría Técnica’. Este se centra en verificar la precisión técnica, la consistencia y la conformidad de los informes XBRL. Esto abarca tanto los datos estructurados como las taxonomías subyacentes y las reglas de validación». La técnica puede, por ejemplo, verificar de forma muy sencilla si el balance general está en equilibrio.

Una tarea posterior para el contable es algo más compleja. XBRL se compone de muchos bloques de Lego. Para informar sobre efectivo o activos, entre otras cosas. Pero se encontrará con categorías que no se ajustan del todo a lo que definimos previamente. Por ejemplo, no encontramos aeronaves en la taxonomía. Pero, claro, KLM tendrá que informar sobre sus aeronaves. Entonces, puede diseñar su propio bloque de Lego, pero siempre debe estar relacionado con un bloque de Lego existente, por ejemplo, el bloque de medios de transporte. Esto se llama anclaje. El contable debe comprobar si ese anclaje se ha realizado de forma correcta y lógica.»

Paquete de informes 

En Europa, existe la taxonomía de la Autoridad Europea de Valores y Mercados (ESMA), que se basa en las normas internacionales IFRS. En los Países Bajos, la taxonomía neerlandesa se basa en el Código Civil. Entonces, extraes los bloques de Lego que crees que necesitas. Bloques de Lego relacionados con efectivo, inventarios, patrimonio, etc. Lo que finalmente se informa y se presenta se llama paquete de informe. Es un archivo que contiene todo: el archivo HTML legible con los códigos de barras XBRL invisibles y una taxonomía compilada por la propia organización.»

En definitiva, el proceso de redacción de documentos también se volverá mucho más eficiente.

Las grandes empresas a menudo no presentan sus estados financieros hasta el período comprendido entre marzo y julio. En 2026, solo las cifras presentes en lo que se denomina estados financieros primarios deberán incluir códigos de barras XBRL. Por lo tanto, las notas, las políticas contables y el informe de gestión aún no están etiquetados con XBRL. Se trata, quizás, de poco más de cien códigos de barras que una gran empresa debe incorporar. Tenemos experiencia en la implementación en empresas cotizadas, y allí todo transcurrió sin problemas. Por supuesto, es necesario realizar una inversión inicial en formación para la preparación digital de las cuentas anuales, pero luego se puede empezar a trabajar con bastante rapidez».

Eficiencia en el proceso

La presentación de informes digitales facilita el trabajo del contable. Como contable, es posible realizar una verificación digital de los datos. Por ejemplo, comprobar qué componentes conforman los activos y si el total es correcto. Pero también si la información digital coincide con la información física. En definitiva, el proceso de preparación será mucho más eficiente. Esta ventaja ya se observa en el software para pequeñas empresas. A menudo, un estado financiero anual digital puede elaborarse directamente desde el software fiscal. De este modo, las empresas, los organismos gubernamentales, los proveedores de software, los contables y la Administración Tributaria y Aduanera utilizan el mismo lenguaje acordado en la taxonomía, con los mismos principios básicos.

Informe del auditor digital 

Con el tiempo, el informe de auditoría para grandes empresas también pueda digitalizarse. Incluir una firma digital del auditor, más difícil de falsificar que una firma en un PDF, ha demostrado ser un éxito, pero ahora también se están desarrollando otras soluciones. Próximamente se elaborará una especificación internacional para la firma digital del informe de auditoría».

Habrá una especificación internacional para la firma digital de los informes de los auditores.

Y luego hay el Punto de Acceso Electrónico Europeo. Se trata de un punto de acceso centralizado que está estableciendo la ESMA. Este punto está diseñado para funcionar como una plataforma en línea donde los usuarios pueden solicitar información sobre las empresas cotizadas, como informes anuales y otros estados financieros. Además, con la implementación del Acuerdo sobre Identificación Electrónica y Servicios de Confianza, se están introduciendo los documentos de identificación electrónica europeos. Todo lo concebido y desarrollado ahora podría quedar obsoleto. Además de Dinamarca e Inglaterra, hay pocos países en el mundo que ya cuentan con una taxonomía para el informe de auditoría.

Solicitar un análisis a la IA 

Cuanto mejor estructure y ponga a disposición los datos, mayor será su valor añadido. Sobre todo, si va a utilizar IA. Entonces puede pedirle a la IA que analice cinco empresas. «¿Qué empresa tiene mayor potencial de crecimiento y en cuál sería mejor invertir?» Pero también: «Analice la rentabilidad de la inversión y compárela entre las empresas. ¿Cuál destaca?» O: «¿Cuáles son los riesgos potenciales de fraude de estas empresas en este sector?» Aquí es donde entran en juego los grandes modelos de lenguaje. Con ellos, puede solicitar este tipo de análisis y profundizarlos según sus intereses. «¿Por qué la empresa A tiene mayor financiación que sus competidores en el sector?» XBRL permite procesar datos de forma más sencilla y automática. En propuestas de financiación, auditorías y análisis. Eso es pura rentabilidad.

La IA se une a XBRL para hablar el mismo idioma

Todo el mundo está experimentando con la IA. Los másteres en Derecho se están utilizando en todo tipo de aplicaciones (desde las teleconferencias sobre resultados hasta la calificación ESG y la debida diligencia automatizada) y existe la creciente sensación de que estamos al borde de algo transformador en el análisis financiero. Pero, en definitiva, trabajan con archivos PDF extraídos, resúmenes de páginas web o hojas de cálculo «adaptadas a los modelos» que sacrifican la estructura en aras de la comodidad. Los modelos generan textos que parecen plausibles. Pero, ¿qué ocurre si se les pide que verifiquen sus fuentes, expliquen cómo llegaron a una cifra o superen el escrutinio regulatorio? Ahí es cuando empiezan a surgir los problemas.

Los datos estructurados, especialmente XBRL, siempre han ofrecido información veraz, rastreable y legible por máquina. Pero, ¿cómo integrarlos en un modelo de lógica descriptiva (LLM)? Hasta hace poco, no era tan sencillo. Esto se debía a que estos modelos no estaban diseñados para navegar con XML, espacios de nombres, taxonomías ni la rica semántica por capas que XBRL pretende ofrecer. Si se les proporcionaba un informe Inline XBRL o xBRL-XML, se veían incapaces de manejarlo. Esto no es una crítica a XBRL, sino una deficiencia en la forma en que se han entrenado los LLM.

Ahí es donde entra en juego xBRL-JSON. Y esta semana, en XBRL International, nos complace publicar una guía práctica sobre cómo usarlo: convertir sus datos de cumplimiento normativo en algo con lo que un modelo de lenguaje natural (LLM) pueda trabajar. ¿Lo mejor de todo? No se pierde nada de la integridad. Sigue siendo XBRL, solo que expresado de una manera que se adapta a cómo los modelos de lenguaje procesan la información. Estamos enseñando al modelo a hablar nuestro idioma.

El proceso completo: convierte el informe con una herramienta certificada (es tan sencillo como un clic), sube el JSON al modelo que prefieras y empieza a formular preguntas. ¿Quieres calcular el beneficio neto? ¿Comparar los ingresos de cuatro años? ¿Resumir una nota sobre políticas en lenguaje sencillo? Puedes hacerlo. Y como es XBRL, puedes rastrear cada respuesta hasta el concepto, el período y el contexto.

No estás aplanando tus datos para que se ajusten. Estás adaptando la IA para que funcione con la estructura que ya has creado. Y así es como debe ser.

Experimentando con LLM para el análisis XBRL

El fascinante potencial de utilizar modelos de lenguaje a gran escala (LLM, por sus siglas en inglés) para analizar datos financieros, especialmente datos estructurados como los informes XBRL, es cada vez más evidente. Imagínese pedirle a un LLM que resuma las principales conclusiones financieras directamente de un documento XBRL: este es el tipo de experimento que muchos están deseosos de comenzar.

Sin embargo, quienes se embarcan en esta aventura pronto se topan con un obstáculo. Los informes XBRL en sus formatos tradicionales, como Inline XBRL (iXBRL) y xBRL-XML, si bien están etiquetados y estructurados digitalmente, presentan complejidades al introducirlos directamente en los modelos LLM. Su estructura basada en XML no es intuitiva para estos modelos, ya que requiere un análisis específico y la comprensión de las taxonomías XBRL. Muchos investigadores principiantes se encuentran estancados en esta etapa inicial de ingesta de datos, con dificultades para interpretar los datos XBRL sin procesar dentro del entorno LLM.

Aquí es donde entra en juego xBRL-JSON. xBRL-JSON forma parte de una familia de formatos de informe más recientes, y actualmente existe una amplia gama de herramientas que permiten convertir de un formato XBRL a otro. Diseñado para facilitar su uso por parte de herramientas y sistemas, xBRL-JSON ofrece una representación mucho más sencilla e intuitiva de los datos XBRL. Su estructura es intrínsecamente más compatible con los modelos de lógica de negocio (LLM), lo que facilita la ingesta y el análisis de datos. xBRL-JSON cierra la brecha, haciendo que los datos XBRL precisos sean fácilmente accesibles para la experimentación libre dentro de los LLM.

Esto está dirigido a cualquier persona interesada en experimentar con informes XBRL y explorar las capacidades de herramientas de gestión de lenguajes (LLM) como ChatGPT. Tanto si eres analista financiero, científico de datos o simplemente un entusiasta de XBRL, esta guía te proporcionará un punto de partida práctico para tu aprendizaje.

Conversión al formato xBRL-JSON

Abordar el desafío principal: lograr que los informes XBRL sean fácilmente comprensibles para modelos de lenguaje grandes. Esto se basa en la transformación de los formatos XBRL tradicionales más complejos —ya sean iXBRL o xBRL-XML— al formato simplificado xBRL-JSON. Estos formatos están diseñados para una transformación sin pérdida de datos, lo que significa que no se pierde ni se malinterpreta ningún dato durante este proceso de conversión.

Es posible usar el software certificado XBRL para la conversión (siempre que esté certificado para el módulo xBRL-JSON). Por ejemplo, utilizar la interfaz gráfica de usuario de Arelle, una interfaz fácil de usar para la plataforma de código abierto Arelle XBRL. El proceso de conversión es sencillo:

  1. Abrir el informe XBRL: Inicie Arelle y abra el archivo de informe XBRL de origen (en formato iXBRL o XBRL-XML) dentro de la aplicación. Asegúrese de que el complemento saveLoadableOIM esté habilitado. Puede administrar los complementos desde el menú «Ayuda» seleccionando «Administrar complementos».
  2. Guardar como xBRL-JSON: Vaya al menú “Herramientas”, seleccione “Guardar OIM cargable” y elija “Guardar como tipo” – “Archivo JSON.json”. Seleccione una ubicación para guardar el archivo convertido.
  3. ¡Conversión completada! En tan solo unos clics, ha transformado con éxito su informe XBRL en xBRL-JSON. Ahora dispone de una versión de sus datos XBRL compatible con LLM, lista para su análisis.

Cargar xBRL-JSON en LLM

Ahora que tenemos nuestro informe xBRL-JSON, comienza la parte emocionante: ¡explorarlo con un LLM!

En este ejemplo, utilizaremos Google Gemini para interactuar con nuestros datos xBRL-JSON recién convertidos. Tenga en cuenta que para analizar informes xBRL-JSON, necesita utilizar modelos de lenguaje grandes con intérpretes de código integrados. Al momento de escribir este texto, estos incluyen ChatGPT, Gemini y Mistral.

Comencemos subiendo el archivo de informe xBRL-JSON a Gemini. Para subir un archivo, simplemente haga clic en el icono «Subir» debajo del cuadro de chat y seleccione su archivo. json. Esto funciona de la misma manera en la mayoría de las interfaces de LLM.

Asegurar la comprensión del LLM

Un excelente primer paso en nuestra exploración es comprender qué tan bien Gemini interpreta la estructura de estos datos xBRL-JSON. Por lo tanto, nuestra consulta inicial estará diseñada para indagar esta cuestión, en lugar de los datos en sí. Por ejemplo, podemos preguntar:

Géminis respondió de la siguiente manera:

Gemini parece haber interpretado correctamente la estructura de los datos, lo que genera confianza para análisis posteriores. Al trabajar con modelos lineales lógicos (MLL) en el análisis de datos, este paso inicial garantiza que el modelo comprenda completamente los datos y sus relaciones.

Aunque la mayoría de los principales modelos de lógica descriptiva (LLM), como ChatGPT, Gemini y Mistral, generalmente comprenden la estructura de los archivos xBRL-JSON bien formados, no hay garantía de que el modelo siempre la interprete correctamente. Si el modelo no parece comprender la estructura o responde con errores o respuestas incompletas, no se preocupe: puede guiarlo.

  • Intenta explicar qué contiene el archivo, por ejemplo: «Este archivo JSON contiene datos XBRL con información financiera clave en el nodo ‘facts'».
  • Menciona cualquier consejo importante sobre la estructura, como dónde encontrar los nombres de las entidades, los datos de los períodos o las unidades.

Proporcionar a los LLM una breve introducción puede marcar una gran diferencia. También puede comprobar si han comprendido correctamente los datos formulando preguntas sencillas como «¿Cuál es el nombre de la entidad?» o «¿Qué periodo abarca este informe?».

Utilizar indicaciones para el análisis.

Ahora podemos proceder a formular preguntas sobre el informe que hemos subido.

Esto nos permite comprender mejor el criterio adoptado por el LLM, demostrando que seleccionó la información correcta del informe original. La trazabilidad y la transparencia que ofrece XBRL son cruciales para proporcionar información verificable y fiable.

Modelos de razonamiento

Los modelos de lógica descriptiva (LLM) proporcionan automáticamente su razonamiento, lo que aclara su funcionamiento. La IA ya no es una caja negra que exige confianza ciega. Ahora es posible comprobar cómo el LLM que se utiliza ha ejecutado una consulta, lo que garantiza la fiabilidad de las conclusiones. A continuación, se muestra un extracto del razonamiento de la consulta de análisis de tendencias anterior. El razonamiento suele proporcionarse como parte de la respuesta del LLM, antes de la respuesta final.

El modelo ha detectado que cada archivo contiene información sobre dos periodos fiscales, con muchos datos correspondientes tanto al ejercicio actual como al anterior. Si bien la mayoría de los valores coinciden entre los años superpuestos, existe una ligera discrepancia en el periodo de 2022. En este caso, se ha indicado que se está utilizando la versión más reciente y revisada de la información divulgada.

Este razonamiento explícito, similar a una cadena de pensamiento precisa, nos ayuda a comprender los mecanismos internos de los modelos de lógica descriptiva (LLM). Facilita la transparencia en la toma de decisiones de la IA —complementando la transparencia inherente a XBRL— y es un factor importante para generar confianza.

Limitaciones a tener en cuenta

Los LLM no siempre proporcionan respuestas precisas. Es importante revisar los conceptos XBRL que se utilizan y refinar las indicaciones si se aplican conceptos incorrectos o irrelevantes. Al analizar informes de diferentes empresas, recuerde mencionar explícitamente si es necesario convertir o estandarizar las monedas. Además, la forma en que se identifican las entidades en los informes puede no ser intuitiva, por lo que podría ser necesario proporcionar nombres de empresas o asignaciones. En los informes XBRL en línea, los preparadores pueden etiquetar el mismo valor en varias secciones para garantizar la coherencia y facilitar la navegación. Si bien esto no es incorrecto, la eliminación de duplicados es importante durante el análisis para evitar la doble contabilización. Asegúrese de indicar claramente al LLM que elimine la información duplicada cuando sea necesario, como en el ejemplo siguiente.

No es un enfoque de entorno de producción

El método descrito en esta publicación para analizar informes XBRL mediante modelos lineales de lógica (MLL) es experimental y no está diseñado para su uso en producción. En un entorno de producción, se necesitaría un modelo personalizado que comprenda completamente cada detalle de los informes XBRL analizados, sin dejar lugar a suposiciones, para garantizar resultados consistentes y fiables. Por ejemplo, la representación de los periodos de tiempo podría requerir mayor claridad. A mayor escala, el análisis de miles de informes podría requerir la fusión de los datos xBRL-JSON en un formato tabular y la integración de información taxonómica para obtener información realmente relevante.

Conclusiones

En conclusión, esto no es una guía definitiva sobre qué analizar en un informe XBRL, sino más bien una recopilación de consejos prácticos para comenzar a experimentar con las herramientas actuales. La clave es que xBRL-JSON simplifica el análisis al integrarse a la perfección con los modelos de lógica de negocio (LLM), lo que lo convierte en una forma eficaz de canalizar informes XBRL hacia estas plataformas analíticas.

Es necesaria una simplificación sobre las propuestas de sostenibilidad de la UE

La Autoridad Europea de Valores y Mercados (ESMA) cerró esta semana su consulta sobre las actualizaciones cruciales que ampliarán el régimen de información digital de la UE.

Se examinaron las Normas Técnicas de Regulación (NTR) sobre el Formato Electrónico Único Europeo (EEUE) para la presentación de informes de sostenibilidad, ampliando el marco del EEUE a la divulgación de información sobre sostenibilidad. El documento de consulta también introdujo modificaciones a las NTR existentes sobre el Punto de Acceso Electrónico Europeo (PAEE), actualizando su denominación a Punto de Acceso Único Europeo (PAUE), y revisiones a las reglas de marcado para las Notas a los estados financieros consolidados según las NIIF, introduciendo requisitos de etiquetado obligatorios.

La respuesta de XBRL International aboga por una agenda digital más sólida y una simplificación sustancial de las propuestas de la ESMA, minimizando retrasos innecesarios y complejidad en la implementación. En nuestra opinión, la UE debe garantizar la visibilidad y accesibilidad de la información financiera y de sostenibilidad divulgada por las empresas de la UE. Un enfoque fundamentalmente analógico durante los próximos 5 a 7 años perjudicará la competitividad y el atractivo de los mercados de la UE. Por lo tanto, instamos a la ESMA a adoptar una visión mucho más ambiciosa para la divulgación moderna en la Unión Europea.

Los costes del etiquetado digital representan una proporción ínfima de los costes totales de la elaboración de un informe, pero ofrecen enormes beneficios a largo plazo: mayor transparencia, flujo de información y confianza de los inversores, y, en última instancia, mercados de capitales más eficientes en beneficio de todos los participantes.

Los datos estructurados (divulgaciones XBRL) y los metadatos (taxonomías XBRL) también constituyen insumos ideales para el análisis de IA. Permiten obtener información de IA mucho más precisa, fiable y útil para la toma de decisiones, facilitando la trazabilidad y fomentando la confianza. La generalización de la IA hace que el acceso a datos digitales de alta calidad sea más importante que nunca.

