El comisionado de la Comisión de Bolsa y Valores de EE. UU. (SEC), Mark T. Uyeda, se dirigió recientemente a la reunión anual de otoño de la NASAA de 2023 y enfatizó el papel de la innovación y la tecnología en la modernización de la protección de los inversores. Uyeda subrayó la importancia de que los reguladores trabajen en estrecha colaboración con las empresas financieras para comprender y supervisar eficazmente las tecnologías emergentes como la inteligencia artificial (IA) y el aprendizaje automático (ML).
Uyeda señaló que la IA y el aprendizaje automático tienen un inmenso potencial en la industria financiera. Estas tecnologías pueden reducir los costos operativos, aumentar el acceso para los inversores y mejorar los esfuerzos de cumplimiento. Los reguladores también pueden beneficiarse de la IA, ya que ayuda a dar sentido a grandes cantidades de datos, mejorar la formulación de políticas y prevenir el fraude.
Si bien reconoció los riesgos asociados, Uyeda alentó una regulación cuidadosa para mitigar estos riesgos en lugar de una prohibición total. Cree que las tecnologías emergentes deberían verse como oportunidades para los mercados financieros y los inversores.
Su discurso subraya la necesidad del panorama regulatorio de adaptarse a la evolución de la era digital. La IA aún está en desarrollo, lo que hace que la regulación y las pruebas (especialmente en bancos existentes y utilizables de datos estructurados de alta calidad) sean esenciales para construir modelos de aprendizaje automático que puedan consumir de manera útil e incluso mejorar el análisis y la presentación de informes de datos comerciales estructurados.
Hablando sólo por nosotros mismos, esperamos con ansias ese día en el que veamos el despliegue a gran escala de la IA por parte de los propios reguladores de valores, con sistemas en continua búsqueda de esquemas piramidales, ofertas demasiado buenas para ser verdad y la avalancha de estafas de “IA que puede invertir en su nombre para ganarle millones” que parecen estar surgiendo por todo Internet.
Etiqueta: IA – Inteligencia Artificial
Los reguladores recurren a la tecnología para abordar el lavado verde
Cuatro equipos han sido reconocidos en un evento TechSprint dirigido por el regulador destinado a desarrollar soluciones tecnológicas para contrarrestar el lavado verde, aumentar la confianza en las finanzas sostenibles y mejorar la precisión de la información para los inversores.
En la culminación de ayer del primer Greenwashing TechSprint de la Red Global de Innovación Financiera (GFIN), se presentaron premios basados en diferentes criterios. Los premios Jump Solution, Eureka Solution, Fast Solution y Globe Trotter fueron ganados por la plataforma de inteligencia Fidata, la institución académica King’s College London, la plataforma mejorada de diligencia debida Neotas y SKFH, respectivamente.
El TechSprint, que se alojó en la caja de arena digital de la Autoridad de Conducta Financiera del Reino Unido (FCA), estableció a sus participantes el objetivo de desarrollar una herramienta o solución que se pueda usar «en todas las jurisdicciones» para ayudar a abordar los riesgos de lavado verde en los servicios financieros.
Romper el ciclo
BigTech a menudo desvía el escrutinio atribuyendo cuestiones éticas a factores externos, como las acciones de proveedores y reguladores, mientras descuida sus propios modelos comerciales insostenibles. Mientras abogan por las regulaciones de IA, estos gigantes tecnológicos pueden estar sirviendo a sus propios intereses creando barreras de entrada para competidores más pequeños, reduciendo la competencia, protegiendo su posición en el mercado y aumentando los precios de otros productos. Las empresas de tecnología también imponen su falta de sostenibilidad a otros al pedir a sus proveedores que adopten fuentes de energía renovables sin abordar los problemas centrales de su propio impacto ambiental.
Las empresas de tecnología deben asumir la responsabilidad de sus prácticas y reevaluar los modelos de negocio para alejarse de la obsolescencia programada y adoptar una economía circular, donde los productos están diseñados para la longevidad, la capacidad de reparación y el reciclaje. Las grandes empresas de tecnología están desviando la culpa a sus proveedores y ejerciendo una presión indebida sobre los reguladores. Al imaginar el futuro, ¿qué elementos podrían formar la base de un modelo de negocio sostenible viable para los proveedores de tecnología?
