Autor: Marcelo Hector Gonzalez , CISA, CRISC – ARGENTINA –

En la era digital en rápida evolución, dos tecnologías han surgido como cambios de juego significativos en el mundo de las finanzas, la banca y los pagos: la Tecnología de Libro Mayor Distribuido (DLT) y la Inteligencia Artificial Generativa (GenIA).

La Tecnología de Libro Mayor Distribuido, a menudo sinónimo de «blockchain», es un tipo de base de datos que se distribuye en múltiples sitios, países o instituciones. A diferencia de las bases de datos tradicionales, los libros mayores distribuidos tienen atributos arquitectónicos únicos que los hacen más robustos, seguros y transparentes. Proporcionan un marco descentralizado donde varios participantes pueden acceder, inspeccionar o agregar a los datos, pero no pueden alterar o eliminar entradas. Esta tecnología está transformando el panorama financiero al permitir transacciones más rápidas y seguras, reducir costos y proporcionar un nivel de transparencia sin precedentes. No solo amplían la gama de opciones financieras disponibles para las pequeñas empresas, sino que también generan numerosas ventajas adicionales. Estos beneficios a menudo provienen de métodos basados en la multitud, como el «crowdsourcing», el «crowdfunding» y la innovación impulsada por la multitud, que han surgido dentro del ámbito de las finanzas alternativas.

En el otro extremo del espectro, tenemos la Inteligencia Artificial Generativa, un fascinante subconjunto de la IA que se centra en la creación de nuevo contenido. Es como darle un pincel a una máquina y verla crear una obra maestra. Desde la elaboración de intrincadas piezas de arte hasta la escritura de artículos coherentes, la IA generativa está ampliando los límites de lo que las máquinas pueden crear. En el sector financiero, se utiliza para generar información a partir de datos, automatizar procesos de toma de decisiones e incluso ofrecer asesoramiento financiero personalizado.

Cuando estas dos poderosas tecnologías convergen, tienen el potencial de crear un cambio sísmico en el sector financiero, bancario y de pagos, abriendo nuevas vías para la eficiencia, la seguridad y el servicio al cliente. Sin embargo, como con cualquier tecnología revolucionaria, también traen nuevos desafíos y preocupaciones que deben ser navegados cuidadosamente.

El impacto de la DLT en las finanzas, la banca y los pagos

La DLT tiene varias implicancias para el sector financiero:

Transparencia y seguridad: La DLT proporciona un sistema transparente donde todas las transacciones se registran y son visibles para todos los participantes. Esta transparencia puede ayudar a reducir el fraude y garantizar la seguridad de las transacciones financieras. Por ejemplo, el Grupo De Beers ha utilizado una plataforma blockchain para rastrear el origen de los diamantes, asegurando que estén libres de conflictos.

Eficiencia: La DLT puede agilizar los procesos en el sector bancario y de pagos. Por ejemplo, los pagos transfronterizos, que tradicionalmente tardan varios días en procesarse, pueden completarse en tiempo real utilizando la DLT. Ripple, un protocolo de pago digital utiliza la DLT para permitir transferencias de dinero internacionales rápidas.

Reducción de costos: Al eliminar la necesidad de intermediarios, la DLT puede reducir significativamente los costos asociados con las transacciones financieras. El Banco Santander ha informado ahorros de alrededor de $20 mil millones al año en costos de infraestructura bancaria mediante el uso de la tecnología blockchain.

La convergencia de la IA Generativa y la DLT: Una sinergia poderosa

Cuando se combina con la IA Generativa, la DLT puede desbloquear aún más potencial:

Toma de decisiones automatizada: La IA Generativa puede analizar patrones en el libro mayor distribuido y hacer predicciones o decisiones basadas en estos patrones. Esto puede ser particularmente útil en áreas como la banca de inversión o el comercio algorítmico. Por ejemplo, LOXM de JPMorgan ha utilizado la IA para ejecutar operaciones a la máxima velocidad y a los mejores precios.