A la luz de las Enmiendas Ómnibus —que se prevé que provoquen retrasos en los plazos y una reducción sustancial en el número de empresas que presentan informes de sostenibilidad—, sugerimos que la ESMA aproveche la oportunidad para alinear la introducción de la información digital con la implementación gradual prevista en la legislación modificada. Adoptando un enfoque de «gemelo digital», donde exista un requisito de divulgación con una taxonomía adjunta —como la taxonomía ESRS para la información de sostenibilidad—, la ESMA debería exigir la divulgación digital desde el principio, permitiendo un «período de gracia» de hasta 12 meses, pero evitando implementaciones graduales complejas. Los requisitos digitales deberían ir integrados en la norma de divulgación pertinente, en lugar de mediante un proceso de implementación independiente, lo que proporcionaría mayor simplicidad, claridad y utilidad para las partes interesadas.

XBRL International también sugiere enfoques simplificados para la gestión de taxonomías, así como una reducción del detalle técnico en las RTS y ciclos de retroalimentación más cortos para permitir actualizaciones oportunas tanto de las RTS como del manual del declarante. El objetivo final de la ESMA de ampliar la presentación de informes digitales, lograr que la información sobre sostenibilidad sea comparable y útil, y sus propuestas para incorporar procesos regulares de revisión y retroalimentación para la mejora continua.

XBRL International es la organización global sin ánimo de lucro dedicada al desarrollo de estándares responsable de XBRL. Nuestros estándares son abiertos y con licencia libre, y se utilizan en todo el mundo para facilitar la elaboración de informes digitales en una amplia variedad de ámbitos de reportes. Tenemos un objetivo específico de interés público: mejorar la rendición de cuentas y la transparencia del rendimiento empresarial a nivel global, proporcionando un estándar abierto de intercambio de datos para la elaboración de informes empresariales.

XBRL International utiliza procesos formales de elaboración de normas basados en el consenso, incluyendo periodos de comentarios públicos en la preparación de nuestras especificaciones voluntarias2 que en conjunto conforman el estándar XBRL. Nuestros 500+ miembros organizativos están formados por representantes de toda la cadena de suministro de información, incluyendo un número significativo de reguladores de todo el mundo. Contamos con el apoyo de 19 capítulos independientes que se centran en la información digital en sus propios países y regiones, incluyendo XBRL Europa.

Nuestros comentarios abarcan una variedad de temas y a continuación exponemos los temas clave. Tenga en cuenta que también hemos proporcionado respuestas a las preguntas específicas de la consulta en el formato ESMA especificado.

¿Cómo funciona XBRL?

Para quienes son nuevos en los datos estructurados, usamos una analogía para explicar cómo funciona el estándar XBRL. Quizá ayude a aclarar algunos de los términos utilizados en el CP y fomenta el uso coherente de normas para asegurar que las definiciones de datos legibles por ordenador sean centrales en la recopilación y gestión de datos dentro de ESMA, sus NCAs y OAMs.

Explicamos cómo funcionan los estándares XBRL haciendo referencia al gráfico de la Figura 1, a la izquierda.

Primero, para asegurar que diferentes herramientas y software puedan preparar, mostrar, intercambiar, publicar, analizar y consumir datos de manera interoperable, existe un «Alfabeto y Gramática» coherente acordado. Cualquiera que use el Alfabeto y la Gramática puede comunicarse con cualquier otra persona que use las mismas letras y las mismas reglas para la construcción de las oraciones. Como XBRL es un estándar digital, cualquiera puede usar un conjunto de reglas digitales para comprobar si un software concreto utiliza correctamente el «Alfabeto y Gramática» y en línea con las reglas escritas. El único Alfabeto y Gramática —por supuesto, estas son las especificaciones XBRL2— han sido desarrollados por XBRL International.

En segundo lugar, un alfabeto y una gramática no pueden usarse sin un diccionario de términos que definan las palabras que pueden emplearse en un contexto particular. Así que los reguladores (incluida la ESMA) y los establecedores de normas (como las NIIF y la EFRAG) crean sus propios diccionarios de términos. Cada término de divulgación en una norma o estándar tiene una definición específica en el diccionario. Por ejemplo, la definición EFRAG para las emisiones brutas de GEI de Alcance 1 es:

De nuevo, dado que XBRL es un estándar digital, el uso de palabras definidas relevantes puede comprobarse mediante un conjunto de reglas digitales. «¿Está esta palabra en el diccionario?».

Llamamos a estos diccionarios «taxonomías», pero se pueden pensar en ellos como un modelo digital o gemelo digital de los estándares de informe, divulgación, cumplimiento o rendimiento que se utilizan para regular acuerdos específicos de informe. Los diccionarios van mucho más allá de las definiciones. Por ejemplo, ellos:

• conectar términos relacionados con los reportes,

• proporcionar enlaces a referencias autorizadas,

• limitar los términos (una fecha debe ser una fecha, no un texto); y

• permitir la creación de etiquetas de informes en múltiples idiomas humanos.

Tercero y lo más importante, sin embargo, los preparadores y otras organizaciones relevantes de informes deben preparar sus informes y documentos digitales.

Lo hacen utilizando las palabras del Diccionario3 (taxonomía) y el «Alfabeto y Gramática» definidas en las especificaciones XBRL.

Una vez que las entidades informantes han producido informes digitales usando las palabras del Diccionario, las letras del Alfabeto y las reglas gramaticales, una gama muy amplia de usuarios puede consumir y comprender estos informes utilizando un gran número de herramientas interoperables, incluidos paquetes de análisis comerciales4. Hoy en día, los proveedores de datos y otros profesionales de la información hacen un uso extensivo de informes estructurados XBRL proporcionados a OAMs y otros reguladores de todo el mundo.

Define una visión clara: lo digital ha llegado para quedarse

Reconocemos que ESMA se encuentra con críticas y expresiones de preocupación sobre la información digital, especialmente por parte de emisores que pueden percibir el etiquetado digital como una carga adicional. Igualmente, somos conscientes de que inversores, grupos de inversión y proveedores de información suelen ser cautelosos o reservados a la hora de comunicar claramente sus necesidades a la ESMA y a la Comisión Europea. Sin embargo, a pesar de estos retos comprensibles, la necesidad de la transformación digital en la información corporativa es clara y urgente.

En línea con la Brújula de la Competitividad de la Comisión Europea, existe un llamamiento fuerte y explícito para adoptar la digitalización como un facilitador estratégico para la resiliencia y atractivo económico de Europa. Una estrategia de informes digitales clara, ambiciosa e implementada rápidamente mejorará significativamente la transparencia, la eficiencia y la accesibilidad al mercado. También apoyará la composición, vitalidad y competitividad de los mercados de capitales de la UE, atrayendo inversión tanto europea como global y apoyando un crecimiento sostenible. Para ello, ESMA debe articular y defender una visión convincente para la divulgación en nuestra era moderna, situando las divulgaciones estructuradas y digitales como base coherente en toda su estrategia y acciones regulatorias.

Las empresas deben entender que sus divulgaciones digitales son decisivas, que son el nuevo «negocio como siempre» que no desaparecerá y que existan bucles de retroalimentación sobre estos informes por parte de los reguladores, así como de una variedad de participantes del mercado, para asegurar que la dirección se centre en sus informes digitales como un canal fundamental de comunicación para el rendimiento corporativo.

En línea con las ambiciones establecidas en la Competitiveness Compass de la UE, instamos a ESMA a adoptar un enfoque digital en la elaboración de informes corporativos. Las divulgaciones digitales no deben tratarse como complementos secundarios a los mecanismos de reporte del siglo XX; en su lugar, los formatos digitales estructurados, especialmente el XBRL en línea, deberían convertirse en el estándar predeterminado mediante el cual se crea, publica, accede y analiza la información corporativa. Este cambio de modalidad es esencial para desbloquear la eficiencia, la innovación y la transparencia en el panorama de la información financiera y de sostenibilidad de la UE.

Lograr este cambio es tanto una cuestión de cambio cultural y estratégico como de implementación técnica. El liderazgo de ESMA en la promoción activa de la información digital es vital. Al centrarse en los informes digitales como el enfoque autoritativo y crítico para la divulgación de mercado, la ESMA mejorará significativamente la transparencia del mercado, la utilidad de los inversores y la responsabilidad corporativa.

Esta transformación hacia lo digital por defecto se alinea directamente con la visión estratégica de la UE para la competitividad, asegurando que los mercados de capitales de la UE sigan siendo atractivos, receptivos y resilientes ante el cambio económico global.

Articular una visión clara y desarrollar planes ambiciosos para hacer realidad esa visión es clave. El CP muestra falta de ambición en su estado actual y animamos a ESMA a replantear su enfoque hacia el RTS.

Todo cumplimiento es una carga, pero lo digital aporta el beneficio

Cada vez que se introducen nuevos requisitos de informe, inevitablemente existe un coste inicial de cumplimiento para los emisores. Sin embargo, cuestionamos fundamentalmente el análisis coste/beneficio expuesto en el Documento de Consulta de la ESMA.

El etiquetado digital transforma la información de una simple carga de cumplimiento en un activo estratégico. Al imponer el etiquetado digital, ESMA garantiza un campo de juego equitativo: los datos de empresas de todos los tamaños, en todos los idiomas, se vuelven igualmente accesibles, comparables y utilizables. Este aumento de la comparabilidad beneficia directamente a inversores, analistas y reguladores, mejorando significativamente la eficiencia y eficacia de los procesos de toma de decisiones.

El análisis coste/beneficio en el CP

a) sugiere que los costes asociados al etiquetado digital deberían analizarse de forma aislada de los costes asociados a la preparación de una divulgación y al desarrollo de sistemas, políticas, procedimientos y controles de apoyo asociados a ese flujo de datos. Los costes asociados a la divulgación digital son una fracción muy pequeña (entre el 0,5% y el 5%) de los costes asociados a la elaboración de un informe. Sin embargo, el proceso de digitalización es lo que hace que ese informe sea descubrible, accesible y utilizable para proveedores de información, reguladores y otros usuarios sin un tiempo adicional, esfuerzo e inversión sustanciales.

b) Utiliza costes para el etiquetado digital que son difíciles de conciliar con los «costes de calle» para los informes actuales. Te remitimos a la encuesta reciente realizada por XBRL Europe (referenciada en su respuesta al CP), pero en general, los costes asociados al software y servicios de etiquetado son (a) muy competitivos y (b) considerablemente inferiores a los costes establecidos en el CP.

Además, las ventajas de la divulgación digital se extienden significativamente a los propios emisores. El etiquetado digital consistente facilita una mayor visibilidad y accesibilidad de los informes de la empresa, ampliando la base de inversores potenciales y reduciendo la asimetría de la información. En una economía tan diversa y compleja como la Unión Europea, es vital que sea fácil evaluar el rendimiento relativo del mayor número posible de actores económicos. Los emisores se benefician de un mejor reconocimiento en el mercado, reducción de costes de capital y mayor implicación de los inversores gracias a divulgaciones más claras y transparentes. También pueden aprovechar el benchmarking y el análisis temático, que son más difíciles de producir y significativamente más caros de producir sin divulgaciones digitales. Las empresas que integran etiquetas digitales en sus flujos de trabajo internos de datos sí pueden

Defendemos firmemente que las obligaciones de divulgación digital sirvan como el «gemelo digital» de los requisitos de divulgación analógica, reflejándolos estrechamente y alineados con ellos. Cada divulgación analógica obligatoria para el consumo humano debe tener una divulgación digital correspondiente para permitir la legibilidad por máquina. Mientras que las divulgaciones analógicas garantizan la accesibilidad humana, las divulgaciones digitales desbloquean potentes capacidades analíticas, incluyendo la traducción automatizada de conceptos financieros a través de múltiples idiomas (habilitada por taxonomías XBRL), análisis comparativos avanzados, paneles de control para inversores, comparaciones entre pares y sofisticadas herramientas de filtrado. Este enfoque combinado garantiza transparencia, accesibilidad y utilidad analítica, maximizando los beneficios tanto para emisores, inversores como reguladores. No hace falta decir que el XBRL en línea es legible tanto por humanos como por máquinas.

Así, en nuestra opinión, si se analiza de forma holística, los costes incrementales del etiquetado digital quedan claramente superados por los importantes beneficios a largo plazo: mayor transparencia, menor fricción en el flujo de información, mayor confianza de los inversores y, en última instancia, mercados de capitales más eficientes en beneficio de todos los participantes del mercado.

Preguntar a los usuarios, no a los preparadores

La información sobre sostenibilidad no está para facilitar la vida a los preparados, está pensada para ser una carga con un beneficio. Parte de ese beneficio recaerá en los propios preparadores y parte en la sociedad en general.

Preguntar a los preparadores si les gusta su carga de reporte es como preguntar a un escolar si le gusta hacer los deberes; a algunos les gustará, pero a la mayoría no. En su lugar, pregunta a los futuros empleadores de los niños qué habilidades necesitarán en su plantilla.

La perspectiva crucial proviene de quienes dependen de estas divulgaciones: los inversores y prestamistas, tanto institucionales como individuales. Los informes digitales les permiten acceder a información crítica de sostenibilidad de forma más eficiente, a menor coste y con mayor precisión, lo que en última instancia impulsa mejores decisiones de inversión y una mayor integridad del mercado.

Líneas temporales simplificadas

Una vez que reconocemos que la información digital es necesaria con exactamente la misma granularidad que la información analógica, los plazos y la fase se vuelven mucho más sencillos tanto para los preparadores como para los usuarios.

Cualquier requisito introducido en términos de informes analógicos (por ejemplo, la introducción gradual de la información por ciertos temas, o que solo empresas por encima de cierto tamaño necesiten informar) debería reflejarse en los requisitos de informes digitales. Esto significa que, si se encuentra un dato en una divulgación, estará disponible tanto en formato digital como analógico.

La actual consulta RTS propone la implementación progresiva de la información digital en un plazo de 5 años o posiblemente más. En ese tiempo, todos los preparadores asumen la carga de la información, pero los beneficios completos de lo digital solo podrán alcanzarse una vez que todas las fases hayan completado.

Un periodo de gracia pragmático

El CSRD ya ha implementado progresivamente los requisitos de informes en general y es probable que estos se amplíen cuando se finalice el Ómnibus.

Si se necesita un periodo de gracia para preparadores inexpertos, eso puede hacerse exigiendo el cumplimiento total digital y analógico de lo especificado en CSRD (incluyendo cualquier cambio ómnibus) desde el primer día, pero siendo permisivo en lo que se acepta en el primer año (es decir, proporcionar un periodo de gracia o un aterrizaje suave).

Utilizar un periodo de gracia en lugar de una incorporación adicional (digital) significa que los requisitos se mantienen igual durante el tiempo para todos los preparadores, sin riesgo de retrasos adicionales o cambios en los requisitos debido a que una empresa sea adquirida o contrate personal adicional. Igualmente, con un periodo de gracia, todos los preparadores saben que ellos, sus proveedores de software y sus auditores trabajan con los mismos objetivos, por lo que la formación y el desarrollo de funciones de software son más sencillos, baratos y efectivos.

Quienes ya informan de CSRD analógico informa

Cualquier declarador que ya produzca un informe analógico de CSRD tiene la carga de informar, pero sin los beneficios analíticos y la visibilidad que ofrece el reportaje digital.

Sin tener en cuenta los cambios en el Ómnibus, la taxonomía final del Conjunto 1 del ESRS se publicó en el tercer trimestre de 2024, por lo que sería apropiado introducir la notificación digital obligatoria para quienes ya informan contra el ESRS lo antes posible.

Por ejemplo, podría ser necesario que se recomiendan informes digitales para todos los informes CSRD (ESRS y Artículo 8) producidos a partir del año fiscal 2025, lo que significa que los informes deberían crearse y presentarse en el año fiscal 2026.

Luego, a medida que cualquier cambio ómnibus modifique el alcance del ESRS o el número de empresas de la Primera Onda que deben informar, los cambios afectarán a los informes analógicos y digitales de manera sincronizada en lugar de operar dos horarios diferentes y cambiantes.

Si la ESMA considera que los presentadores de la Primera Onda deberían disponer de otro año para publicar divulgaciones puramente analógicas del CSRD, el mecanismo de «periodo de gracia» descrito anteriormente podría utilizarse para concederles hasta un año más para hacer sus declaraciones.

A pesar de los debates sobre el Ómnibus que ocurren en la UE, inversores y prestamistas buscan divulgaciones de sostenibilidad de alta calidad y coherentes y, según numerosas encuestas, las empresas están interesadas en proporcionarlas.

Todos en la misma situación

Creemos que es importante evitar conceder excepciones digitales especiales a ciertos compromisos, ya sea para informar más tarde o simplemente en formato analógico.

El párrafo 74 de la consulta parece eximir a las filiales o sucursales de entidades de terceros países de la información digital, lo que significa (1) que tienen la carga de la información analógica pero no el beneficio de la información digital y (2) el terreno de juego no es equitativo entre ellas y las entidades de la UE.

Las etiquetas digitales son los estándares subyacentes

Intentar variar los requisitos de informes digitales de una manera diferente a los analógicos aumenta la carga para los preparadores y reduce la utilidad para los usuarios.

No creemos que los mecanismos de implementación gradual como activar o desactivar los informes digitales por tipo de dato, regla de validación o anidamiento de etiquetas narrativas sean fáciles de entender para los preparadores ni que aporten utilidad a los usuarios de los datos digitales.

En caso de que ESMA decida seguir adelante con este tipo de gravosa fase de complementos, es esencial que las taxonomías relevantes de EFRAG se modifiquen para incluir propiedades de referencia autorizadas que indiquen qué etiquetas deben considerarse para el marcado, por qué entidades y cuándo. Los costes interpretativos que los emisores incurrirán directamente o a través de sus proveedores de servicios serán varios órdenes de magnitud superiores al coste asociado a añadir estos metadatos adicionales.

Las etiquetas digitales impulsan la IA

Un informe analógico es ambiguo:

• ¿Qué escala se ha utilizado para los números de esta tabla?

• ¿Todos los números de esta columna se han reformulado o solo dos de ellos?

• Hay muchas palabras aquí, pero ¿logró la organización más o simplemente bajó el objetivo respecto a lo que publicaron el año pasado?

Al consumir un informe analógico, una IA puede hacer la mejor suposición para ver a través de un informe analógico y responder a estas preguntas. Hoy se equivocarán en muchas de ellas.

Las etiquetas digitales eliminan las conjeturas: la IA puede dar certeza rápidamente y señalarte los hechos digitales precisos que demuestran su respuesta.

