Las entidades bancarias están incorporando herramientas de inteligencia artificial para detectar señales de deterioro en los préstamos corporativos antes de que se produzcan incumplimientos de cláusulas contractuales o pérdidas crediticias.
De acuerdo con un informe publicado por la firma consultora McKinsey, estas instituciones financieras comienzan a vincular el origen del crédito con la supervisión continua de los prestatarios, lo que permite a los equipos de riesgo identificar problemas de solvencia de manera anticipada e intervenir con mayor rapidez.
Los flujos de trabajo respaldados por inteligencia artificial tienen la capacidad de rastrear de forma constante los documentos regulatorios de las empresas, las modificaciones en las calificaciones crediticias, los movimientos del mercado y los riesgos específicos de cada sector. Cuando el sistema detecta alguna anomalía, activa reevaluaciones focalizadas sobre la capacidad de servicio de la deuda, el margen de cumplimiento de los acuerdos financieros y los límites de las líneas de crédito otorgadas. En aquellas organizaciones donde existen datos empresariales integrados y capacidades analíticas consolidadas, la tecnología también facilita la evaluación de escenarios macroeconómicos y sectoriales tanto a nivel de clientes individuales como en la totalidad de la cartera.
En el segmento de la banca mayorista, diversas entidades están poniendo a prueba sistemas de inteligencia artificial agéntica para ejecutar tareas que abarcan la recopilación de información del solicitante, el análisis financiero, la verificación de políticas internas, la gestión documental y el manejo de excepciones. Según los datos recopilados por McKinsey sobre estas primeras implementaciones, los bancos reportan mejoras de productividad situadas entre el 30% y el 50% a lo largo de todo el ciclo de vida del crédito, junto con tiempos de respuesta más cortos y tasas de calidad en los resultados cercanas al 95%.
El nivel de automatización que aplican estas instituciones se ajusta según la complejidad y el monto de exposición de cada operación. Las transacciones estandarizadas y de menor riesgo se procesan mediante flujos altamente automatizados, mientras que las operaciones de riesgo moderado mantienen esquemas asistidos por personal especializado.
En el caso de financiamientos complejos o de alta exposición, las evaluaciones continúan lideradas por analistas humanos que utilizan los reportes generados por la inteligencia artificial como insumo de apoyo. Algunas entidades financieras de referencia en Europa ya están extendiendo la evaluación automatizada hacia operaciones de mayor volumen, aunque los oficiales de crédito conservan la responsabilidad absoluta sobre las aprobaciones finales y las decisiones de mayor impacto.
Esta evolución operativa se enmarca en una tendencia más amplia dentro de la industria financiera global, donde bancos como JPMorgan Chase y Bank of America han incrementado sus presupuestos tecnológicos para integrar modelos predictivos y automatización en sus áreas de cumplimiento y control de riesgos. No obstante, informes previos del propio sector y de organismos supervisores como el Banco de Pagos Internacionales advierten que la adopción de estos sistemas exige controles estrictos sobre la gobernanza de datos y la mitigación de sesgos algorítmicos para evitar fallos en la valoración de activos.
Asimismo, la tecnología habilita una vigilancia ininterrumpida y activada por eventos sobre las posiciones de los prestatarios, el respeto a las políticas internas, la desviación de los modelos y el apetito de riesgo de la entidad. Los controles de calidad automatizados, el registro de evidencias y el enrutamiento basado en excepciones respaldan evaluaciones más precisas. Para McKinsey, el alcance de estas herramientas en la gestión de riesgos trasciende el ahorro operativo y apunta hacia una mayor capacidad de previsión, lo que permitiría a los bancos diseñar estrategias de cartera más dinámicas, comprender mejor la concentración de riesgos y adaptarse con agilidad a las alteraciones de cada industria.
Fuente: McKinsey








































