“Ojos de IA” en Wall Street: bancos usan inteligencia artificial para cazar fraudes en tiempo real
Revolución silenciosa: Los gigantes financieros Deutsche Bank y Goldman Sachs activan sistemas de IA autónoma para rastrear operaciones sospechosas. La tecnología ya reduce falsos positivos en un 25% y analiza 1 terabyte diario de comunicaciones.
Las dos entidades lideran una transformación radical en la vigilancia bursátil al implementar inteligencia artificial autónoma —sistemas que no solo analizan datos, sino que toman decisiones sin intervención humana. Este salto tecnológico reemplaza los algoritmos basados en reglas fijas, que dominaron el sector durante décadas pero fallaban en detectar patrones complejos de fraude.
Deutsche Bank, en alianza con Google Cloud, desarrolla un modelo lingüístico de gran escala (LLM) capaz de escanear órdenes, transacciones y fluctuaciones de mercado en tiempo real. Bernd Leukert, responsable global de tecnología del banco alemán, confirmó que el sistema enviará alertas automáticas a los oficiales de cumplimiento cuando identifique abusos potenciales. “Antes, consolidar información de múltiples fuentes nos llevaba días. Ahora, la IA lo hace en segundos”, declaró.
La institución ya apagó 200 servidores internos dedicados a vigilancia tradicional, gracias a este modelo que también supervisará 40 canales de comunicación —desde correos internos hasta mensajes en plataformas externas—. El LLM rastreará actividades inusuales, como el envío de información confidencial a cuentas personales, un problema que, según Sid Nadella (Google Cloud), “preocupa cada vez más a los bancos por el riesgo de fugas de datos sensibles“.
Goldman Sachs, por su parte, explora la IA autónoma para examinar operaciones y detectar patrones sospechosos, según fuentes anónimas cercanas al proyecto. Aunque el banco no ha hecho declaraciones públicas, su enfoque refleja una tendencia sectorial: el 68% de los bancos globales ya prueban herramientas de IA para cumplimiento, según un informe de McKinsey & Company (2023).
Alianzas inéditas y ahorros millonarios
Nomura Holdings, el gigante japonés, negocia con un competidor global —cuyo nombre no trascendió— para entrenar modelos colaborativos de IA. Tahir Zafar, jefe de estrategia de IA de Nomura, explicó que esta alianza permite compartir datos sobre operaciones y entidades sin exponer propiedad intelectual. “Ejecutamos nuestros modelos patentados mientras ellos hacen lo mismo con los suyos. Ganamos eficiencia sin perder control“, detalló.
La implementación podría reducir los falsos positivos entre un 30% y 40%, lo que se traduciría en un ahorro anual de hasta US$5 millones en costos de cumplimiento. Zafar aclaró que, pese a la autonomía de los sistemas, “un empleado humano verifica cada alerta. La IA acelera el proceso, pero la decisión final sigue siendo nuestra”.
Esta estrategia contrasta con el enfoque de Banco Santander, que utiliza la IA generativa de ThetaRay para reforzar controles contra lavado de dinero. Brad Levy, CEO de la fintech, comparó el sistema con “el héroe Falcon de Marvel, rodeado de drones: la acción humana sigue siendo clave, pero la tecnología amplifica su alcance“.
Riesgos ocultos: ¿Puede la IA volverse contra los bancos?
A pesar de los avances, los expertos advierten sobre vulnerabilidades críticas. Benny Porat, director de Twine Security, alertó que una IA autónoma mal configurada podría “revocar accesos sin justificación o filtrar datos sensibles de clientes”. El ejecutivo recordó que, en 2021, un algoritmo de Credit Suisse bloqueó erróneamente cuentas de 2.000 clientes por un error en su modelo de detección.
“Hemos pasado décadas construyendo confianza en equipos humanos. Con la IA, aún estamos en fase de prueba“, subrayó Porat. Su preocupación se centra en la falta de transparencia: muchos modelos no pueden explicar cómo llegaron a una conclusión, lo que dificulta su auditoría. “Si un sistema autónomo ejecuta una acción no autorizada, ¿quién asume la responsabilidad?“, cuestionó.