Al preparar un informe, una IA puede ordenar el texto y mejorar las respuestas. Una IA puede ayudar a los preparadores a aplicar las etiquetas digitales y algunos programas en el mercado ya utilizan IA para ayudar. Un humano sigue obligado a revisar esas etiquetas digitales sugeridas por la IA y confirmar que está satisfecho con ellas.

Al auditar un informe, una IA puede señalar inconsistencias o lagunas para que un auditor humano las investigue.

La prueba fácil para la IA

A veces la gente dice «no necesitamos etiquetas digitales porque la IA puede encontrar toda la información en todos los informes». La IA está logrando avances impresionantes en muchos campos, desde el arte, pasando por la programación, hasta el diagnóstico médico.

La prueba sencilla para saber si la IA está realmente en el nivel de calidad requerido para la preparación de divulgaciones obligatorias es comprobar si una IA puede preparar todas las etiquetas digitales en un informe de sostenibilidad o financiero sin ayuda humana y si sus decisiones superan tanto la revisión de la dirección como una posterior revisión independiente de garantías. Y haz esto repetidamente para diferentes proyectos. La IA podría llegar a este nivel en los próximos 12 meses o seguir teniendo dificultades dentro de 10 años, ninguno lo sabemos, pero la prueba parece justa. Dicho esto, incluso si estas herramientas superan esa prueba, los responsables políticos deben estar seguros de que solo existe una versión de la verdad.

En otras palabras, el objetivo ideal es que las herramientas impulsadas por IA eliminen la carga asociada al etiquetado (y, en realidad, parte del juicio asociado a la divulgación en general) dentro de la empresa. A continuación, hay una única divulgación digital autorizada (etiquetada) que respalda la dirección y en la que todos los usuarios pueden confiar.

Una vez superada esta prueba, el etiquetado digital deja de ser una carga para los preparadores, pero el etiquetado digital sigue aportando un gran beneficio a la IA:

• Las etiquetas digitales (taxonomía XBRL) ayudan a las IA a entender cómo preparar un informe digital de calidad y/o una señal para las personas de que falte información requerida.

• Los informes digitales (XBRL en línea) proporcionan respuestas inequívocas para que las IAs de los usuarios las interroguen y así proporcionen respuestas, con evidencia, a las preguntas de inversores o responsables políticos.

La buena noticia es que ya están llegando nuevas herramientas al mercado que ofrecen asistencia LLM en modo «copiloto» al personal corporativo encargado de etiquetar sus divulgaciones. Se necesitan más: aún es muy pronto y se requieren especialmente datos adicionales de entrenamiento. Fundamentalmente, una única versión de la verdad aprobada por la dirección es mucho mejor que decenas o cientos de versiones de la verdad preparadas a partir de datos no estructurados por proveedores de información y otros usuarios, cada una utilizando tecnologías de IA intensiva en energía (y cada vez más cara una vez superadas las consultas LLM subvencionadas actuales) y cada una con respuestas ligeramente diferentes.

Ecosistema saludable de software y servicios

Hay muchas más ofertas de software y servicios para crear informes digitales que hace cinco años, cuando comenzaron los informes ESEF existentes, y muchas más que cuando comenzó la notificación obligatoria de la SEC en 2009.

Creemos que nuestra certificación de software para la creación de informes de sostenibilidad ayudará a los autores de software a tener confianza en que pueden crear informes digitales con el estándar requerido. La certificación del software elevará las expectativas tanto de los preparadores, tanto de sus proveedores de software existentes como de cualquier nuevo proveedor de software que consideren utilizar.

Producir un informe en una herramienta no digital y luego utilizar una segunda herramienta (una herramienta de «etiquetado») para aplicar etiquetas digitales al informe es uno de los métodos que utilizan los preparadores en el mundo de la contabilidad financiera. Muchos de los mismos productos de etiquetado se utilizarán para el etiquetado de informes de sostenibilidad. Este es un proceso que, por su naturaleza, toma datos digitales de sistemas internos, los convierte a un formato PDF o HTML analógico y luego vuelve a aplicarles etiquetas digitales. La segunda etapa, el etiquetado, también puede ser proporcionada como un servicio externalizado por organizaciones expertas en el ámbito de la información. Algunas de estas herramientas son cada vez más sofisticadas y es posible proporcionar un etiquetado de muy alta calidad de esta manera. No transforma fundamentalmente el proceso de informe. Pero, igualmente, los costes asociados al uso de estas herramientas y servicios «externalizados» o «atornillados» son extremadamente bajos.

Una alternativa más fundamental, utilizada por muchas empresas, es el software de gestión de divulgaciones. Estas herramientas toman los datos digitales de los sistemas internos de la empresa y crean el informe digital directamente a partir de ellos (con herramientas de autoría colaborativa integradas que permiten la creación de divulgaciones narrativas o numéricas que no provienen de sistemas centrales). Al mantener los datos digitales, estas herramientas evitan los costes de tiempo de convertir a analógico y luego volver a digital. Estas herramientas pueden detectar problemas de datos más temprano en el proceso de cumplimiento. Mejoran sustancialmente los controles asociados a la preparación de informes y proporcionan a la dirección mayor confianza, menos trabajo de revisión y mucho menos esfuerzo de coordinación interna en la elaboración de sus informes. Este tipo de herramientas están realmente redefiniendo digitalmente el proceso de producción de informes y van mucho más allá de simplemente proporcionar divulgaciones etiquetadas. Tienen un precio significativamente más alto.

Ambos enfoques han demostrado funcionar bien y compensan el tiempo tomado, el coste financiero y la complejidad de auditoría según las preferencias de quienes completan sus informes digitales.

XBRL International es una organización de desarrollo de estándares y no recomendamos software específico. Sin embargo, ofrecemos un programa de certificación de software autorizado. Consulta https://software.xbrl.org/modules.html para más detalles.

Informes ilustrativos

Creemos que sería útil que ESMA respaldara varios informes ilustrativos (completados con etiquetado digital). Estos ayudarían a los preparadores y proveedores de software a entender mejor las expectativas que el texto en un RTS o un manual de archivo.

A medida que el software mejora y el conocimiento del ESRS, deberían emitirse informes ilustrativos actualizados para mostrar la nueva línea base esperada.

La auditoría también debe beneficiarse de lo digital

Así como los emisores y usuarios pueden beneficiarse de las divulgaciones digitales, también puede hacerlo la profesión de auditoría. Los datos etiquetados pueden utilizarse en todo tipo de procesos de auditoría, incluyendo:

• Automatizar el trabajo asociado con la comparación entre pares y la industria.

• Revisión del cumplimiento de los requisitos de normas contables y de sostenibilidad mediante listas automatizadas de verificación de divulgación.

• Utilizar ML, LLM y otras herramientas de IA para ayudar a identificar riesgos a los que se enfrenta un cliente específico, basándose tanto en un gran número de divulgaciones XBRL publicadas como en documentos de trabajo internos

• Utilizar la LLM y otras herramientas de IA para ayudar a identificar patrones en un borrador específico de la divulgación que puedan ser similares a los de una presentación cuestionada por un regulador o supervisor.

• Utilizar LLM y otras herramientas de IA para ayudar a la dirección a identificar las preguntas que las empresas tienen más probabilidades de recibir en una próxima llamada de inversores, basándose en un análisis de un borrador presentado.

En la UE, dependiendo del Estado miembro, las firmas de auditoría participan en una cantidad significativa de trabajo de revisión en torno a los borradores de divulgaciones del ESEF. En nuestra opinión, la profesión de auditoría está en una posición única para ayudar en la revisión independiente de las decisiones de etiquetado, incluyendo la revisión de decisiones de prórroga específicas de cada entidad.

El auditor entiende el negocio de su cliente. Entienden las normas de divulgación y (lo harán) entenderán la taxonomía relevante.

Las firmas de auditoría también están encargadas de una variedad de tareas mucho más mecánicas, lo que llamamos revisión «sintáctica». En nuestra opinión, el mercado estaría mejor servido si la garantía ESEF se limitara a la revisión de etiquetas y la representación narrativa y numérica de esas etiquetas. El trabajo sintáctico debería ser patrimonio de las propias empresas o, si no realizan esas pruebas, de los supervisores y reguladores. Estos, por su propia naturaleza, pueden estar completamente automatizados.

En nuestra opinión, ESMA y/o DG FISMA pueden lograr esto trabajando con la CEAOB y los reguladores nacionales de auditoría para agilizar la garantía ESEF y eliminar ciertos cuellos de botella (generalmente sintácticos).

Utiliza completamente las taxonomías subyacentes

La taxonomía prototipo fue una ilustración útil como parte de la consulta, pero no aprovecha lo suficiente el trabajo de EFRAG y en su lugar intenta replicar las taxonomías subyacentes dentro de la taxonomía ESMA.

Reducir el alcance de la taxonomía ESMA

El prototipo de la taxonomía ESMA recrea actualmente grandes partes de las «bases de enlaces» (relaciones) de las taxonomías subyacentes de las que depende (EFRAG ESRS Set 1, EFRAG Artículo 8). Esto es innecesario y propenso a errores para las taxonomías ESRS y del Artículo 8.

En su lugar, cualquier taxonomía de la ESMA debería ofrecer simplemente un conjunto de puntos de entrada que especifiquen las combinaciones permitidas de las taxonomías subyacentes y sus versiones. Las únicas referencias a las taxonomías subyacentes deben ser importaciones de los puntos de entrada relevantes de la taxonomía subyacente según se especifica en el paquete para dichas taxonomías.

Cada una de las tres taxonomías subyacentes se publica en diferentes momentos y con fechas de entrada en vigor distintas. Por lo tanto, poder especificar clara y rápidamente qué versiones están permitidas y en qué combinaciones para reaccionar a los requisitos del mercado es otra razón importante para simplificar la taxonomía de la ESMA.

Este cambio reduce significativamente la carga de mantenimiento de la taxonomía para ESMA y facilita la comprensión de los requisitos digitales para los desarrolladores de software.

Hemos preparado (y presentaremos, o si el sistema ESMA no lo permite, proporcionaremos directamente) una alternativa propuesta de DTS para demostrar el enfoque descrito anteriormente.

Traducciones de paquetes por separado

Para las taxonomías ESRS y del Artículo 8, la tarea de modificar las traducciones de etiquetas debería simplificarse. Podría ser en interés de EFRAG gestionar este proceso.

Existe un enfoque alternativo sugerido para gestionar las traducciones de etiquetas, de modo que permitan distribuirse como paquetes taxonómicos propios (así como incluirse con las taxonomías subyacentes) y esto significa que pueden actualizarse independientemente de las taxonomías subyacentes si surgen problemas de traducción. Estaremos encantados de hablar de esto con vuestro equipo.

RTS especifica demasiado detalle técnico

El borrador de marcado RTS en la consulta simplifica varios aspectos, lo cual es bienvenido, pero aun así especifica cómo se identifican las distintas especificaciones XBRL y sigue dedicando mucho tiempo, en lenguaje legal, a explicar los tipos de datos, las reglas de etiquetado, etc.

El RTS puede tardar dos años en actualizarse, y eso es demasiado lento cuando las taxonomías cambian con mayor frecuencia y la ESMA necesita emitir aclaraciones significativas sobre cómo deben trabajar los preparadores y sus proveedores (software, contabilidad y auditoría) dentro del marco del ESEF.

Quienes trabajan en la preparación de informes de ESEF a menudo identifican conflictos percibidos entre el RTS y el manual de presentación de ESMA, pero el RTS es legalmente vinculante y el manual de presentación no lo es.

Pon el manual de presentación en una base legal

Sugerimos que las reglas técnicas detalladas y las referencias se trasladen del RTS al manual de archivo. Para que esto sea efectivo, el RTS debe actualizarse para dar fuerza legal al manual de presentación y debe establecer el marco de gobernanza del manual y sus actualizaciones.

Haz que el bucle de retroalimentación sea más efectivo

Los actores que operan con el marco ESEF suelen identificar áreas para aclarar o corregir en el RTS y el manual de presentación existentes de ESEF, pero estas pueden tardar mucho tiempo (2 años o más) en cambiar.

Adoptar un proceso transparente (y confidencial cuando sea necesario) de notificación y revisión de incidencias, donde las partes interesadas puedan ver los problemas identificados, y luego realizar cambios en el manual de presentación (o en el RTS) ayudará a aumentar la confianza.

Reducir el tiempo entre identificar un problema y publicar una aclaración o corrección a semanas y meses también ayudará.

Por último, cuando se introducen nuevos requisitos, como una nueva versión de la taxonomía IFRS o etiquetado detallado, un proceso de publicación de borradores actualizados en el manual de presentación y de responder a los comentarios de forma oportuna con borradores actualizados conducirá a una aceptación más rápida de los requisitos actualizados y a menos problemas dentro del marco ESEF.

Punto de Acceso Único Europeo (ESAP)

El Punto de Acceso Europeo Singla (ESAP) es una gran iniciativa y damos la bienvenida a los cambios en el RTS para ordenar la denominación de EEAP a ESAP.

Damos la bienvenida a la adopción por parte de ESAP del LEI estándar internacional como identificador principal para las entidades. Como es probable que el ESAP se utilice para encontrar y verificar datos de la cadena de valor a nivel global, incluido el uso de los informes de sostenibilidad vSME, el uso del LEI maximiza la compatibilidad del ESAP y minimiza la carga para los usuarios del ESAP.

Creemos que el ESAP debe avanzar paralelamente a los cambios en el ESEF. Algunas partes de la consulta buscan alinear las fechas entre la información digital de sostenibilidad y la disponibilidad de ESAP. No hay razón para conectar los plazos de ESAP y CSRD, de hecho intentar alinearlos probablemente resultará en retrasos de ambos.

Paso a la disponibilidad estándar de la industria, 99,9%

El borrador RTS sobre ESAP sugiere una disponibilidad del 97% para los OAM, o 11 días de indisponibilidad repartidos a lo largo del año por OAM. Durante esa indisponibilidad, la gente encontrará metadatos y enlaces a informes en ESAP y entonces el enlace de descarga de un informe dado no funcionará.

Creemos que apuntar a un estándar industrial del 99,9% de disponibilidad (menos de 9 horas al año sin disponibilidad) sería más sencillo y satisfaría las necesidades del mercado.

Informe del artículo 8

La información del artículo 8 está actualmente en línea en formato analógico y la consulta trata sobre la introducción de la información digital.

En muchos aspectos, la notificación bajo el Artículo 8 será mucho más sencilla una vez que la información ESRS esté en vigor. Para un preparador, con un informe ESRS digital completado, su informe digital del artículo 8 se simplificará sustancialmente, utilizando automatización, respecto al informe ESRS, más significativo y detallado.

Por tanto, el carro está delante de los bueyes si la notificación digital del Artículo 8 comienza antes que la de la ESRS. Hasta que existan datos de referencia, la información del Artículo 8 seguirá implicando cantidades significativas de estimación, lo que limita fuertemente su utilidad para los inversores.

Taxonomía contable NIIF: etiquetado detallado

El movimiento sugerido hacia el etiquetado detallado de las notas del bloque actual y el multi-etiquetado de notas es bienvenido y, una vez realizado, lleva a ESMA a un nivel similar de etiquetado detallado que se realiza en la SEC en EE. UU. En general, apoyamos las propuestas, pero:

• En nuestra opinión, no es necesario realizar fases adicionales. El enfoque de «gemelo digital» descrito anteriormente debería funcionar: es decir, introducir la presentación digital de inmediato o con un periodo de gracia de un año.

• En nuestra opinión, la carga total podría reducirse sustancialmente, al menos de forma provisional, limitando los requisitos de etiquetado a aquellas divulgaciones cubiertas por la taxonomía NIIF.

Parece haber un error en la consulta de la página 47, donde se discute la importancia de marcar tablas en las notas de los estados financieros. Actualmente no existe una marcada de tabla de este tipo en la taxonomía NIIF ni en «dtrtype:table».

Ve directamente a etiquetado detallado

En la misma línea que nuestros comentarios anteriores sobre los plazos de informes digitales del ESRS, es mejor establecer las reglas para el etiquetado IFRS hasta el destino final, un etiquetado completo y detallado, en lugar de introducir una implementación gradual que implica múltiples cambios en el software, la práctica de auditoría y la formación.

De nuevo, un periodo de gracia aceptable y parcial de etiquetado detallado de las notas puede ayudar a tranquilizar a las entidades de que disponen de dos años para hacer el etiquetado detallado correcto en lugar de un año.

Otro aspecto que podría ayudar es exigir únicamente el etiquetado detallado de las notas en las cuentas para los elementos de la taxonomía base de las NIIF. Tras algunos años de experiencia en etiquetado detallado a este nivel, la demanda de etiquetado detallado de datos de extensión de entidades podría ser considerable, pero eso puede evaluarse cuidadosamente en su momento.

Esta separación es fácil de entender para todos: «Para los pagarés, si están en las normas financieras (NIIF), etiquétalos; si no, no hace falta etiquetarlos todavía.»

Taxonomía Contable NIIF: Personalizaciones de ESMA

ESMA tiene varias personalizaciones de la taxonomía NIIF AT (etiquetas de orientación, conceptos adicionales, etc.) que debe volver a aplicar a cada versión de la taxonomía NIIF AT que adopta para la información.

Considera dejar de modificar la taxonomía NIIF

La SEC tiene su propia taxonomía pequeña (el Identificador de Documento y Entidad o taxonomía DEI) que funciona junto tanto con la taxonomía US GAAP como con la taxonomía NIIF, ambas usadas, sin modificaciones, tanto por la SEC como por quienes declaran (añadiendo elementos de extensión de entidad según sea necesario). Esto facilita considerablemente que la SEC adopte nuevas versiones de la taxonomía NIIF que para la ESMA.

Si ESMA creara su propia mini taxonomía, cualquier cosa específica de ESMA podría incluirse en esa taxonomía (por ejemplo, «Nombre del auditor») y, si resulta beneficiosa, una versión de la taxonomía ESMA podría funcionar con varias versiones de la taxonomía IFRS.

Divulgación de información sobre titulizaciones xBRL-CSV

XBRL International ha escrito a la Autoridad Europea de Valores y Mercados (ESMA) sugiriendo que xBRL-CSV sea el formato ideal para la divulgación de información sobre titulizaciones privadas.

La consulta de la ESMA, propuso una plantilla de divulgación simplificada que utiliza el formato CSV. Su estructura tabular resulta idónea para conjuntos de datos con muchas filas de registros repetidos, lo que refleja las necesidades de la presentación de informes sobre titulizaciones privadas.