La industria tecnológica: modelos de negocio insostenibles
En lugar de desviar la responsabilidad hacia los proveedores y los responsables políticos, BigTech debe enfrentar una cultura subyacente que facilita el daño ambiental y los riesgos ESG. Las empresas de tecnología deben reconocer la cultura que han fomentado, una que prospera en la obsolescencia programada, sirviendo como facilitador y beneficiario. La obsolescencia programada se refiere a la creación intencional de productos con una vida útil limitada. Esta táctica tiene como objetivo estimular las ventas de nuevos productos y actualizaciones con un diseño artificialmente limitado y deliberadamente frágil, haciendo que el producto sea obsoleto. Para abordar realmente su impacto ambiental, BigTech necesita asumir la responsabilidad intrínseca a sus propias prácticas en lugar de intentar cambiarla a otro lugar.
La política industrial y el trilema de la estrategia de crecimiento
La política industrial está cobrando impulso en muchos países, y algunos economistas señalan que el modelo de China es un éxito. En un mundo que enfrenta desafíos como las secuelas de COVID-19, el nacionalismo de las vacunas, la inestabilidad de la cadena de suministro global, las transiciones netas cero y la competencia geopolítica, existe un debate renovado sobre el papel de la política industrial y el apoyo gubernamental para las empresas e industrias consideradas estratégicamente importantes.
La gente se pregunta si podemos confiar en el libre mercado y existe la preocupación de que los países estén perdiendo su ventaja en innovación. Los halcones de la seguridad nacional también se preocupan por depender de los adversarios para obtener recursos críticos, como semiconductores y productos farmacéuticos.
En Estados Unidos, la política industrial ya no es un tema tabú. Existe apoyo bipartidista para la Ley de creación de incentivos útiles para producir semiconductores y ciencia (Ley CHIPS), cuyo objetivo es revitalizar la industria de semiconductores de EE. UU. Más del 90 por ciento de los chips avanzados, cruciales para la defensa y la inteligencia artificial (IA), provienen de la provincia china de Taiwán, lo que genera preocupación sobre la vulnerabilidad de la industria estadounidense en caso de un ataque. Para abordar tales riesgos, el gobierno de EE. UU. está asignando $39 mil millones en fondos de la Ley CHIPS de $280 mil millones para apoyar el desarrollo de la capacidad de fabricación avanzada de semiconductores. La política industrial de la administración Biden es de gran alcance y se planean al menos dos grupos de fabricación de semiconductores para 2030. Los beneficiarios de los fondos también enfrentan condiciones extensas, como una prohibición de 10 años de expandir la capacidad de chips avanzados en China y un compromiso con el cuidado infantil asequible. Estas políticas son parte del enfoque más amplio de la administración hacia la política industrial, que también incluye $370 mil millones en subsidios para energía limpia en la Ley de Reducción de la Inflación.
Los rápidos y los muertos: construyendo resiliencia cibernética en el sector financiero
Como nos dimos cuenta hace algunos años, las amenazas cibernéticas están aquí para quedarse. Existen muchos actores de amenazas altamente adaptables que intentarán explotar sistemáticamente cualquier debilidad o vulnerabilidad con fines ilegales. Las amenazas existentes son cada vez más peligrosas y nuevas amenazas están en el horizonte. Por lo tanto, debemos adaptar nuestros marcos operativos y de ciber resiliencia constantemente a nivel individual y colectivo a través de una estricta regulación, aplicación y enjuiciamiento. La futura cooperación entre instituciones públicas y privadas también será crucial. El ECRB puede hacer una contribución decisiva a este esfuerzo en relación con el sistema financiero.
IA – Pasar del miedo a la confianza
La tecnología de IA se puede utilizar para cambiar el aspecto y la voz de un modelo para dirigirse a un consumidor de una manera personal, muy similar a la forma en que funcionan las falsificaciones profundas. Esto tenía un enorme potencial de ingresos.
Esta tecnología podría incluso haber tenido un uso político: vender la tecnología de video adaptativo a los partidos políticos que permitiría a los políticos hiper-apuntar a los votantes individuales, cambiando su tono y promesas en línea con la reacción de los votantes.
Herramientas Suptech para la supervisión prudencial y su uso durante la pandemia
Las herramientas de análisis de datos de Suptech están haciendo que la supervisión prudencial sea más eficiente y aportando nuevos conocimientos sobre riesgos, áreas de preocupación y otras cuestiones de supervisión. Estas herramientas utilizan una gama de datos, tanto cualitativos como cuantitativos, de diferentes fuentes. Las herramientas para el análisis de texto, el resumen de texto y la clasificación de la información permiten una extracción mucho más rápida de información útil de documentos voluminosos de lo que sería posible manualmente. Las herramientas para el análisis de sentimientos, la identificación de riesgos, el análisis de redes y la identificación de grupos de pares proporcionan información a partir de datos que pueden no haber sido detectados simplemente utilizando herramientas estadísticas o basadas en reglas tradicionales. Además, las herramientas que automatizan partes del proceso de inspección dan como resultado más eficiencias e información de supervisión más significativa.