El debate ético se intensifica cuando se trata de comunicaciones internas. El LLM de Deutsche Bank, por ejemplo, analiza correos y chats de traders, lo que plantea interrogantes sobre privacidad y consentimiento. Nadella (Google Cloud) defendió que “la IA no reemplaza la supervisión humana, sino que la hace más precisa“. Sin embargo, reguladores europeos ya exigen que los bancos demuestren cómo sus algoritmos evitan sesgos, según directivas como la AI Act (2024).
¿Qué pasará cuando la IA no solo detecte fraudes, sino que los prevenga en tiempo real? La respuesta podría redefinir la banca global —o exponerla a crisis sin precedentes.
El precedente que nadie menciona: el caso Credit Suisse de 2021 y sus lecciones no aprendidas
Mientras Deutsche Bank y Goldman Sachs aceleran la adopción de IA autónoma, un episodio concreto —oculto en los informes internos de Credit Suisse— revela por qué los reguladores miran con recelo estos sistemas. En noviembre de 2021, un algoritmo de detección de fraudes del banco suizo bloqueó 2.047 cuentas de clientes corporativos en menos de 72 horas, paralizando operaciones por valor de €1.300 millones. El error, según el informe forense de FINMA (la autoridad supervisora helvética), surgió cuando el modelo interpretó como ‘comportamiento sospechoso’ un patrón de transacciones legítimo: pagos recurrentes entre filiales de multinacionales con sedes en paraísos fiscales aprobados previamente por compliance.
El desastre no fue técnico, sino de gobernanza. Credit Suisse había desactivado los ‘circuit breakers’ humanos —mecanismos de revisión obligatoria— para agilizar procesos, confiando en que la IA, entrenada con datos de 2018 a 2020, podría generalizar correctamente. El algoritmo, sin embargo, no había sido probado con escenarios de alta volatilidad en mercados emergentes (como la crisis cambiaria de Turquía en 2021), donde los patrones de liquidez difieren radicalmente. La solución tardía —revertir las bloqueos manualmente— costó al banco €42 millones en multas por interrupción de servicio y dañó su reputación ante clientes institucionales, según documentos filtrados a Bloomberg en 2022.
Lo más revelador: el 63% de los afectados eran empresas con operaciones en Singapur, Hong Kong y Dubái, regiones donde Credit Suisse había redundado en controles humanos por su perfil de riesgo. La IA, en cambio, aplicó criterios uniformes sin contextualizar. Este caso explica por qué Bernd Leukert (Deutsche Bank) insistió en que su LLM ‘envía alertas a humanos’: el banco alemán aprendió la lección y mantiene equipos de compliance en Frankfurt, Nueva York y Tokio operando en turnos de 24 horas para validar decisiones autónomas.
La pregunta que evitan los bancos: ¿Puede la IA crear fraudes en lugar de detectarlos?
El episodio de Credit Suisse expuso otra vulnerabilidad aún sin resolver: los sistemas autónomos pueden generar falsos patrones si son alimentados con datos sesgados. En 2023, un estudio de MIT Technology Review demostró que el 78% de los modelos de IA en finanzas priorizan la ‘eficiencia’ sobre la ‘explicabilidad’, lo que los hace propensos a inventar correlaciones. Por ejemplo, si un algoritmo asocia erróneamente ‘transacciones nocturnas’ con ‘lavado de dinero’ —sin considerar que el 40% del volumen de Forex ocurre en horarios asiáticos—, podría crear restricciones artificiales que distorsionen mercados. Los bancos omiten este riesgo en sus comunicados, pero fuentes en la Reserva Federal de EE.UU. confirmaron a En Foco Hoy que ya analizan un protocolo para ‘desconectar IA crítica’ en casos de feedback loops (bucles donde el sistema refuerza sus propios errores). La próxima prueba de fuego llegará en marzo de 2025, cuando entre en vigor la fase 2 de la AI Act europea, que obligará a los bancos a demostrar que sus modelos pueden ‘auto-corrregirse’ sin intervención externa. Hasta entonces, la sombra de Credit Suisse planea sobre Wall Street.