Sin embargo, XBRL International considera que el formato CSV por sí solo es insuficiente para la recopilación de datos. Como se indica en nuestra respuesta a la consulta, CSV carece de un mecanismo para definir el formato y la estructura de las tablas, lo que significa que no se pueden detectar automáticamente problemas básicos de calidad de los datos, como el uso de un separador decimal incorrecto o la presentación de valores en el orden erróneo. Esto compromete la calidad de los datos recopilados y genera una complejidad adicional, ya que es necesario desarrollar mecanismos de validación personalizados y corregir los errores manualmente.

La ESMA en su lugar, debería adoptar el formato xBRL-CSV, que ofrece a los declarantes la sencillez y la familiaridad de un formato de informe CSV, además de definiciones de datos estandarizadas que permiten validar fácilmente los informes, garantizando así la calidad de los datos y reduciendo los costes generales.

Sin estas definiciones, los recolectores de datos deben crear manuales de archivo exhaustivos para especificar cada detalle del formato CSV, un proceso que puede ser complejo y laborioso. xBRL-CSV, combinado con una taxonomía XBRL y un archivo JSON de enlace, elimina esta carga al proporcionar un marco estandarizado y legible por máquina para un intercambio de datos coherente.

En una era donde los datos digitales estructurados son fundamentales para el análisis inteligente, la IA y la automatización, los formatos estructurados son un componente esencial para una supervisión, evaluación de riesgos y monitoreo de mercado eficientes. Sin ellos, los reguladores, inversores y otras partes interesadas se enfrentarán a ineficiencias evitables, mayores cargas de procesamiento e inevitables (y en ocasiones catastróficos) errores e inconsistencias en los datos, lo que perjudicará la supervisión efectiva. xBRL-CSV es una herramienta invaluable para que reguladores como ESMA aprovechen el poder de la estructura al recopilar grandes cantidades de datos tabulares detallados.

Este trabajo propone enmiendas preliminares a las normas técnicas para introducir una plantilla simplificada de divulgación para la titulización privada. Aunque la consulta abarca áreas clave como el alcance de la información, la relevancia del campo de datos y los costes operativos que trata sobre el formato de datos para la divulgación.

Comprendiendo el atractivo de la simplicidad del formato CSV, especialmente en comparación con la complejidad relativa de XML y XML Schema, pero el CSV por sí solo es insuficiente para un formato de recopilación de datos. El CSV carece de un mecanismo para definir el formato y la estructura de las tablas, lo que significa que problemas básicos de calidad de los datos, como usar un separador decimal incorrecto o informar valores en orden incorrecto, no pueden detectarse automáticamente. Además de comprometer la calidad de los datos recopilados, esto crea en realidad complejidad, ya que es necesario desarrollar mecanismos de validación personalizados y los errores deben tratarse manualmente.

Instamos a ESMA a adoptar en su lugar xBRL-CSV, que proporciona un punto intermedio pragmático que da a los solicitantes la simplicidad de un formato de reporte CSV combinado con definiciones de datos estandarizadas que permiten validar fácilmente los informes, garantizando así la calidad de los datos y reduciendo los costes totales.

XBRL International es la organización global sin ánimo de lucro para el desarrollo de estándares responsable de XBRL. Los estándares son abiertos y con licencia libre, y se utilizan en todo el mundo para facilitar la información digital de negocios en una amplia variedad de ámbitos de reporte.

Hay un objetivo específico de interés público: mejorar la rendición de cuentas y la transparencia del rendimiento empresarial a nivel global, proporcionando un estándar abierto de intercambio de datos para la elaboración de informes empresariales. XBRL International utiliza procesos formales de elaboración de normas basados en consenso, incluyendo periodos de comentarios públicos en la preparación de nuestras especificaciones voluntarias que en conjunto conforman el estándar XBRL. Los 500+ miembros organizativos están formados por representantes de toda la cadena de suministro de información, incluyendo un número significativo de reguladores de todo el mundo. Contamos con el apoyo de 19 capítulos independientes centrados en la información digital en sus países y regiones.

Como parte de los esfuerzos de modernización, se lanzó xBRL-CSV en 2021. Proporciona una forma de expresar datos en formato CSV, manteniendo las fuertes capas de validación y definición que hacen que XBRL sea tan útil para los reguladores. Datos como los detalles de los tramos de titulización pueden gestionarse fácilmente usando este formato. Las filas repetidas son fáciles de crear en Excel u otras herramientas. Los errores y omisiones pueden detectarse tan pronto como se validen. La validación puede ser realizada por el propio filer, por el filer usando un entorno de prueba suministrado por el regulador y/o por el regulador al recibirlo. Ahora hay 3 procesadores XBRL certificados como totalmente interoperables con la especificación xBRL-CSV, incluyendo la gran mayoría de estas herramientas comerciales y de código abierto comúnmente utilizadas.

Un enfoque simplificado puede reducir la carga regulatoria sobre las entidades informantes, asegurando al mismo tiempo que la información esencial siga siendo accesible para las partes interesadas relevantes. Como se propuso en la consulta, el formato CSV parece estar orientado a facilitar la preparación y presentación de datos por las titulizaciones privadas.

Basura entra, Basura Sale

Aunque el CSV ofrece simplicidad, carece de estructura y mecanismos de validación integrados debido a la ausencia de definiciones estandarizadas y legibles por máquina. Este enfoque provocará problemas de calidad de los datos. Los errores comunes en la recopilación de datos CSV que dañan la calidad de los datos incluyen separadores inconsistentes, comas faltantes, tipos de datos incorrectos, problemas de codificación, texto sin comillas con comas o saltos de línea, cabeceras inconsistentes, valores ausentes y espacios iniciales/finales. Además, como se señala en el documento de consulta, los usuarios tendrán dificultades para procesar e interpretar la información enviada, lo que podría reducir la eficiencia y efectividad del proceso de informe.

Para garantizar la consistencia y precisión en la presentación de datos CSV, algo fundamental para la notificación y análisis regulatorio, el Repositorio ESMA deberá invertir en el desarrollo de soluciones de software CSV personalizadas para realizar validaciones. La detección de errores provoca la necesidad de contactar con las entidades informantes, aumentando significativamente la carga manual y creando un proceso repetitivo.

Dado que una cuota de mercado tan sustancial opera bajo transacciones privadas, garantizar informes estructurados y legibles por máquina es vital para mantener la transparencia, la integridad de los datos y las capacidades analíticas. Aunque entendemos, por supuesto, que los volúmenes totales de este tipo de acuerdos de reempaquetado de deuda son actualmente modestos, las necesidades de financiación de Europa en un entorno macro desafiante significan que acelerar y expandir la titulización en una amplia gama de clases de activos debería ser una prioridad política. Contar con el marco regulatorio necesario y estos sencillos acuerdos de reporte en marcha es un precursor necesario de esta expansión.

En una era en la que los datos digitales estructurados son fundamentales para la analítica inteligente, la IA y la automatización, aprovechar los formatos estructurados es un requisito previo para una supervisión eficiente, evaluación de riesgos y monitorización del mercado. Sin un formato estructurado, reguladores, inversores y otros interesados se enfrentarán a ineficiencias evitables, mayores cargas de procesamiento y errores e inconsistencias inevitables (y ocasionalmente catastróficas) de datos, que perjudicarán la supervisión efectiva.

Por ello, la adopción de xBRL-CSV es apremiante, utiliza el formato CSV eficiente, sencillo y ampliamente soportado, incorporando la validación estructurada y el enfoque basado en la taxonomía de XBRL. xBRL-CSV mantiene la naturaleza familiar de CSV, lo que lo hace muy adecuado para conjuntos de datos con muchas filas de registros repetitivos. Esto se alinea bien con las necesidades de datos estructurados de la información privada de titulización.

xBRL-CSV

En ausencia de definiciones estandarizadas y estructuradas, los recopiladores de datos deben crear manuales de archivo exhaustivos para especificar cada detalle del formato CSV, como la elección de separadores, tipos de datos, representación decimal y requisitos de filas de cabecera. Este proceso puede ser complejo y laborioso. xBRLCSV, combinado con una taxonomía XBRL y un archivo de enlace JSON puente, elimina esta carga al proporcionar un marco estandarizado y legible por máquina que define estos aspectos de forma consistente, asegurando claridad, interoperabilidad y automatización en el intercambio de datos.

La taxonomía XBRL actúa como un gemelo digital de los requisitos de reporte en el Reglamento delegado, definiendo conceptos de reporte, metadatos y reglas de validación.

La eficiencia xBRL-CSV se logra mediante un mecanismo flexible de definición de metadatos basado en JSON, que permite adaptar el formato de las tablas CSV a requisitos específicos de informes. Los metadatos JSON asignan significado a cada columna vinculándola a conceptos XBRL. Esto puede ser definido por el recopilador de datos, permitiendo a los filers centrarse en crear tablas de datos CSV. Cada dato en los datos CSV está vinculado a sus definiciones, metadatos y reglas de validación.

Los solicitantes pueden elegir uno de los siguientes enfoques para la preparación de archivos CSV.

a) Los pequeños filers pueden usar herramientas básicas como Excel u aplicaciones similares de hojas de cálculo para generar archivos CSV para informes.

b) Los filers más grandes, que envían informes con frecuencia y gestionan volúmenes de datos mayores, preferirán un flujo de trabajo de generación más eficiente y automatizado. Integrarán cualquiera de los procesadores XBRL disponibles en su proceso interno de generación de informes para validar sus archivos CSV antes de enviarlos.

El organismo recopilador puede establecer un flujo de trabajo de validación que notifique a los presentadores sobre los problemas, asegurando que se resuelvan antes de la presentación final. Cualquier error puede identificarse y corregirse en el lado del presentador, asegurando una presentación limpia y de alta calidad. Los Repositorios de Titulización pueden utilizar procesadores XBRL comerciales para validar datos XBRL-CSV, ofreciendo una alternativa más eficiente y rentable al desarrollo de software de validación CSV personalizado. Este enfoque bien entendido ahorra tiempo a los declarantes que atienden preguntas del regulador, minimiza la necesidad de comunicación repetida y, por tanto, reduce costes y tiempos de procesamiento para el organismo recopilador.

Alineación con los objetivos de ESMA

El Documento de Consulta de la ESMA subraya la necesidad de una plantilla simplificada de divulgación para las titulizaciones privadas, con el fin de mejorar la proporcionalidad en el intercambio de información, garantizando al mismo tiempo que las autoridades supervisoras mantengan el acceso a datos esenciales.

La adopción de xBRL-CSV apoya directamente este objetivo al proporcionar un formato eficiente y capaz de transmitir datos complejos y granulares de forma sucinta. La alternativa actualmente propuesta de «CSV simple» implicará un desarrollo personalizado extenso y continuo para revisión y validación, o significará que estas presentaciones no serán utilizables.

Conclusión

Principales beneficios de usar xBRL-CSV para la información privada de titulización

1. Estructura de datos y validación: A diferencia del CSV simple, xBRL-CSV garantiza la validación de datos estructurados, reduciendo errores y mejorando la calidad de los datos.

2. Legibilidad y automatización por máquina: Permite el procesamiento automatizado de datos para reguladores y partes interesadas, simplificando la analítica y la evaluación de riesgos.

3. Escalabilidad y compatibilidad: Mantiene la simplicidad de CSV asegurando la integración con taxonomías XBRL, haciéndolo a prueba de futuro y adaptable sin necesidad de código personalizado.

Integrar xBRL-CSV en el marco de informes para titulizaciones privadas ofrece una solución práctica que aborda los desafíos identificados por la ESMA. Su implementación agilizaría el proceso de informes y mejoraría la calidad y accesibilidad de los datos para todas las partes interesadas.

Trasparencia en el mundo de las criptomonedas

La comisionada de la SEC (Comisión de Bolsa y Valores de Estados Unidos), ha abierto un espacio para la participación ciudadana en la regulación de las criptomonedas. Ella señala que la actual “falta de claridad regulatoria ha fomentado un entorno en el que los bromistas y los ladrones prosperan, mientras que los proyectos de criptomonedas legítimos tienen dificultades.

El Grupo de Trabajo sobre Criptomonedas de la SEC está lidiando con problemas de clasificación, cuestionando qué hace que un criptoactivo sea un valor, cómo debe manejarse la tokenización y si un enfoque de puerto seguro podría funcionar. Se espera una «taxonomía» que aporte claridad a los participantes del mercado sin dejar de cumplir con la legislación vigente sobre valores.  

Esto se produce tras el reciente cambio de postura de la SEC, que incluye la derogación de la norma SAB 121, la cual exigía a los bancos reportar las tenencias de criptomonedas de sus clientes como pasivos, lo que implicaba la necesidad de un activo equivalente. Como informamos a principios de este mes, la norma SAB 122 revirtió dicha decisión, allanando el camino para que los bancos estadounidenses ofrezcan servicios de custodia de criptomonedas. Ahora, con un grupo de trabajo dedicado al caso, la SEC está profundizando en estas cuestiones regulatorias relacionadas con los activos digitales.

La regulación de las criptomonedas es un asunto de alto riesgo, que busca el equilibrio entre la innovación y la protección del inversor. Un marco claro y estructurado, en lugar de una aplicación reactiva de la ley, podría ser un paso adelante.

El Grupo de Trabajo está empeñado en desbloquear la situación con otros expertos dedicados de toda la Comisión. El documento invita a participar planteando algunas de las preguntas que el Grupo de Trabajo está analizando. El Grupo de Trabajo está considerando activamente soluciones a muchos de los problemas presentados. Sin embargo, su participación puede ser de gran ayuda en este proceso.

Habrá preguntas teniendo en mente una posible taxonomía:

  • En primer lugar, los criptoactivos que son valores porque tienen las características intrínsecas de los valores;
  • En segundo lugar, los criptoactivos que se ofrecen y venden como parte de un contrato de inversión, que es un valor, aunque el criptoactivo en sí mismo no sea un valor;
  • En tercer lugar, los valores tokenizados; y
  • Por último, están todos los demás criptoactivos, que en mi opinión no son valores y que actualmente constituyen la categoría más grande.

Se buscan soluciones creativas que se ajusten al marco legal de la Comisión. La misión de la Comisión, que consta de tres partes, guiará el trabajo: 1) proteger a los inversores, 2) mantener mercados justos, ordenados y eficientes, y 3) facilitar la formación de capital. Dado que se espera avanzar rápidamente y para fomentar un debate dinámico entre los participantes, se aceptan comentarios en cualquier momento. Se planeamos seguir avanzando mientras tanto, por lo que cuanto antes recibamos sus comentarios, más probabilidades habrá de que influyan en las opciones a considerar.

Finalmente, mientras el Grupo de Trabajo aborda los temas que se detallan a continuación, la Comisión continúa sus esfuerzos sin cesar para combatir el fraude relacionado con valores, incluidos los criptoactivos que son valores o que se ofrecieron y vendieron como parte de un contrato de inversión, y los valores tokenizados.

Estado de seguridad

La tecnología blockchain ha dado lugar a nuevos activos que dependen de protocolos criptográficos para su existencia («criptoactivos»). Los participantes del mercado han manifestado un deseo razonable de determinar con facilidad si dicho activo es un valor o si se ofrece o vende como parte de un contrato de inversión. Cuando los criptoactivos se venden junto con promesas de trabajo futuro para desarrollar el ecosistema dentro del cual operan, analizarlos según la prueba de contrato de inversión de Howey puede resultar difícil. Los participantes del mercado han expresado su preocupación de que la prueba de Howey, tal como la ha aplicado la Comisión, sea un análisis complejo que puede ser difícil de aplicar de manera consistente. Uno de los objetivos del Grupo de Trabajo es facilitar a los inversores, participantes del mercado y a la Comisión la categorización de los criptoactivos y las transacciones de criptoactivos.

Ciertos criptoactivos se utilizan en diversas funciones inherentes al funcionamiento de una red blockchain, como la minería o el staking como parte de un mecanismo de consenso o para asegurar la red, validar transacciones u otras actividades relacionadas, y pagar comisiones por transacciones u otras tarifas. Estas funciones tecnológicas pueden realizarse de forma directa o indirecta, por ejemplo, a través de proveedores de servicios externos.

Los usuarios de aplicaciones de staking líquido reciben un token denominado «token de staking líquido». Este token representa su criptoactivo apostado y puede utilizarse en otras actividades, sin dejar de participar en el protocolo de prueba de participación.

Explorando

La Comisión podría brindar mayor claridad a los inversores y otros participantes del mercado al identificar categorías de criptoactivos (y transacciones) que no entran dentro de su jurisdicción. En algunos casos, este tipo de criptoactivos podrían estar bajo la jurisdicción de otro regulador. Para determinar qué queda fuera de la jurisdicción de la Comisión, esta debería considerar la realidad económica de lo que se ofrece o vende. El simple hecho de decir que algo no es un valor no significa que no lo sea.

Ofertas públicas

Quienes han realizado o intentado realizar ofertas de tokens registradas o cualificadas han expresado su frustración por el coste y la viabilidad del registro. Los tokens y sus emisores pueden diferir significativamente en algunos aspectos de los valores tradicionales y sus emisores. Permitir que los emisores de tokens utilicen regímenes de registro adaptados a sus necesidades podría proteger mejor a los inversores que exigirles que utilicen formularios y mecanismos de registro diseñados para otros tipos de ofertas de valores.

Puerto seguro para el registro

Anteriormente la Comisión consideró la implementación de un puerto seguro no exclusivo —denominado provisionalmente Regla 195— que, entre otras cosas, otorgaría una exención temporal de los requisitos de registro conforme a la Ley de Valores para las ofertas y ventas de criptoactivos durante el desarrollo de un proyecto de blockchain. [6] Mi motivación para sugerir dicho puerto seguro fue mejorar y fomentar la divulgación y brindar a los desarrolladores de redes un período de gracia dentro del cual, bajo ciertas condiciones, pueden facilitar una amplia participación y el desarrollo de una red funcional o descentralizada. Al final del plazo del puerto seguro, las transacciones de tokens podrían no ser transacciones de valores si la red hubiera madurado hasta convertirse en una red descentralizada o funcional que no dependa de una sola persona o grupo para llevar a cabo las actividades esenciales de gestión o emprendimiento. El puerto seguro, que incluiría divulgaciones adaptadas sujetas a las disposiciones antifraude de las leyes federales de valores, tiene como objetivo responder a la preocupación de que los requisitos de divulgación conforme a las leyes federales de valores aplicables al registro y las declaraciones de oferta, así como a la presentación de informes continuos, no están adaptados a los proyectos de blockchain y los criptoactivos. Para que quede claro, cualquier medida de protección que recomiende el Grupo de Trabajo no ofrecerá amparo a los autores de fraudes de valores.