Evaluación de riesgos: La IA Generativa puede ayudar a evaluar el riesgo de ciertas transacciones analizando los datos en el libro mayor distribuido. Zest AI (anteriormente ZestFinance) ha utilizado algoritmos de aprendizaje automático para evaluar la solvencia de las personas, particularmente aquellas con poco o ningún historial crediticio.

Banca personalizada: Con la IA Generativa, los bancos pueden ofrecer asesoramiento financiero personalizado a sus clientes basado en su historial de transacciones registrado en la DLT. Wells Fargo ha utilizado la IA para proporcionar asesoramiento financiero personalizado a sus clientes.

Abordar las preocupaciones de privacidad en la DLT y la IA Generativa

Si bien la DLT y la IA Generativa ofrecen numerosos beneficios, también plantean preocupaciones significativas de privacidad. Sin embargo, estas preocupaciones pueden abordarse a través de varias estrategias:

Anonimización de datos: Una de las formas de abordar las preocupaciones de privacidad es a través de la anonimización de datos. Esto implica eliminar la información personal identificable de los datos antes de que se registren en la cadena de bloques o sean procesados por la IA. Al proporcionar estadísticas agregadas o información generalizada, esto asegura que los datos aún pueden ser analizados para patrones e información, mientras se asegura de que no puedan ser rastreados hasta ningún individuo. Esto asegura que, aunque los datos aún pueden ser analizados para patrones e información, no pueden ser rastreados hasta un individuo.

Pseudonimización de datos: Otro método para abordar las preocupaciones de privacidad es a través de la pseudonimización de datos. Esto implica reemplazar la información personal identificable con pseudónimos o identificadores falsos antes de que los datos se registren en la cadena de bloques o sean procesados por la IA. Si bien los datos pseudonimizados siguen clasificándose como datos personales, reducen la vinculación del conjunto de datos con la identidad original del sujeto de los datos, sirviendo como una medida de seguridad efectiva mientras aún permiten una posible re-identificación si es necesario.

Cadenas de bloques con permiso: A diferencia de las cadenas de bloques públicas donde cualquiera puede unirse y participar, las cadenas de bloques con permiso restringen quién puede participar y qué transacciones pueden ver. Esto puede ayudar a mantener la privacidad mientras aún se aprovechan los beneficios de la DLT.

Privacidad diferencial: En el contexto de la IA Generativa, la privacidad diferencial puede usarse para agregar ruido estadístico a los datos. Esto asegura que el modelo de IA no pueda identificar a individuos específicos a partir de los datos, preservando así la privacidad.

Cálculo seguro de múltiples partes (SMPC): El SMPC es una técnica criptográfica que permite a varias partes calcular una función sobre sus entradas mientras mantienen esas entradas privadas. Esto puede ser particularmente útil cuando se utiliza la IA Generativa para analizar datos en una DLT, ya que asegura que ninguna de las partes tiene acceso a todos los datos.

Regulación y cumplimiento: Los bancos pueden abordar las preocupaciones de privacidad adhiriéndose a las regulaciones de protección de datos como el Reglamento General de Protección de Datos (GDPR) en Europa, La Ley de Protección de Datos Personales de Argentina (Ley 25326/2000), la Ley de Privacidad de 1988 en Australia, la Ley de Privacidad del Consumidor de California (CCPA), la Ley de Protección de Datos de Suiza y la Ley de Protección de Datos Personales Digitales de India, entre otras. Estas regulaciones establecen estándares estrictos para la privacidad y seguridad de los datos, con la posibilidad de multas sustanciales por incumplimiento. Al cumplir con estas regulaciones, los bancos pueden garantizar la protección de los datos del cliente y mantener la confianza. Estas regulaciones establecen estándares estrictos para la privacidad y seguridad de los datos, y el incumplimiento puede resultar en la violación de los derechos humanos y en fuertes multas.

