Los algoritmos sin control, alimentados por las nuevas capacidades de la inteligencia artificial, podrían incrementar la inestabilidad en los mercados financieros.
Al menos eso es lo que advierte el banco central de Reino Unido, el cual reconoce que el aprendizaje automatizado podría amplificar los riesgos.
Según señala Forbes, los algoritmos en las transacciones de alta frecuencia en la bolsa llevan ya una década operando para automatizar operaciones específicas como “vender” si las acciones alcanzan cierto nivel, o “comprar” si bajan las tasas de interés.
Sin embargo, la inteligencia artificial y sus sistemas de machine learning (aprendizaje automático) van todavía más allá, pues tienen la capacidad de analizar una enorme cantidad de datos para identificar tendencias o correlaciones, y toman decisiones de compra o venta por sí mismos. Y las advertencias no son precisamente algo nuevo.
La urgencia con la que la industria financiera busca adoptar herramientas de inteligencia artificial (IA) abre la posibilidad de que las compañías se vuelvan demasiado dependientes en tecnologías que los lleven hacia los mismos riesgos y podría “amplificar los shocks financieros”, de acuerdo con un estudio publicado en 2017 por el Consejo de Estabilidad Financiero, un panel de reguladores que incluye a la Reserva Federal de Estados Unidos
(FSB, por sus siglas en inglés) y al Banco Central Europeo.
“La IA y aplicaciones de machine learning son promisorias si sus riesgos específicos son debidamente manejados”, señala la FSB en otro reporte que hace un llamado a un mayor monitoreo y pruebas de tecnologías de IA.
“Como grupo, la vulnerabilidad de los bancos universales hacia los shocks sistémicos podría incrementar si cada vez dependen más en algoritmos o flujos de información similares”, prevé.
Según la consultora Greenwich, citada por Forbes, más del 50% de las empresas del mercado financiero utilizarán sistemas de aprendizaje automatizado en los próximos dos años.
La inteligencia artificial es utilizada en los fondos de inversión y los gestores de activos los usan para disminuir el riesgo sobre qué, cuándo y a quién comprar.
Igualmente, los bancos recurren a ésta para detectar fraudes y ataques informáticos, fijar el precio de un producto o analizar perfiles de clientes atípicos.
Es una herramienta que reduce costes en un contexto de tasas de interés negativas.