Al expirar el período de protección previsto, si la red estuviera suficientemente descentralizada o fuera funcional, no sería necesario registrar los tokens. Si la descentralización se utiliza como indicador de la madurez de la red, ¿debería la Comisión definir umbrales cuantitativos objetivos (como porcentajes de propiedad y control) para brindar mayor claridad a los emisores, desarrolladores o acuñadores de tokens sobre si sus redes y protocolos están suficientemente descentralizados y permitir que terceros verifiquen dicha descentralización?

Comercio

La negociación de criptoactivos en el mercado secundario plantea diversas cuestiones, algunas de las cuales podrían estar dentro de la competencia de la Comisión. La competencia de la Comisión en los mercados secundarios generalmente se limita a los activos que, por sus propiedades o derechos económicos intrínsecos, constituyen valores. Por lo tanto, debemos abordar la forma de regular las plataformas y los participantes del mercado que negocian valores junto con otros activos.

Los mercados de criptomonedas son inherentemente transparentes porque utilizan datos de código abierto, desde cadenas de bloques públicas hasta interfaces de programación de aplicaciones (API) abiertas.

Custodia

Los participantes del mercado tienen preguntas generales y específicas sobre los requisitos de custodia para las entidades reguladas por la Comisión (corredores de bolsa, asesores de inversión y sociedades de inversión), incluyendo si los requisitos actuales son suficientes para la custodia de criptoactivos. El Grupo de Trabajo busca respuestas a estas preguntas para que las personas y organizaciones puedan custodiar los criptoactivos de sus clientes de forma segura, legal y práctica, ya sea directamente o a través de un tercero.

Préstamos de criptomonedas

Las plataformas de criptomonedas pueden ofrecer servicios de custodia y no custodia mediante los cuales las personas pueden prestar sus criptoactivos a cambio de intereses. Los conceptos de préstamos de criptomonedas son muy diversos y desafían muchas nociones tradicionales de los productos financieros. Agradecería cualquier comentario que tengan sobre estos diversos productos para garantizar que la Comisión los comprenda adecuadamente.

Productos cotizados en bolsa de criptomonedas (“ETP”)

La Sección 6(b)(5) de la Ley de Bolsas exige que las normas de una bolsa estén diseñadas para prevenir actos y prácticas fraudulentas y manipuladoras. Al revisar las solicitudes de cotización de ETP basados ​​en criptoactivos, la Comisión ha considerado previamente si la bolsa cuenta con un acuerdo integral de intercambio de información de vigilancia (SSA) con un mercado regulado de tamaño significativo relacionado con los activos subyacentes o de referencia.

Valores tokenizados

Crear una representación digital de un valor en una cadena de bloques o emitir un valor directamente en ella no altera su esencia, pero puede beneficiar a emisores e inversores. Además, el uso de una base de datos basada en cadena de bloques puede ser más seguro en algunos aspectos que el uso de una base de datos centralizada con un único punto de fallo. La tokenización también puede generar riesgos y desafíos específicos.

Revisión de los informes ESRS

La propuesta ómnibus de simplificación de la Comisión Europea, de aprobarse, transformará la presentación de informes de sostenibilidad en todo el continente, reduciendo el número de empresas privadas obligadas a cumplir con las Normas Europeas de Información sobre Sostenibilidad (ESRS) y simplificando al mismo tiempo la divulgación de la información. Los mecanismos de aseguramiento se modificarán, quizás se simplifiquen. Ahora habrá menos empresas sujetas a la presentación de informes obligatorios, y las que permanezcan en ellos se enfrentarán a un ESRS más ágil y específico; pero esto no exime de responsabilidad.

Los umbrales de notificación cambiarán. Anteriormente, las empresas privadas con más de 250 empleados debían notificar. Ahora, solo se propone que permanezcan en el ámbito de aplicación aquellas con más de 1000 empleados y una facturación de 50 millones de euros o un patrimonio total de 25 millones de euros. La propuesta de la Comisión Europea estima que esto eximirá a cerca del 80 % de las empresas que antes estaban sujetas a la normativa, incluidas las pymes cotizadas, que ya no estarán obligadas a notificar. Las empresas más pequeñas aún pueden acogerse voluntariamente al nuevo marco para las pymes.

Todos estos cambios afectan a la «Segunda Ola» y a los informantes posteriores; las grandes entidades cotizadas ya están presentando informes, aunque todavía no de forma digital. Como era de esperar, las fechas de implementación se pospondrán una vez más.

Parece que se están proponiendo cambios relativamente significativos en el marco de aseguramiento, y los documentos generales sugieren que habrá modificaciones en los mecanismos de aseguramiento para «reducir el riesgo de que los proveedores de servicios de aseguramiento incentiven inadvertidamente a las empresas a comunicar información innecesaria o a dedicar recursos excesivos al proceso de evaluación de la materialidad». Además, la CE ya no tiene intención de pasar del nivel de «aseguramiento limitado» al de «aseguramiento razonable», lo que generará un amplio debate entre los usuarios y los emisores.

Todas las empresas que presenten informes se verán afectadas por otro conjunto clave de propuestas del Proyecto de Ley Ómnibus: la simplificación significativa de las propias Normas de Información Ambiental y Social (EIAS). Las normas que se revisarán «rápidamente» incluirán:

  • eliminar aquellas divulgaciones consideradas menos importantes para los informes de sostenibilidad de propósito general,
  • priorizar las divulgaciones cuantitativas sobre el texto narrativo
  • Además, se distingue entre la divulgación obligatoria y la voluntaria, “sin menoscabar la interoperabilidad con los estándares de información globales”.
  • Eliminar el plan de normas ESRS específicas para cada sector, de modo que no existan normas adicionales separadas para industrias específicas.

La Comisión Europea pretende que las Normas de Sostenibilidad Ambiental y Social (ESRS) revisadas prioricen la alineación con los marcos globales, incluidos el ISSB y el GRI, reduciendo así la carga de presentación de informes para las empresas multinacionales que operan bajo múltiples normas de sostenibilidad.

El mensaje parece bastante claro: la presentación de informes de sostenibilidad debe simplificarse, no ser opcional. Los cambios reflejan un impulso político para reducir la carga administrativa, manteniendo al mismo tiempo datos de sostenibilidad significativos y estructurados en manos de inversores y reguladores. Para las empresas que siguen estando incluidas en el ámbito de aplicación, el ESRS revisado sigue exigiendo transparencia, rendición de cuentas y comparabilidad; o al menos esa es la intención de la Comisión Europea. Es importante recordar que aún queda un complejo proceso de negociaciones con el Parlamento Europeo y los Estados miembros.

En XBRL International seguimos muy centrados en (a) las perspectivas excesivamente optimistas sobre la capacidad de la IA para consumir y analizar información no estructurada, y (b) la importancia de la información digital para la competitividad económica y la relevancia en el mercado.

La UE debe digitalizarse.

Bruselas se encuentra inmersa en un complejo debate político integral sobre la forma, el alcance y la magnitud de los requisitos de información sobre sostenibilidad. Independientemente del resultado, en XBRL International opinamos que, para que los mercados de la UE sigan siendo relevantes y competitivos, es necesario que la UE adopte plenamente la información digital.

XBRL International ha elaborado un documento informativo sobre la consulta de la Autoridad Europea de Valores y Mercados (ESMA) relativa a sus planes para la digitalización de los informes de sostenibilidad y la ampliación de la información financiera. Animamos a las partes interesadas a que aporten sus comentarios antes del 31 de marzo.

En nuestra opinión, en la era digital es vital que los reguladores:

  • Prioriza lo digital: Inline XBRL debe ser la única versión autorizada de los informes, utilizable tanto por personas como por máquinas. Esto requiere una visión clara.
  • Simplificar el cronograma: La presentación de informes digitales debería implementarse tan pronto como la ley lo exija, sin demoras innecesarias. Un breve período voluntario podría facilitar la transición, pero el enfoque gradual propuesto por la ESMA es demasiado complejo.
  • Priorice la calidad de los datos. Los reguladores deben respaldar la calidad mediante mecanismos de retroalimentación eficaces: aplicación inteligente de la ley, transparencia y orientación, no una burocracia excesiva. Las empresas deben pasar de una mentalidad basada en papel a una digital.
  • Replantear la carga: La verdadera carga de trabajo en la elaboración de informes no reside en el etiquetado, sino en la obtención, consolidación y aprobación de enormes cantidades de datos. En comparación, el etiquetado digital solo añade una pequeña cantidad de trabajo adicional, pero facilita la localización y utilidad de los informes. La UE está años por detrás de EE. UU. y Japón (y muchos otros países) en este aspecto.

La nota informativa ofrece un análisis más detallado y varias recomendaciones, incluyendo reflexiones iniciales sobre nuestra respuesta formal a la ESMA.

Esto no se limita a Europa. Este enfoque de la información digital es importante a nivel mundial. Abogamos por políticas más sencillas y claras, no por un sistema excesivamente técnico y complejo.

La Comisión Europea ya está avanzando con la presentación de informes digitales, como se comprobó con la Brújula de la Competitividad. Las próximas Enmiendas Ómnibus podrían ajustar el alcance de la Directiva sobre Informes de Sostenibilidad Corporativa (CSRD) y facilitar la presentación de informes a las entidades más pequeñas. La ESMA debería alinear la información digital con la legislación sobre divulgación de información, ni más ni menos.

Nuevo estándar global para las firmas digitales

Los informes corporativos proporcionan información vital sobre el desempeño empresarial, influyendo en una amplia gama de decisiones de inversores, reguladores, acreedores, clientes y otras partes interesadas. Estos informes pueden tener un impacto enorme en el valor y la reputación de una organización. Es fundamental que los usuarios confíen plenamente en su integridad, con la certeza de que los datos corporativos son fiables y los informes de auditoría son auténticos.

Actualmente, quienes acceden a la información financiera suelen carecer de una conexión verificable entre un informe regulatorio y su emisor o auditor. Históricamente, esta conexión se basa en afirmaciones de la empresa. Los usuarios deben aceptar los informes con confianza, lo que puede dar lugar a manipulación por parte de agentes malintencionados y a la desconfianza de los usuarios. Para abordar este problema, existe una creciente necesidad de establecer un mayor nivel de confianza digital en la información corporativa.

Si bien podríamos considerar razonablemente que el riesgo de que la gerencia manipule un informe de auditoría antes de presentarlo al regulador es remoto, tales incidentes, aunque poco frecuentes, pueden tener un impacto significativo. Además, con el auge de la digitalización en todos los ámbitos de la vida, aumenta la preocupación por la ciberseguridad. El riesgo de que un informe corporativo (o un informe de auditoría relacionado) sea manipulado por un ciberdelincuente también es relativamente bajo, pero está aumentando a medida que la ciberdelincuencia se vuelve más sofisticada. El impacto de las acciones de un ciberdelincuente, tanto en términos de pérdidas potenciales para el emisor como en la confianza general en un mercado regulado, podría ser extremadamente grave. Por lo tanto, es hora de que los reguladores y los responsables políticos consideren medidas de protección adicionales.

Dado que la presentación de informes digitales es ahora la norma en la gran mayoría de los principales mercados, se requiere una solución digital para mitigar el riesgo de que se vea afectada la confianza en la información divulgada a los reguladores y las bolsas. En un mundo donde la información se intercambia y utiliza a escala global, necesitamos un estándar global de autenticación. Y a medida que la presentación de informes se vuelve más compleja y diversa —incluyendo, por ejemplo, la información sobre sostenibilidad junto con los estados financieros—, un enfoque detallado de la autenticación cobra cada vez más importancia.

La necesidad de confianza digital

La necesidad de un enfoque digital para generar confianza en la información corporativa es acuciante a nivel mundial, tanto para desalentar como para detectar el fraude, así como para garantizar la confianza de los usuarios. Los ejemplos que se presentan a continuación ilustran cómo puede producirse el fraude; si bien provienen de Estados Unidos, se pueden encontrar casos similares en otras jurisdicciones. En definitiva, es fundamental prevenir las actividades fraudulentas desde el principio, lo que requiere una conexión más sólida y fiable entre los informes, los emisores y los auditores.

Dos ejemplos de fraude descubiertos por la Comisión de Bolsa y Valores de Estados Unidos (SEC):

1. La SEC anunció que el 6 de agosto de 2001, Mark S. Jakob había sido sentenciado a 44 meses de prisión por el engaño de las acciones de Emulex y su papel en la difusión de un comunicado de prensa falso que causó estragos en el precio de las acciones de Emulex.

El Sr. Jakob se enfrentaba a una pérdida de casi 100.000 dólares como resultado de la venta en corto de acciones de Emulex Corporation y redactó el comunicado falso en un intento por encubrir sus pérdidas. El comunicado de prensa parecía provenir de Emulex y afirmaba falsamente que la SEC estaba investigando a Emulex, que el director ejecutivo de la compañía había dimitido y que la compañía estaba revisando y reduciendo sus ganancias del trimestre anterior. Al día siguiente, el 25 de agosto de 2000, varios medios de comunicación republicaron el comunicado de prensa. En un período de 16 minutos tras la republicación del comunicado falso, se negociaron 2,3 millones de acciones de Emulex y el precio se desplomó casi 61 dólares, de 103,94 a 43 dólares, lo que provocó que Emulex perdiera 2.200 millones de dólares en capitalización bursátil. Tras la suspensión temporal de la cotización por parte de Nasdaq, Emulex reanudó sus operaciones ese mismo día, una vez descubierto el engaño, y el precio se recuperó hasta cerrar en 105,75 dólares.

2. El 26 de enero de 2010, la SEC interpuso una demanda civil de interdicto contra Tsukuda-América Inc., una corporación de Indiana, y el Sr. John W. Petros, alegando fraude en relación con una oferta de acciones comunes de Tsukuda por valor de 600.000 dólares. Petros, único funcionario, director y accionista de Tsukuda, preparó y presentó la declaración de registro S-1 de Tsukuda para la oferta, la cual contenía declaraciones falsas y engañosas, así como documentos falsificados.

La declaración de registro de Tsukuda contenía un informe de auditoría falsificado, identificaba falsamente a una empresa agente de transferencia de acciones como agente de transferencia de Tsukuda, incluía una opinión legal y un informe geológico falsos, así como consentimientos simulados de un abogado y un geólogo que no existen, y contenía información financiera ficticia.

Ambos ejemplos reales ocurrieron hace algún tiempo, lo que quizás sea una muestra del trabajo realizado por los reguladores en materia de autenticación. Sin embargo, no es difícil imaginar que fraudes de este tipo, potenciados por las convincentes invenciones de los grandes modelos de lenguaje, podrían perpetrarse hoy a gran escala en todo tipo de mercados, y que los riesgos relacionados con el cibercrimen y la inteligencia artificial están aumentando.

Los distintos marcos regulatorios a nivel mundial han adoptado enfoques diferentes para autenticar informes. Algunos reguladores emplean medidas de seguridad mínimas, mientras que otros mantienen sistemas complejos y multicapa. Varios países han implementado la vinculación entre informes de auditoría y estados financieros mediante firmas digitales de Adobe. Sin embargo, es necesario replantearse este enfoque, dado que la presentación de informes se está digitalizando. La adopción generalizada de Inline XBRL, que ofrece la enorme ventaja de permitir la lectura de informes por ordenador, también implica que depender de mecanismos de firma en formato PDF ya no es viable. El mundo necesita un estándar internacional para la firma de informes digitales elaborados en XBRL.

Las firmas digitales, aplicadas de forma estandarizada, ofrecen la solución probada que necesitan los reguladores. Proporcionan una prueba verificable de que un documento fue firmado por la persona indicada, garantizando la no repudiación legal y la certeza de que no ha sido manipulado. Los casos mencionados ilustran la capacidad de personas malintencionadas para falsificar información. El uso de firmas digitales podría asegurar que solo un directivo legítimo de la empresa pueda firmar un comunicado de prensa, solo un auditor pueda firmar un informe de auditoría, etc., estableciendo un vínculo claro y rastreable con cada firmante. Es muy probable que las firmas digitales hubieran evitado estos casos de fraude o, al menos, hubieran permitido su detección en el momento de la presentación de la documentación.

Un nuevo estándar global para firmas digitales

El Grupo de Trabajo sobre Firmas Digitales en XBRL, o D6WG (sí, sabemos que no se nos da bien poner nombres), reúne a expertos de varios países. Se creó para abordar la necesidad global de generar confianza en los informes digitales basados ​​en XBRL. El grupo tiene como objetivo proporcionar un enfoque estandarizado para la aplicación de firmas digitales a los informes XBRL.

El uso de firmas digitales ofrece la no repudiación, la autenticación y la integridad esenciales en el contexto de la información digital. Durante muchos años, XBRL International no incluyó un estándar de firma digital en su hoja de ruta, ya que se consideraba que existían demasiadas soluciones nacionales, a menudo regidas por legislación propia de cada jurisdicción. Sin embargo, los riesgos cibernéticos están aumentando, y la incorporación de requisitos de garantía específicos para las decisiones de etiquetado Inline XBRL en la UE y otros países ha puesto esta cuestión en primer plano.

El objetivo del D6WG no es crear una nueva tecnología de firma digital. Ya existen numerosas tecnologías, incluidas algunas que son obligatorias por ley a nivel nacional o regional. Más bien, el D6WG busca desarrollar enfoques coherentes para aplicar estas tecnologías de firma existentes a los informes XBRL.

¿Qué son exactamente las firmas digitales y qué beneficios ofrecen? En esencia, una firma digital criptográfica proporciona una prueba verificable de que un documento fue firmado por el firmante declarado, utilizando pares de claves. El firmante conserva una clave privada y pública o pone a disposición una clave pública de forma controlada. Gracias a los procesos de verificación que intervienen en la emisión de estos pares de claves, las firmas digitales demuestran la identidad de la persona que firma el documento al probar que posee una clave privada específica.

En otras palabras, si firmo un documento con mi clave privada, puedes tener la seguridad de que fui yo quien lo hizo, ya que puedes verificar mi firma con mi clave pública.

El proceso de firma digital toma como entrada el documento y la clave privada, generando un número muy grande que constituye la firma. Cualquier persona que posea el documento y la clave pública puede verificar la validez de la firma, es decir, que se creó utilizando la clave privada correspondiente a partir del mismo documento. Si el documento ha sufrido alguna modificación, el proceso de verificación fallará. Cualquier persona con la clave pública puede comprobar una firma digital, pero para crear una nueva firma se requiere la clave privada. Estos procesos básicos tienen 50 años de antigüedad y son la base del funcionamiento de internet, los cajeros automáticos y las aplicaciones bancarias, así como de muchos otros sistemas.