UNEP Fintech y Desarrollo Sostenible: Evaluando las Implicaciones
Las finanzas son un sistema en constante cambio. En la actualidad, el sistema financiero se encuentra tanto en crisis como en transición. La crisis financiera y sus secuelas causaron enormes turbulencias y condujeron a un período prolongado de bajo crecimiento e inestabilidad en toda la economía política internacional. La transición del sistema financiero está en parte impulsada por esta agitación, a través de impulsores de políticas y regulaciones, y aumentó la influencia de las naciones emergentes en la configuración de las finanzas globales.
La transición está impulsada por desarrollos históricos más amplios, incluido el desarrollo sostenible y las innovaciones en tecnología financiera. El mundo está luchando para abordar la creciente desigualdad, los impactos del cambio climático y el deterioro generalizado de la riqueza natural que sostiene a las comunidades y sustenta la economía global. La agitación actual se debe en parte a respuestas políticas inadecuadas a estos desafíos. Este imperativo puede parecer distante del sistema financiero, pero nada más lejos de la realidad. Como la investigación del PNUMA ha explicado en ambas ediciones de su informe global, «El sistema financiero que necesitamos», la realización de los Objetivos de Desarrollo Sostenible (ODS) y los compromisos climáticos acordados en 2015 depende en parte de un restablecimiento del sistema financiero mundial para garantizar que el capital privado se redistribuya para financiar la transición a un sistema inclusivo, la economía verde.
El papel de Big Data, Machine Learning e IA en la evaluación de riesgos – una perspectiva regulatoria
En este punto de nuestros programas de evaluación de riesgos, el poder del aprendizaje automático es claramente evidente. Hemos utilizado tanto el aprendizaje automático como las tecnologías de big data para extraer información procesable de nuestros conjuntos de datos masivos. Pero las computadoras aún no están realizando exámenes de cumplimiento por su cuenta. Ni siquiera cerca. Los algoritmos de aprendizaje automático pueden ayudar a nuestros examinadores al indicarles la dirección correcta en su identificación de posibles fraudes o mala conducta, pero los algoritmos de aprendizaje automático no pueden preparar una referencia a la aplicación. Y los algoritmos ciertamente no pueden presentar una acción de cumplimiento. La probabilidad de un posible fraude o mala conducta identificada en función de una predicación de aprendizaje automático no puede, y no debe, ser la única base de una acción de cumplimiento. Todavía se necesitan pruebas corroborativas en forma de testimonios de testigos o pruebas documentales, por ejemplo. En pocas palabras, la interacción humana es necesaria en todas las etapas de nuestros programas de evaluación de riesgos.
Un salto cuántico para los servicios financieros
La tecnología de la información cuántica (QIT) se refiere a los amplios campos de la computación cuántica y las comunicaciones cuánticas que están desarrollando tecnología informática basada en los principios de la mecánica cuántica (que explica las propiedades de la naturaleza a nivel atómico y subatómico) y la ciencia de la información cuántica. Las computadoras clásicas de hoy en día usan ‘bits’ para codificar información en los valores de 0 o 1, mientras que las computadoras cuánticas usan ‘qubits’ (bits cuánticos). Estos qubits se basan en habilidades excepcionales de partículas subatómicas para estar en dos (o más) estados al mismo tiempo, un fenómeno llamado superposición cuántica. En términos informáticos, pueden ser 0 y 1 al mismo tiempo, lo que permite una amplia gama de capacidades y potenciales de computación cuando se conectan con otros qubits a través del entrelazamiento cuántico.
Es importante destacar que las habilidades inherentes de QIT les permiten abordar problemas que actualmente son intratables utilizando la computación clásica. Evidenciado por el debate en curso entre Google e IBM sobre si se ha logrado la supremacía cuántica (definida como cuando un dispositivo cuántico resuelve un problema que ninguna computadora clásica puede resolver en un período de tiempo factible), demuestra la indiscutible del potencial de QIT. Sin embargo, es importante tener en cuenta que no hay consenso sobre cuándo se realizará este potencial, con predicciones que varían ampliamente de 3 a 10 años en el momento en que el uso de computadoras cuánticas se convertirá en algo común.