Normas, organismos y organizaciones internacionales: Las entidades financieras deben considerar las normas establecidas por organismos internacionales influyentes como ISO TC 307, ETSI ISG PDL, CEN-CENELEC JTC19, IEEE e ITU-T, centrados en la tecnología blockchain. ISO TC 307 desarrolla normas globales que garantizan la interoperabilidad, seguridad y usabilidad de las tecnologías blockchain y DLT, mientras que ETSI ISG PDL especifica los requisitos técnicos para los libros de contabilidad distribuidos con permiso en Europa. Estos organismos colaboran a nivel global, incluyendo con organizaciones como INATBA, que promueve la adopción de blockchain bajo normas y marcos regulatorios globales, facilitando la cooperación entre la industria, el gobierno y los reguladores. Al implementar estas estrategias, las organizaciones podrían abordar las preocupaciones de privacidad asociadas con DLT y la IA Generativa, ganando así la confianza de sus clientes y partes interesadas.

Posibles desafíos y problemas

Desafíos regulatorios: Como estas tecnologías son aun relativamente nuevas, las regulaciones todavía están alcanzándolas. La integración de DLT y la IA Generativa en el sector financiero podría enfrentar desafíos regulatorios. Por ejemplo, diferentes países tienen diferentes regulaciones con respecto a la privacidad de los datos y la tecnología blockchain. Navegar por este complejo panorama regulatorio puede ser un desafío para las instituciones financieras. Además, a medida que la IA Generativa se vuelve más sofisticada, puede plantear nuevos problemas éticos y legales que las regulaciones actuales no están equipadas para manejar.

Desafíos técnicos: La implementación de DLT y la IA Generativa requiere una experiencia técnica significativa y una infraestructura. Las instituciones financieras pueden necesitar invertir fuertemente en nuevo hardware, software y talento para implementar y gestionar eficazmente estas tecnologías. Además, a medida que estas tecnologías continúan evolucionando rápidamente, las instituciones necesitarán asegurarse de que pueden mantenerse al día con el ritmo de cambio.

Problemas de escalabilidad: Aunque DLT y la IA han demostrado promesa en aplicaciones a pequeña escala, escalar estas tecnologías para manejar el volumen de transacciones en el sector financiero puede ser un desafío. Para DLT, problemas como la congestión de la red, los tiempos de transacción lentos y el alto consumo de energía pueden convertirse en obstáculos significativos a medida que aumenta el uso. Para la IA, los desafíos pueden incluir garantizar la calidad y fiabilidad de las salidas de la IA a medida que aumenta el volumen de datos que maneja.

Calidad de los datos y sesgo: La efectividad de la IA Generativa depende en gran medida de la calidad de los datos en los que se entrena. Si los datos contienen errores, sesgos o no son representativos del mundo real, las salidas de la IA también pueden ser defectuosas. Esto puede ser particularmente problemático en aplicaciones financieras donde la precisión es crítica.

Preocupaciones de seguridad: Aunque DLT es a menudo promocionado por sus beneficios de seguridad, no es inmune a los ataques. Por ejemplo, un ataque del 51%, donde una sola entidad obtiene el control de la mayoría del poder de minería de la red, podría permitirles gastar dos veces las monedas. Por el lado de la IA, los ataques adversarios, donde las entradas están diseñadas para engañar a la IA para que cometa errores, también podrían suponer riesgos de seguridad.

Percepción pública y confianza: Finalmente, la percepción pública y la confianza pueden ser un desafío significativo. Tanto DLT como la IA representan cambios significativos en cómo se procesan las transacciones financieras y se toman las decisiones. Ganar la confianza del público será crucial para la adopción generalizada. Esto incluye ser transparente acerca de cómo funcionan estas tecnologías y abordar cualquier preocupación sobre el desplazamiento de empleos debido a la automatización.

Conclusión

La combinación de DLT y la IA Generativa tiene una gran promesa para el futuro del sector financiero, bancario y de pagos. Aunque hay desafíos que superar, los posibles beneficios en términos de eficiencia, reducción de costos y mejora del servicio al cliente hacen de esta un área atractiva para la exploración e inversión. Como con cualquier avance tecnológico, la consideración cuidadosa y la gestión de los riesgos potenciales serán clave para la implementación exitosa.

Enlace al artículo original en idioma inglés.