Al aplicar esta tecnología a XBRL, el estándar D6 propuesto permitirá a empresas, auditores, reguladores y otras partes interesadas confirmar sus aprobaciones sobre un informe de forma digital y permanente. Al ser neutral respecto al tipo de firma digital utilizada, se adapta a diversos requisitos comerciales y regulatorios. Una característica fundamental del estándar es que las firmas se invalidan si se realizan modificaciones posteriores al documento. Esto garantiza la integridad de los datos y facilita su trazabilidad, permitiendo a los usuarios rastrear el origen y el historial de la información reportada. Esto, a su vez, mejora la transparencia y la rendición de cuentas en los informes corporativos.

Otra ventaja del nuevo estándar reside en su granularidad. Permite múltiples firmas, vinculando cada una a la totalidad o a una parte de un informe XBRL. Una firma digital puede aplicarse al documento completo, a una sección, a una tabla o incluso a un dato específico. Las firmas en Inline XBRL pueden aplicarse a partes del documento legible, a datos específicos etiquetados digitalmente o a una combinación de ambos. Esta granularidad posibilita aprobaciones por niveles, donde todas las partes interesadas pertinentes aprueban las partes correspondientes del informe.

Por ejemplo, el director ejecutivo de una empresa puede firmar el informe anual completo, mientras que el director financiero y el auditor firman el informe financiero, una empresa especializada firma la sección de sostenibilidad, el secretario de la empresa firma el comunicado de resultados y el organismo regulador indica que recibió la copia firmada digitalmente en una fecha y hora específicas. Esto garantiza la no repudiación, dificultando que cualquiera de las partes niegue su participación. Además, deja claro dónde residen exactamente los límites de responsabilidad para cada sección de un informe complejo y permite que cada firmante solo atribuya el contenido específico que ha producido o auditado.

El primer resultado del D6WG fue un documento de requisitos que describe los criterios necesarios para implementar firmas digitales en informes XBRL. Posteriormente, se elaboró ​​una nueva especificación XBRL, actualmente disponible como borrador de recomendación. Una de las preguntas que abordó el grupo de trabajo fue dónde deberían ubicarse las firmas digitales. La especificación permite almacenar las firmas dentro de un paquete de informe XBRL, de manera que se conserven de forma segura junto con los archivos del informe y se conecten a ellos, sin modificar los archivos en sí.

Además, la especificación permite el uso de firmas digitales basadas en la emisión controlada de certificados digitales. Esto requiere una infraestructura de clave pública (PKI) para emitir dichos certificados. La PKI verifica la identidad de las personas que los reciben (específicamente, pares de claves pública/privada), asegurando que sean quienes dicen ser. Normalmente, esto implica la presentación de un documento de identidad, como un pasaporte o un permiso de conducir, junto con diversa documentación justificativa. De este modo, la firma digital no solo demuestra que el firmante poseía una clave específica, sino también que dicha clave pertenece a una persona o entidad verificada.

En este contexto, se espera que el lanzamiento del LEI verificable (vLEI) por parte de la Fundación Global de Identificadores de Entidades Jurídicas (GLEIF) represente un avance significativo para facilitar la adopción global de la prueba de identidad digital en transacciones corporativas de todo tipo, incluyendo la presentación de informes corporativos. El LEI es un identificador de entidad jurídica consolidado que utilizan empresas de todo el mundo para identificarse, incluso en muchos sistemas de informes XBRL existentes. El vLEI es su contraparte digital, diseñado para la autenticación y verificación digital. Proporciona un mecanismo para vincular las claves privadas al LEI, a través de roles corporativos específicos. El vLEI está diseñado para permitir la prueba digital de que una persona específica desempeña un rol específico en nombre de una entidad jurídica específica, en un momento específico.

El uso de claves privadas vinculadas a un identificador como el vLEI permite garantizar que el documento fue creado por sus autores, auditado por los auditores designados y no ha sido modificado posteriormente. Además de facilitar la trazabilidad, este concepto de «no repudio» asegura que el firmante no pueda negar su participación, ya que la clave privada y la firma pueden verificarse. La única alegación que podría presentar es que su clave privada fue robada o accedida por otra persona, algo cada vez más difícil con la aplicación de medidas de ciberseguridad adecuadas.

Cómo frenar el fraude de raíz

Analicemos un ejemplo reciente donde las firmas digitales habrían resuelto preguntas clave y habrían tenido consecuencias muy diferentes. Un informe de 2023 generó serias preocupaciones sobre Tingo Group, una empresa que presentó una solicitud ante la SEC. Hindenburg Research declaró que apostaba a la baja contra Tingo Group porque consideraba que la empresa era una estafa evidente con estados financieros falsificados. El informe también destacó que los estados financieros presentados por Tingo Group estaban plagados de errores.

Según la SEC, el formulario 10-K de Tingo Group correspondiente al ejercicio fiscal 2022, presentado en marzo de 2023, reportaba un saldo de efectivo y equivalentes de efectivo de 461,7 millones de dólares en las cuentas bancarias nigerianas de su filial Tingo Mobile. En realidad, esas mismas cuentas bancarias tenían un saldo combinado inferior a 50 dólares al cierre del ejercicio fiscal.

Lo que hace que esta situación sea aún más intrigante es que el informe financiero fue auditado y los auditores emitieron una opinión favorable a Tingo Group. Hindenburg Research planteó dudas sobre si los auditores realizaron una auditoría exhaustiva.

Esto plantea dos preguntas importantes: ¿Fue realmente auditado el informe por los auditores que aparentemente afirmaron haberlo hecho? Si fue auditado, ¿era el documento que vieron los auditores el mismo que se presentó ante la SEC, o se modificó el informe después de la auditoría? Las firmas digitales podrían responder a estas preguntas sin esfuerzo. Habrían sido invaluables para verificar la autenticidad e integridad del informe financiero y de sus auditores.

Además, la integración del estándar D6 en el proceso de envío de informes haría prácticamente imposible que se presentaran informes falsificados. La necesidad de claves privadas válidas impide generar firmas digitales fraudulentas o, dicho de otro modo, atribuir la autoría de divulgaciones sin la autorización de la persona. Asimismo, cualquier modificación o manipulación del documento tras la firma se detectaría de inmediato, invalidando las firmas e impidiendo su envío.

¿Qué sigue?

La aplicación de firmas digitales a los informes digitales es un paso necesario para garantizar su integridad y autenticidad, y, por ende, para prevenir el fraude y fomentar la confianza en el panorama actual de la información financiera. Al estandarizar el uso de firmas digitales y aprovechar las tecnologías existentes, podemos establecer un enfoque global coherente para la firma de informes XBRL.

Numerosos reguladores y responsables políticos han manifestado un gran interés en la especificación D6. Una vez finalizada, prevemos que muchos reguladores estarán deseosos de utilizar el estándar.

La adopción generalizada de la especificación dependerá también de la experiencia de usuario desarrollada por los proveedores de software y requerirá una firma digital intuitiva y rentable. Animamos a los proveedores y demás partes interesadas a revisar la especificación, proporcionar comentarios y comenzar a sentar las bases para la implementación del estándar de firmas digitales.

También es momento de que diversos actores dentro de la cadena de suministro de información consideren si es necesario actualizar los flujos de trabajo existentes.

  • ¿Deberían los reguladores, además de solicitar firmas digitales a la gerencia y a los auditores sobre las secciones pertinentes de los informes que se les presentan, añadir sus propias firmas digitales al informe? Esto proporcionaría una protección adicional contra manipulaciones posteriores por parte de personas malintencionadas que hubieran accedido a sus sistemas, además de brindar mayor certeza sobre la autenticidad de cada documento corporativo presentado, en el que podrían confiar los inversores y en el transcurso de un litigio.
  • ¿Deben los auditores replantearse algunas prácticas habituales? En algunas partes del mundo, se dan casos en los que la dirección modifica posteriormente un conjunto de estados financieros auditados y firmados, con el conocimiento del equipo de auditoría, pero sin que la firma auditora los vuelva a firmar, principalmente porque esto podría obligar al equipo a considerar hechos posteriores. El uso de firmas digitales sobre documentos XBRL haría imposibles este tipo de procesos.
  • En términos más generales, todos debemos considerar cómo las firmas digitales transformarán los procesos actuales. Las firmas digitales ofrecen garantías extremadamente sólidas de que un documento no ha sido modificado desde su firma, lo que imposibilita realizar cambios menores e insignificantes en una etapa posterior. A las firmas digitales no les importa si triplicaste tus ingresos declarados o simplemente agregaste una coma que faltaba: cualquier cambio invalidará la firma. ¿Qué significa esto para tu práctica profesional?

Se prevé una amplia adopción global del nuevo estándar D6, lo que garantizará la confianza en los datos empresariales en la era digital. En un mundo de riesgos cambiantes y cada vez más sofisticados, ofrece una solución totalmente digital, rastreable y granular para la autenticación y el no repudio de informes, facilitando la prevención del fraude y fomentando la confianza del usuario.

Mejorando XBRL para el modelado de datos

Un artículo identificó el potencial conflicto entre los enfoques de modelado de XBRL y la Metodología de Puntos de Datos (DPM). Sin embargo, ningún análisis estaría completo sin examinar por qué la Autoridad Bancaria Europea (EBA) y la Autoridad Europea de Seguros y Pensiones de Jubilación (EIOPA) optaron por utilizar DPM y luego traducirla a una taxonomía XBRL, en lugar de comenzar directamente con XBRL.

Aún faltan algunas funcionalidades, muchas de las cuales están incluidas en el plan de trabajo del Modelo de Información Abierta (OIM) de XBRL International, pero algunas, como el control de versiones, aún no se han abordado.

Otra conclusión clave es que parece no haber incentivos para que los proveedores de software desarrollen el tipo de herramientas de modelado de datos que necesitan los grandes autores de taxonomías XBRL.

Analizar los requisitos clave de los grandes marcos de información, como los de EBA CRD y EIOPA Solvencia, y evaluar el estado de las especificaciones XBRL para cumplirlos y permitir que XBRL proporcione capacidades de gestión de datos maestros para los marcos de información.

Beneficios y problemas de XBRL

Las especificaciones XBRL están diseñadas para admitir una amplia gama de aplicaciones de informes de información empresarial en todo el mundo. Actualmente existen más de doscientos marcos de informes XBRL importantes basados ​​en este estándar abierto, una gran comunidad de expertos y un número creciente de proveedores de software.

Una de las fortalezas de los estándares XBRL, además del núcleo común, es su independencia, lo que permite a los diseñadores de taxonomías XBRL elegir las especificaciones que deseen utilizar. Sin embargo, su debilidad radica en que el desarrollo como especificaciones independientes implica una escasa interoperabilidad entre ellas.

Esto resulta especialmente notorio para los desarrolladores de grandes marcos de informes. Para comprender mejor los problemas específicos, conviene revisar los comentarios de la EBA durante sus recientes presentaciones sobre DPM 2.0, también conocida como la «Renovación de DPM». La EBA defendió la profundización en el uso de DPM frente a un enfoque XBRL más estandarizado. La diapositiva siguiente muestra un ejemplo de cómo comparan DPM con XBRL.

Muchas de las observaciones de la EBA están sesgadas debido a su decisión de basar su sistema interno de almacenamiento de datos en DPM. En nombre de la comunidad XBRL, replicamos lo siguiente:

  • La taxonomía XBRL generada por las herramientas DPM carece de una guía semántica clara para las definiciones, ya que se compone de pocos conceptos de alto nivel y se subdivide en numerosas dimensiones. Por ejemplo, existe un único concepto global para «activos», mientras que la taxonomía IFRS contempla muchos tipos de activos que son subconjuntos del concepto más amplio. La taxonomía de la Directiva sobre Riesgo de Crédito (CRD) de la EBA es un modelo de alta dimensionalidad. Si bien es útil para los sistemas informáticos, resulta deficiente para facilitar la comprensión del lector, lo cual es fundamental para la transmisión de requisitos en sistemas de información heterogéneos.
  • El proceso DPM también genera numerosas reglas de bajo nivel para verificar la calidad de los datos, en lugar de una regla semántica de alto nivel, como «todos los totales deben sumar». Verificar la coherencia de un volumen tan grande de reglas DPM de bajo nivel (alrededor de 8000) de forma automatizada resulta bastante dudoso.
  • Muchas de las diferencias citadas en la diapositiva de la EBA están relacionadas con la implementación específica, por lo que cuestiones como la integración y los identificadores invariantes solo existen en la percepción de cada uno.

El problema del control de versiones es real. XBRL incluye una versión básica y directrices de buenas prácticas para documentar las diferencias entre versiones, pero nada más. En contraposición, la afirmación de la EBA de que DPM admite el registro histórico de conceptos se basa en su implementación propietaria de DPM. Si XBRL pretende proporcionar algún tipo de gestión de datos maestros para grandes sistemas de informes, el control de versiones es fundamental. Sin embargo, cabe destacar que el intercambio de datos tiene requisitos de control de versiones diferentes a los de los sistemas de análisis de datos, como se explicará con más detalle más adelante, pero este requisito es importante para todos los sistemas XBRL.

La EBA también planea adoptar el nuevo Modelo de Información Abierta (OIM) de XBRL y, en particular, el formato xBRL-CSV para la presentación de informes, con el fin de reducir su tamaño. Sin embargo, en lugar de centrarse en mejorar el diseño y el rendimiento de XBRL, ha optado por utilizar una estructura CSV que emplea explícitamente el «DPM-ID», un componente del sistema de almacenamiento de datos de la EBA que, semánticamente, carece de utilidad y no contribuye a optimizar el procesamiento de XBRL. Para obtener más información sobre este enfoque y por qué consideramos que es una mala idea, consulte el artículo anterior » DPM vs XBRL».

Seguramente la EBA seguirá encontrando carencias en las herramientas de desarrollo de taxonomías necesarias para construir un modelo semántico adecuado y de fácil mantenimiento. Creemos que la iniciativa OIM representa un gran avance, pero las especificaciones XBRL independientes aún dificultan el proceso.

Por ahora, DPM funciona para la EBA y la EIOPA como un mecanismo útil para sus sistemas internos (… podrían usar XBRL mejor, pero eso es tema para más adelante). El verdadero problema que la EBA pone de manifiesto para la comunidad XBRL es que definir marcos de informes a gran escala en XBRL es un proceso en gran medida manual y complejo. Otros marcos de gran tamaño, como la taxonomía IFRS, presentan problemas similares.

Estándares OIM y Future xBRL

El Modelo de Información Abierta (o «OIM») es la iniciativa estratégica de XBRL International para simplificar y modernizar aspectos importantes del estándar XBRL, definiendo un modelo que representa su significado sin referencia a una sintaxis específica; es decir, elimina la dependencia de XML. OIM define múltiples formatos intercambiables, a los que se pueden añadir más con el tiempo.

  • xBRL-CSV: condensa los datos en un formato tabular muy compacto para permitir la recopilación de grandes cantidades de datos.
  • xBRL-JSON: proporciona datos XBRL en un formato más sencillo de procesar y presentar.
  • xBRL-XML sigue siendo compatible con una amplia gama de requisitos de generación de informes.

Las habilidades y el esfuerzo necesarios para desarrollar reglas que permitan validar los datos (mediante fórmulas XBRL) han demostrado ser otro motivo de preocupación para los autores de taxonomías. El Consejo de Estándares XBRL (XSB) ha proporcionado recientemente una hoja de ruta para las fórmulas XBRL en un entorno OIM:

  • Comenzando con la Fórmula 2.0, que eliminará la sintaxis XPath y formalizará la especificación de XF, o Fórmula basada en texto, que proporciona la misma funcionalidad que la Fórmula XBRL, pero es más rápida de escribir y más fácil de leer.
  • En última instancia, el plan consiste en desarrollar una nueva especificación que abarque reglas tanto para la instancia XBRL como para la taxonomía, basándose en las nuevas especificaciones de la taxonomía OIM. Esto también implica un cambio de nombre a «Reglas XBRL 3.0» para reflejar su importancia.

Para algunos, puede resultar confuso que en XBRL exista otra forma de verificar relaciones simples entre los datos proporcionados mediante la especificación de Cálculo. Idealmente, esto debería ofrecer un mecanismo más sencillo para definir las principales comprobaciones de calidad presentes en los modelos de información financiera, como consolidaciones, proyecciones y agregaciones. La especificación de Cálculo se está actualizando y la versión 2.0 incluye capacidades de agregación dimensional. En ese caso, la fórmula XBRL se utilizaría únicamente para reglas más complejas y validaciones estructurales.

OIM mantendrá esta flexibilidad para los autores de taxonomías, pero aún deja preguntas como «¿Debería usar fórmulas o cálculos XBRL?».

  • La EBA desarrolla la fórmula XBRL a partir de su notación DPM, que los usuarios empresariales definen como parte de sus plantillas de hojas de cálculo, pero que no describe las relaciones inherentes en las tablas ni utiliza cálculos para sumar jerarquías básicas.
  • La taxonomía de las NIIF en la que se basa el ESEF de la Autoridad Europea de Gestión de Valores (ESMA) utiliza cálculos y fórmulas, pero no tablas. En los marcos de «información abierta» como el ESEF, el emisor desarrolla sus propias estructuras de tablas. Un modelado deficiente de estas estructuras implica que, con frecuencia, se omiten cálculos o que estos solo se incluyen parcialmente en la taxonomía, lo que genera numerosos problemas de calidad de los datos.

Entonces, ¿es suficiente OIM? Creemos firmemente que la comunidad XBRL debe reflexionar más a fondo sobre cómo los hipercubos, las tablas, los cálculos y las fórmulas pueden trabajar juntos para ayudar a crear mejores modelos XBRL.

Gestión de grandes marcos de informes

Si se va a utilizar XBRL para modelar sistemas de recopilación de datos a gran escala, entonces debemos retomar algunas de las cuestiones fundamentales planteadas por la EBA, la EIOPA y las autoridades nacionales competentes europeas, que no solo implementan la recopilación de informes de la EBA y la EIOPA de miles de bancos y compañías de seguros europeas, sino que también los extienden a los requisitos de información locales.

Desarrollo y mantenimiento de la taxonomía

El modelado de datos es, sin duda, la decisión más importante para un equipo de informes de datos. Determina la arquitectura y el rumbo que seguirá el proyecto. Modelar conjuntos de datos grandes y complejos siempre ha planteado decisiones y desafíos a los diseñadores.

Las grandes taxonomías XBRL (diccionarios de datos) pueden hacer referencia a otras taxonomías XBRL (extensibles) como bloques de construcción y pueden separarse en numerosos puntos de entrada, cada uno con múltiples definiciones de tabla o ELR, lo que facilita el modelado de las partes individuales. Esto ayuda, pero no es suficiente para ayudar realmente a los diseñadores a desarrollar un modelo semántico «bueno» y de alto rendimiento y gestionarlo a lo largo del tiempo, ni incentiva a los desarrolladores a crear el tipo de herramientas que apoyarían a los diseñadores en este proceso, como, por ejemplo:

  • La especificación de dimensiones XBRL se utiliza para definir hipercubos, mientras que las bases de enlace de tabla pueden usar las dimensiones y vincularse a hipercubos. Sin embargo, cada base de enlace de tabla debe especificarse de forma independiente, es decir, codificarse. Más código implica más desarrollo y mantenimiento. ¿Por qué no es posible generar una especificación de base de enlace de tabla directamente desde el hipercubo de informes? Esto incentivaría a los diseñadores de taxonomías a reflexionar detenidamente sobre la estructura del hipercubo y las tablas.
  • La especificación Table Linkbase define una capa de presentación tabular para la representación. Sin embargo, no proporciona aritmética tabular sencilla, como totales de filas, totales de columnas o subtotales. Esta idea de «agregación dimensional» ya se había propuesto anteriormente y ha resurgido en Calculations 2.0. El diseñador podría usar código de fórmulas hoy en día, como muestra EBA, pero si el proceso se automatiza y forma parte del modelo subyacente, se reduce el código y los diseñadores de taxonomías serán más estructurados en sus diseños de tablas.
  • Los diseñadores están claramente interesados ​​en los formatos xBRL-CSV y xBRL-JSON. La incorporación de algunas ideas sencillas para facilitar la creación y gestión de definiciones a lo largo del tiempo reduce el código y centra la atención en el modelo:
    o Método para la generación directa de xBRL-CSV a partir de definiciones de tablas e hipercubos.
    o Vinculación bidireccional de definiciones de Table Linkbase y xBRL-CSV.
    o Representación directa de datos xBRL-CSV en tablas definidas en Table Linkbase.

Creemos que la incorporación de estas funciones sencillas garantiza que las especificaciones XBRL se vinculen de forma más coherente y eficaz, lo que permite «reunificar» los módulos de especificación individuales. Podríamos denominarlo «gestión maestra de informes», lo que sugiere una manera más estructurada y metódica de desarrollar una taxonomía, en lugar de utilizar una amalgama de herramientas diferentes.

Control de versiones

Con el tiempo, todos los marcos de informes evolucionarán y cambiarán a medida que sea necesario actualizar los elementos, la arquitectura, las reglas y las especificaciones utilizadas.

Para la mayoría de los proyectos XBRL que implican el intercambio de información empresarial, esto es suficiente. Sin embargo, no existe una especificación técnica que permita que el software actualice automáticamente los sistemas de la versión antigua a la nueva de la taxonomía.

La visión de la EBA sobre el control de versiones es mucho más profunda. Buscan revisar cuándo se hizo referencia por primera vez a un concepto (punto de datos), cuándo se modificó y cuándo se dejó de usar, además de registrar quién realizó el cambio y por qué. Por lo tanto, su visión se asemeja mucho más a la gestión de datos maestros, donde se recopilan metadatos del modelo para poder revisarlo.

  • Cabe señalar que la EBA genera confusión al afirmar que «…(XBRL) no puede manejar la evolución de un punto de datos entre versiones, lo que los hace inadecuados para análisis de series temporales. Creemos que esto confunde los sistemas de recopilación con los sistemas de análisis. Los sistemas de análisis requieren un enfoque diferente, ya que los datos de origen llegan a través de múltiples flujos de datos, deben transformarse y almacenarse de una manera específica para que sean eficientes para el análisis, como el de series temporales. En los sistemas de recopilación, el problema radica en cómo facilitar a los remitentes la identificación de los datos que deben recopilar, cómo verificar su validez y cómo optimizar el proceso de transferencia. Estos dos objetivos pueden entrar en conflicto, razón por la cual la mayoría de las organizaciones separan ambos sistemas.

Las ventajas que ofrece XBRL de un modelo de taxonomía más detallado y del versionado de elementos son:

  • Proporcionar un método estandarizado para que los proveedores de XBRL actualicen los materiales asociados con una versión más reciente de la taxonomía ayudaría significativamente a reducir los costos para los proveedores y, por lo tanto, para los usuarios.
  • Comprender cómo han cambiado las definiciones y reglas de los datos a lo largo del tiempo proporciona información de fondo importante para el análisis y la toma de decisiones operativas.

La importancia de esto para la mayoría de los proyectos XBRL es cuestionable, pero para marcos de informes complejos y de mayor envergadura, sin duda facilitaría su gestión. Cabe mencionar que añadir el control de versiones a XBRL es una tarea compleja que requeriría un caso práctico real como guía.

Rendimiento de validación de grandes conjuntos de datos

Siempre ha existido preocupación por el tiempo de procesamiento de informes extensos; simplemente, el tamaño de lo que se considera un archivo de datos «grande» ha aumentado exponencialmente. Cualquier prueba de rendimiento dependerá del entorno en el que se ejecute; es decir, si se le proporciona a un programa más memoria y mayor rendimiento de CPU, debería ejecutarse más rápido. Por lo tanto, la pregunta debería reformularse como «¿Está funcionando de manera eficiente?» para que sea escalable.

Al analizar el rendimiento en marcos de informes extensos, como la Directiva CRD de la EBA y la Solvencia de la EIOPA, los problemas suelen presentarse con conjuntos de datos basados ​​en registros, expresados ​​como tablas abiertas. Una tabla abierta es aquella que contiene un número ilimitado de filas, columnas u hojas. El formato de registro o los datos transaccionales suelen organizarse en una fila por registro; es decir, varios datos relacionados se agrupan en una fila. En otras tablas, que contienen relativamente pocos puntos de datos agregados, el rendimiento siempre ha sido bueno para la mayoría de los procesadores XBRL.

La especificación xBRL-CSV se desarrolló específicamente para abordar los problemas derivados de grandes conjuntos de datos basados en registros. En primer lugar, comprime los datos, lo que reduce el tamaño de los archivos de informe y facilita su transmisión. En segundo lugar, si la estructura CSV sigue el formato de tabla, es decir, según su formato de registro, los datos se pueden leer como filas, lo que proporciona una agrupación natural de los datos asociados y mejora significativamente el rendimiento de las fórmulas XBRL en tablas abiertas de gran tamaño.

Esto supone una enorme mejora del rendimiento con respecto a xBRL-XML, donde dichas tablas se expresan como un único hecho por fila y un procesador XBRL debe «reagrupar» las filas individuales, lo que obliga a procesadores como XPE de UBPartner a emplear un «optimizador» para determinar la mejor manera de agrupar y filtrar los datos para una fórmula determinada.

Tenga en cuenta que, al combinar grandes conjuntos de datos con numerosas comprobaciones de calidad de datos de bajo nivel, como las creadas con el DPM de la EBA, se observa un aumento en los tiempos de procesamiento. Lamentablemente, el enfoque propuesto por la EBA para la recopilación de datos CRD en xBRL-CSV no resulta útil, ya que ha decidido, por primera vez, introducir completamente la notación DPM directamente en el modelo XBRL mediante el siguiente formato fijo xBRL-CSV:

DPM_ID, Valor, Unidad.

Esto es similar al modelo xBRL-XML, donde un hecho por línea se añade una búsqueda adicional utilizando el «DPM-ID» semánticamente vacío como clave en el archivo CSV. Esta indirección, desde el punto de vista de las autoridades nacionales competentes y los remitentes locales, no ofrece ninguna ventaja. En cambio, limita el rendimiento de la validación y dificulta la conversión entre otros formatos.

La incorporación de capacidades semánticas, como la aritmética tabular, al modelo subyacente ayuda a los procesadores XBRL a comprender la estructura de los datos con los que trabajan, y luego se pueden formalizar los «optimizadores» para mejorar el rendimiento en función de los datos y su estructura.

Lo anterior también debe vincularse con la especificación del Indicador de Archivo XBRL, que proporciona un mecanismo para ayudar a dividir grandes conjuntos de datos en secciones lógicas más pequeñas. Estas secciones lógicas pueden vincularse tanto a tablas como a conjuntos de fórmulas. Poder identificar las subsecciones apropiadas de los datos y sus construcciones taxonómicas asociadas permite a los procesadores XBRL:

  • Reducción del alcance de las fórmulas y los cálculos, que actualmente se dirigen al conjunto completo de datos.
  • Oportunidad de dividir el procesamiento en operaciones más pequeñas, que utilizan un subconjunto del modelo y los datos, y que tienen el potencial de procesarse de forma independiente.

Mejoras en la fórmula XBRL

La capacidad de integrar reglas de validación en una taxonomía es una de las características más potentes de XBRL para el intercambio de datos y la clave para mejorar su calidad. Actualmente, como ya se ha comentado, disponemos de dos métodos: Cálculos y Fórmulas XBRL. El primero es sencillo y fácil de implementar, pero limitado, mientras que las Fórmulas XBRL ofrecen muchas más funcionalidades, pero son difíciles de desarrollar, ya que están vinculadas a XML. Además, un diseñador de una taxonomía «abierta», como ESMA ESEF o US GAAP, no puede actualmente escribir reglas para verificar la extensión de la taxonomía creada por el emisor.

En respuesta al problema anterior, XBRL US ha desarrollado su propio sistema de reglas (DQR) con una tecnología diferente, XULE. Si bien esto ofrece una solución inmediata, no contribuye a la estandarización en toda la comunidad XBRL.

Como se mencionó anteriormente, XSB anunció recientemente la Fórmula 2.0, eliminando la dependencia de XML y formalizando el uso de XF (fórmulas basadas en texto). XBRL Rules 3.0 planea romper definitivamente con las especificaciones existentes y se espera que se base en gran medida en la experiencia adquirida con XBRL US. Esto debería ser de gran ayuda para los diseñadores de taxonomías y facilitar la definición de reglas de negocio de calidad para verificar el documento de instancia y cualquier extensión de taxonomía.

Además, XBRL Europe ha reconocido que la arquitectura DPM de la EBA y la EIOPA presenta ciertas características específicas con tres modelos en uno: puntos de datos, plantillas y dimensiones semánticas, que requieren un puente para facilitar la transición a las nuevas funcionalidades de XBRL. Por ello, ha creado un grupo de trabajo para revisar «XF-DPM», que ayudaría a traducir las reglas DPM a fórmulas XBRL y, posiblemente, mejoraría el rendimiento de las fórmulas XBRL resultantes. Sin embargo, seguiría presentando el inconveniente de definir «controles de calidad de datos» a nivel de punto de datos, lo que generaría muchos de ellos, en lugar de utilizar la semántica integrada en un modelo XBRL dimensional.

Conclusiones

XBRL continúa creciendo y admitiendo una gama cada vez más amplia de marcos de informes. OIM es un paso crucial para garantizar el futuro al admitir formatos alternativos; sin embargo, el XSB también debe centrarse en recomendaciones que simplifiquen y reduzcan el consumo de recursos para diseñar y desarrollar una taxonomía XBRL coherente y de alto rendimiento.

Cuando la EBA y la EIOPA iniciaron su andadura con XBRL, este sistema les proporcionó un método estandarizado para recopilar los datos necesarios para supervisar su mercado. Sin embargo, XBRL carecía de las funcionalidades necesarias para modelar los datos, por lo que utilizaron DPM como herramienta de modelado. Actualmente, existen pocos incentivos para modificar esta configuración y, de hecho, la propuesta de la EBA para la modernización de DPM consiste en orientar el marco de presentación de informes hacia la arquitectura de DPM.

La comunidad XBRL debe ofrecer este incentivo. El XSB ha proporcionado OIM y el formato XBRL-CSV, además de presentar propuestas importantes para la actualización de las fórmulas. Sin embargo, esto no satisface la necesidad de que XBRL sirva de base para un sistema de gestión de informes maestros. Asimismo, implica que los proveedores tienen pocos incentivos para ofrecer las herramientas que ayuden a las autoridades nacionales competentes, del mismo modo que la EBA y la EIOPA están desarrollando sus propios sistemas de gestión de datos utilizando DPM.

La visión de OIM debe ampliarse a:

  • Reunificar el conjunto de especificaciones.
  • Armonización de dimensiones/tablas/especificaciones de la colección.
  • Agregar funcionalidad de control de versiones.

Lamentablemente, la definición de estándares requiere tiempo para alcanzar un consenso y, posteriormente, para desarrollar las especificaciones. La comunidad XBRL se basa en la colaboración de voluntarios, por lo que es fundamental que el trabajo sea relevante y priorizado para obtener beneficios tangibles en un plazo realista. Los autores sugieren comenzar por ampliar la hoja de ruta de OIM para que usuarios y desarrolladores tengan una visión más clara de los desarrollos futuros y sirva de guía a organismos como la EBA y la EIOPA.

La relación entre los puntos de datos, la codificación de etiquetas, XBRL y la IA

Por qué la codificación abstracta de etiquetas no ayuda a la IA a comprender los datos XBRL, ni a los humanos.

La idea de que la codificación abstracta es perjudicial para los grandes modelos de lenguaje (LLM, por sus siglas en inglés) llevó a pensar que, por razones similares, la codificación también debe ser contraproducente para la comprensión humana.

Si bien la generación de etiquetas codificadas es esencial para diversas aplicaciones informáticas, plantea desafíos específicos para el funcionamiento de los sistemas de recopilación de datos XBRL, como el marco de informes de la Autoridad Bancaria Europea (EBA). La EBA utiliza tanto la Metodología de Puntos de Datos (DPM) como el Lenguaje Extensible de Informes Empresariales (XBRL) en la implementación de su sistema de Directiva sobre Riesgo de Crédito (CRD).

La EBA genera la taxonomía XBRL a partir de su modelo DPM interno y la proporciona a 27 autoridades de países europeos que recopilan los informes XBRL de miles de bancos. El cambio a un nuevo formato de recopilación más compacto, XBRL-CSV, ofrece la oportunidad de analizar cómo se genera el modelo XBRL y cómo lo interpretan los bancos obligados a presentar informes en este formato. También es un buen momento para revisar cómo se analizan los datos XBRL para facilitar la supervisión bancaria en Europa.

También analiza si la codificación DPM constituye una barrera para el uso futuro de herramientas avanzadas de IA que permitan descubrir información potencialmente útil en los grandes conjuntos de datos que se recopilan.

Codificación: el enfoque DPM

Primero, explicar cómo funciona el enfoque de la EBA para DPM y XBRL. Comienza con el análisis de hojas de cálculo definidas por los expertos del negocio para identificar los datos que deben recopilarse. Cada hoja se considera una tabla y se le asigna un nombre, por ejemplo, ‘F.02.00’, que es el ‘Estado de resultados’ en el módulo FINREP. En la hoja, a cada punto de datos se le proporciona un código dinámico basado en la columna y la fila. Por ejemplo, las coordenadas ‘F02.00, c010, r670’ son el punto de datos en la fila 670, en la columna 10 de la tabla FINREP ‘02.00’, que está etiquetada como ‘Resultado o pérdida del año’ y el ‘Período actual’ para la columna.

El siguiente paso en el enfoque DPM de la EBA consiste en analizar los puntos de datos mediante un método de alta dimensionalidad. De esta forma, el modelo resultante presenta pocas métricas (o «conceptos» en XBRL), pero numerosas dimensiones para desglosar los datos en puntos individuales. Posteriormente, el modelo DPM se utiliza para generar la taxonomía XBRL. La forma en que se genera el modelo influye significativamente en cómo lo comprenden las personas que participan en el proceso de recopilación de datos.

El enfoque actual da como resultado una taxonomía CRD de EBA extremadamente difícil de revisar con herramientas XBRL debido a su estructura altamente dimensional y al uso de la codificación DPM. Si se examina la taxonomía CRD de EBA, que proporciona el diccionario central, la estructura y las reglas de validación, resulta difícil discernir cualquier estructura semántica. En efecto, la codificación DPM y el uso de una dimensionalidad extrema han eliminado toda la información semántica.

Las taxonomías XBRL suelen diseñarse para ser auto explicativas y completas, proporcionando toda la información necesaria para la entidad informante. Sin embargo, la EBA considera necesario publicar un conjunto de documentos asociados que no están en formato XBRL, incluyendo plantillas anotadas en Excel. Estas últimas proporcionan al usuario los diseños de tabla necesarios para comprender qué información debe reportarse y cómo se vinculan los datos con la taxonomía.

La plantilla anotada FINREP F02.00 describe semánticamente el elemento a reportar. También proporciona las coordenadas DPM para la columna y la fila en las celdas grises. A cada punto de datos se le asigna un identificador (DPM-ID) resaltado en amarillo. Finalmente, en el lado derecho se muestra la lista de dimensiones para cada punto de datos en la taxonomía CRD XBRL.

El documento de instancia XBRL generado (archivo de datos) muestra el nivel de abstracción. No hay ninguna referencia ni codificación semántica de la etiqueta de ganancias o pérdidas mencionada anteriormente, solo un concepto, ‘eba_met:md103’, para ‘periodo actual’ (lo cual es inusual, pero lo veremos más adelante) y referencias de contexto que enlazan con las dimensiones.

Por lo tanto, la traducción «mecánica» actual del modelo DPM al sistema de recopilación de datos CRD de la EBA solo es comprensible para los humanos si se dispone de la documentación EBA correspondiente, y en particular de las plantillas anotadas. Esto no se ajusta al enfoque habitual de XBRL.

Transición a la generación de informes XBRL-CSV

A partir de 2025, la EBA tiene previsto utilizar un nuevo formato para comprimir los datos y reducir el tamaño de los archivos de los informes. El nuevo formato es XBRL-CSV.

La EBA planea usar el código DPM-ID, como el ‘57025’ mencionado anteriormente, como identificador clave en el nuevo formato XBRL-CSV. Este código se vincula desde el archivo CSV a la taxonomía XBRL mediante un archivo de metadatos JSON, que describe la estructura y el significado de los elementos CSV. Por lo tanto, la tabla ‘Estado de resultados’ en XBRL-CSV tendrá un aspecto similar a este:

Representación XBRL-CSV del estado de resultados

El DPM-ID es una construcción pura de base de datos, un código que actúa como una clave simple de base de datos para describir uno de estos puntos de datos. No tiene valor semántico y es una codificación puramente abstracta, que no contiene información de agrupación para ayudar a los procesadores a optimizar el rendimiento. Las coordenadas DPM pueden considerarse abstracciones o codificación de primer nivel. El DPM-ID es una abstracción de segundo nivel.

La codificación de etiquetas no aporta nada a los modelos de aprendizaje a gran escala, como los utilizados en ChatGPT, etc., ya que la codificación pierde «contexto y matices» al simplificar atributos o clasificaciones complejos en representaciones abstractas o numéricas. Esto se traduce en un rendimiento deficiente de los sistemas de IA utilizados para explorar los datos.

Basándonos en argumentos similares a los de Harrison Hoffman, creemos que el nivel de codificación utilizado en la taxonomía EBA XBRL y el uso del DPM-ID como identificador clave en la estructura XBRL-CSV propuesta dificultan la aplicación del aprendizaje automático a estos grandes conjuntos de datos, y por lo tanto, hacen más difícil «descubrir» nuevas relaciones en los datos utilizando herramientas avanzadas de IA.

Así pues, los sistemas altamente codificados, como el marco de informes CRD de la EBA, afectan tanto a la comprensión humana como a la de la IA.

Codificando el impacto humano

El marco de informes CRD de la EBA recopila información compleja relacionada con el desempeño y las operaciones de los bancos, donde cada banco cuenta con sus propios sistemas y procesos de datos heterogéneos para obtener la información requerida. XBRL debería funcionar como la lengua franca para ayudar a los miles de bancos a determinar qué información deben reportar. La capacidad de XBRL para estandarizar el diccionario de datos y validar los informes es la razón de su gran éxito en los sistemas de informes regulatorios, donde la calidad de los datos es fundamental.

Sin embargo, a diferencia de la taxonomía CRD de la EBA, las taxonomías XBRL, como la ampliamente citada taxonomía IFRS, utilizan etiquetas conceptuales con gran riqueza semántica, como «beneficio» y «pérdida». Utilizan la base de enlaces de presentación para mostrar al usuario la jerarquía de conceptos, la base de enlaces de cálculo para mostrar relaciones matemáticas sencillas y nombres cortos en lenguaje natural para los desgloses dimensionales, por ejemplo, «beneficio operativo neto» y «beneficio antes de impuestos».

Es evidente que codificar etiquetas en un marco de recopilación puede generar dificultades de interpretación que pueden dar lugar a malentendidos. La EBA publica y mantiene actualizada una serie de documentos que no utilizan XBRL, como las plantillas anotadas, y recurre a las Normas Técnicas de Implementación (ITS) sobre informes de supervisión para respaldar el marco, lo cual resulta laborioso y costoso. ¿Podría la EBA haber evitado gran parte de este trabajo adicional si la taxonomía se hubiera diseñado de otra manera?

En este contexto, si un informe no supera la validación, por ejemplo, cuando una fórmula XBRL produce un resultado anómalo, el analista suele tener que consultar numerosos documentos que no son XBRL debido a la opacidad del modelo XBRL; es decir, los conceptos y dimensiones codificados le generan trabajo adicional. Por lo tanto, el enfoque de la EBA consiste, en la práctica, en trasladar los costes a lo largo de la cadena de suministro de información a las 27 Autoridades Nacionales Competentes (ANC) europeas que gestionan el marco local de informes XBRL y a los bancos obligados a informar.

Es difícil cuantificar el tiempo perdido al resolver las abstracciones causadas por la codificación, pero se espera que la transición a XBRL-CSV y el uso del DPM-ID generen trabajo adicional al añadir otro nivel de indirección en el proceso de generación de informes. El software, por supuesto, podrá leer las descripciones JSON proporcionadas como parte de XBRL-CSV, pero los responsables de cumplimiento y los analistas bancarios dependerán de la lectura de las plantillas anotadas para comprender el significado de cada DPM-ID mediante la traducción de los identificadores de hoja, fila y columna. Además, la depuración de problemas requerirá resolver todos los niveles de abstracción en la taxonomía a través de los metadatos JSON. Como hasta ahora, los proveedores de software XBRL deberán seguir ofreciendo plantillas de hojas de cálculo renderizadas o formatos CSV alternativos más sencillos como opciones de entrada.

Codificación del impacto del análisis

En cuanto a la comunicación de los requisitos de información de la CRD, la taxonomía XBRL actual no es la mejor, pero ¿es peor la propuesta de migrar al formato XBRL-CSV utilizando el DPM-ID como identificador clave? O bien, ¿compensa el nivel adicional de abstracción la capacidad del enfoque para lograr los objetivos del sistema, es decir, supervisar el mercado bancario en Europa, de forma más eficaz que antes?

Sin duda, el enfoque DPM ha ayudado a la EBA a desarrollar un modelo y un diccionario de datos coherentes en todo el sistema bancario. El enfoque de puntos de datos funciona bien para sistemas que generan análisis predeterminados, como OLAP y los almacenes de datos tradicionales.

Se da por sentado que tanto la EBA como las NCA utilizan el amplio conjunto de datos de información bancaria europea para obtener un conjunto de indicadores clave de rendimiento bancario con los que comparar bancos individuales. Los informes de tendencias históricas y diversos paneles de control también son fáciles de generar. Sin embargo, se sospecha que gran parte de los datos recopilados no se utilizan para la supervisión bancaria, ya que dichos informes se limitan a lo que los humanos pueden procesar, es decir, datos altamente agregados o cuando es necesario analizar con mayor detalle un conjunto de datos específico en el que se ha emitido una alerta.

El poder del análisis mediante IA reside en su capacidad para descubrir información valiosa oculta en grandes volúmenes de datos detallados. Sin embargo, como argumenta el artículo de Harrison Hoffman, el uso de la codificación DPM en el sistema de recopilación no facilita el uso de modelos de lenguaje natural (LLM) en el conjunto de datos resultante. Si bien se podría aplicar el aprendizaje automático a los datos brutos, el sistema de IA requeriría un entrenamiento exhaustivo en el enfoque y la arquitectura DPM, así como en la vinculación del ID de DPM con etiquetas significativas. Todo esto implicaría un coste adicional y requeriría una amplia experiencia.

Los modelos de lenguaje natural (LLM) y las técnicas modernas de IA funcionan de manera diferente al almacenamiento de datos estándar y la IA tradicional (aprendizaje supervisado), es decir, mediante el entrenamiento no supervisado de modelos, a veces aumentado con conocimiento específico adicional, generación aumentada por recuperación (RAG). A gran escala, comienzan a ocurrir cosas especiales, como con los modelos de lenguaje, tales como GPT, Llama y Gemini, que comienzan a mostrar comprensión general del lenguaje. Este tipo de enfoque de IA sería más simple y económico de aplicar a medida que la tecnología madure.

Las arquitecturas de bases de datos modernas, como las bases de datos semánticas, permiten la recopilación eficiente de datos XBRL, y existen bases de datos XBRL basadas en SQL más económicas y sencillas para aplicaciones de menor tamaño. Estas tecnologías proporcionan un almacén de datos operativo donde ejecutar algoritmos de descubrimiento, especialmente útiles para la IA. Gracias a la estructura inherente de XBRL, también resulta sencillo transformar y cargar (o cargar y transformar) datos en estructuras analíticas, como una base de datos DPM.

Alternativas de codificación

Creemos que XBRL-CSV es ideal para la actualización del marco de informes CRD de la EBA, ya que puede reducir significativamente el tamaño de los archivos de los informes enviados. Por ello, el Consejo de Estándares XBRL (XSB) creó la especificación Open Information Model (OIM), que define tanto XBRL-CSV como XBRL-Json. La preocupación radica en que la EBA la está utilizando incorrectamente en lo que respecta a la estructura XBRL-CSV. Por primera vez, la EBA planea introducir la codificación DPM directamente en los informes XBRL utilizando una construcción semánticamente vacía, el DPM-ID, como una capa adicional de abstracción.

Sin repetir los argumentos del artículo original, creemos que la nueva estructura XBRL-CSV basada en el DPM-ID dificultará su comprensión tanto para humanos como para IA. Como aspecto positivo, los archivos serán más pequeños y, al menos para la EBA, resultará más sencillo cargar los datos recopilados en su propia base de datos DPM. Sin embargo, hay que tener en cuenta 27 autoridades nacionales competentes y miles de bancos al evaluar el impacto.

La alternativa sería utilizar directamente un buen modelo XBRL. Sin embargo, rediseñar las herramientas DPM para generar un modelo XBRL semántico «mejor» supondría un esfuerzo y un coste considerables, además de plantear otros problemas. Por ejemplo, el problema de la verbosidad en los términos XBRL es real. La codificación garantiza un tamaño fijo para nombrar los elementos, mientras que en un modelo XBRL típico los nombres de conceptos y dimensiones tienen una longitud variable. Esto último implica que cualquier sistema XBRL puede ser verboso y generar archivos grandes según la aplicación. No obstante, la especificación XBRL permite etiquetas tanto cortas como largas, por lo que creemos que estos problemas pueden resolverse mediante una codificación «sencilla» y no abstracta.

Resulta más sencillo para los humanos visualizar la disposición de la tabla, lo que facilitaría el trabajo de los proveedores de software, que ya generan las bases de datos de enlaces de tabla en otros formatos, como hojas de cálculo para la entrada de datos, y muestran mensajes de error útiles a los usuarios empresariales. Sin embargo, esto requeriría una mayor transformación por parte de la EBA al cargar su base de datos DPM interna.

Una posible solución sería utilizar las coordenadas DPM como identificadores dimensionales en el archivo XBRL-CSV. Los bancos comprenden las coordenadas a partir de las plantillas anotadas, lo que constituye una abstracción visual sencilla. Si se utilizaran las coordenadas DPM en el formato de archivo XBRL-CSV en lugar del ID de DPM, los procesadores XBRL podrían identificar grupos de datos (es decir, todos los datos de una columna o fila), lo que permitiría establecer una relación entre los datos para mejorar la velocidad de procesamiento. Al invertir los roles, la EBA podría ayudar a los usuarios a comprender los datos y, al mismo tiempo, facilitar su carga en la base de datos, es decir, utilizar las coordenadas DPM, los ID de hoja, columna y fila en la estructura CSV y vincularlos al ID de DPM en los metadatos técnicos JSON.

La EBA argumentaría que el DPM-ID posee una solidez histórica de la que carecen las coordenadas de la hoja de cálculo, ya que estas cambian entre periodos de informe. Sin embargo, las taxonomías XBRL se actualizan en cada periodo de informe y, por lo tanto, son transitorias por naturaleza. En consecuencia, el uso de las coordenadas DPM para una taxonomía no afecta al sistema de análisis, sino únicamente a la transformación y carga de datos. Además, la EBA ya dispone de la conexión histórica entre los puntos de datos mediante el DPM-ID en su base de datos analítica interna, que es donde debería establecerse la conexión histórica entre los elementos del informe.

El uso de las coordenadas DPM también se vincularía con la notación DPM para la verificación de la calidad de los datos. Esta notación propietaria se utiliza para ayudar a construir y documentar fórmulas XBRL que permiten comprobar la exactitud y la coherencia de los datos reportados. La codificación y las pruebas de estas reglas requieren un esfuerzo considerable. XBRL Europe propone un formato XF DPM para escribir fórmulas EBA que funcionen a nivel de hoja en lugar de a nivel de punto de datos, lo que simplifica la escritura y el procesamiento de las reglas. Si el modelo de datos cuenta con una estructura semántica, se podrían emplear técnicas de IA para generar estas reglas directamente a partir del modelo semántico, utilizando la estructura y la nomenclatura de los elementos.

Una vez que los reguladores y los proveedores de software logren que el nuevo formato funcione, el sistema de recopilación XBRL-CSV debería funcionar sin problemas, pero al igual que otros sistemas de recopilación basados ​​en sistemas de almacenamiento de datos propietarios, podría quedar obsoleto.

Conclusiones

Desde nuestro punto de vista, la EBA parece no haber elegido la estrategia más eficaz al adoptar el formato de informes XBRL-CSV, codificando toda la información y descartando la riqueza semántica de las hojas de cálculo desarrolladas por las propias empresas. Los escasos beneficios de este enfoque recaen en la EBA, pero no en las autoridades nacionales competentes ni en los bancos que recopilan o elaboran los informes.

Nuestra principal conclusión es que, al adoptar el DPM-ID como identificador clave en la estructura XBRL-CSV, la EBA dificulta la comprensión humana de la estructura y el significado de los datos, y además podría estar impidiendo un cambio importante en la informática hacia el análisis de grandes conjuntos de datos basado en IA. A medida que se enseña a las computadoras a pensar como los humanos, buscan relaciones semánticas entre los datos, como nombres de conceptos semánticos significativos, y estructuras basadas en jerarquías y tablas, que puedan orientar su comprensión.

La inteligencia artificial en seguros

La Autoridad Europea de Seguros y Pensiones de Jubilación (EIOPA) ha puesto en marcha una consulta sobre su Dictamen sobre la gobernanza y la gestión de riesgos de la Inteligencia Artificial (IA), ofreciendo orientación sobre cómo las aseguradoras deben gestionar la IA dentro de las normativas sectoriales vigentes. El dictamen aclara las aplicaciones de IA que no se clasifican como de alto riesgo según la Ley de IA, garantizando así que los sistemas de IA en el sector asegurador sigan siendo transparentes, justos y responsables. La consulta estará abierta hasta el 12 de mayo.

La IA ya está transformando el sector asegurador, desde la automatización del procesamiento de reclamaciones hasta la detección de fraudes y la evaluación de riesgos. Sin embargo, sin una gobernanza adecuada, la IA puede generar riesgos como sesgos, toma de decisiones poco transparente y resultados poco fiables. El dictamen de EIOPA subraya la necesidad de una sólida gobernanza de datos, aplicabilidad y una gestión de riesgos proporcional. Esto garantiza que la IA se utilice de forma responsable y en consonancia con los principios de protección del consumidor.

Para que la IA funcione eficazmente en el sector asegurador (o en cualquier otro sector financiero), requiere datos estructurados de alta calidad, del mismo modo que un coche autónomo necesita carreteras bien señalizadas. Los estándares XBRL y de informes digitales son esenciales para proporcionar datos financieros y regulatorios estructurados y legibles por máquina, lo que hace que las decisiones basadas en IA sean más fiables y transparentes. Sin datos estructurados, la IA corre el riesgo de operar a ciegas, lo que aumenta la posibilidad de errores e interpretaciones erróneas en áreas como la fijación de precios, la evaluación de siniestros y el cumplimiento normativo.

A medida que se acelera la adopción de la IA en los servicios financieros, los datos estructurados y los marcos de informes digitales como XBRL serán cruciales para garantizar que los sistemas de IA sigan siendo responsables, eficientes y seguros. La consulta de EIOPA ofrece una importante oportunidad para que las partes interesadas definan el futuro de la gobernanza de la IA en el sector asegurador.

EIOPA solicita comentarios sobre su Opinión sobre la gobernanza y la gestión de riesgos de la inteligencia artificial.

La Autoridad Europea de Seguros y Pensiones de Jubilación (EIOPA) ha puesto en marcha hoy una consulta sobre su Dictamen sobre la gobernanza y la gestión de riesgos de la inteligencia artificial, que ofrece a los supervisores y a las entidades aseguradoras orientación sobre cómo interpretar e implementar las disposiciones del sector asegurador a la luz del uso de sistemas de IA en los seguros.

El dictamen de la EIOPA aclara los principios y requisitos fundamentales previstos en la legislación sectorial de seguros que deben considerarse en relación con el uso de sistemas de IA. Se aplica a aquellos sistemas de IA que no se consideran prácticas de IA prohibidas ni de alto riesgo según la Ley de IA. Si bien la legislación de seguros se aplica a todos los sistemas de IA utilizados en seguros, para evitar complejidades regulatorias y solapamientos, el alcance de este dictamen no abarca las prácticas de IA prohibidas ni los sistemas de IA de alto riesgo según la Ley de IA. Se basa en el principio de proporcionalidad y sigue un enfoque basado en principios, lo que garantiza su flexibilidad para adaptarse a la evolución del mercado y de la tecnología a lo largo del tiempo. 

El dictamen está en consonancia con los principios y requisitos fundamentales de la Ley de IA y otras iniciativas internacionales en este ámbito, como las de la Organización para la Cooperación y el Desarrollo Económicos (OCDE), el G20 o la Asociación Internacional de Supervisores de Seguros (IAIS), apoyando así un enfoque armonizado. 

El dictamen establece expectativas de supervisión de alto nivel respecto a los principios de gobernanza y gestión de riesgos que las entidades aseguradoras deben aplicar para garantizar un uso responsable de los sistemas de IA adaptados a casos de uso específicos. Estos principios incluyen, entre otros:

  • aplicar un enfoque proporcional y basado en el riesgo a lo largo del ciclo de vida de los sistemas de IA,
  • actuar con base en principios éticos y de equidad, en el mejor interés de los consumidores,
  • definir claramente las funciones y responsabilidades del personal pertinente, 
  • poder explicar de manera significativa los resultados de los sistemas de IA,
  • implementar políticas sólidas de gobernanza de datos y
  • mantener una documentación y registros adecuados y ordenados.

Proceso de consulta

Se invita a las partes interesadas a presentar comentarios sobre el documento de consulta y la evaluación de impacto de la opinión de EIOPA sobre la gobernanza y la gestión de riesgos de la IA, respondiendo a las preguntas a través de la encuesta en línea. El plazo para la presentación de comentarios finaliza el 12 de mayo de 2025.

Antecedentes

El Reglamento (UE) 2024/1689 (la Ley de IA) se publicó en el Diario Oficial de la Unión Europea en julio de 2024. La Ley de IA se aplica a todos los sectores de la economía y tiene por objeto garantizar un alto nivel de protección de los derechos fundamentales, la salud y la seguridad.

La Ley de IA clasifica los sistemas de IA en cuatro categorías según su nivel de riesgo: prohibido, alto riesgo, limitado y riesgo mínimo. Si bien la Ley de IA define un conjunto integral de medidas de gobernanza y gestión de riesgos que los sistemas de alto riesgo deben cumplir, junto con los requisitos ya establecidos en la legislación sectorial, 

Los sistemas de IA clasificados como de riesgo limitado o mínimo según la Ley de IA continúan operando sin medidas adicionales en virtud de dicha ley, salvo un conjunto de normas de transparencia, la necesidad de fomentar la alfabetización digital en IA entre el personal y el desarrollo de códigos de conducta voluntarios. No obstante, el uso de estos sistemas por parte de las compañías de seguros e intermediarios está sujeto a las normas de gobernanza y gestión de riesgos establecidas en la legislación sectorial.