Tengo otros datos
Por: Eduardo Esquivel Ancona
La tecnología promete abaratar costos, ampliar el acceso al crédito y mejorar la detección de fraudes, pero su adopción acelerada también puede multiplicar riesgos de liquidez, ciberseguridad, concentración tecnológica y decisiones automatizadas difíciles de auditar.
La inteligencia artificial (IA) dejó de ser una tecnología experimental para convertirse en uno de los principales motores de la transformación digital del sistema financiero. Bancos, aseguradoras, fintech y otras instituciones utilizan herramientas automatizadas para analizar grandes volúmenes de información, detectar operaciones inusuales, personalizar productos, evaluar riesgos y mejorar la atención de los clientes.
El problema comienza cuando la velocidad de adopción supera la capacidad de las instituciones y de los reguladores para identificar, contener y corregir sus efectos adversos.
El Banco de México ya colocó este asunto dentro de la discusión sobre estabilidad financiera. En su Reporte de Estabilidad Financiera de junio de 2026, el banco central advierte que la IA puede amplificar riesgos tradicionales y generar nuevas vulnerabilidades para el sistema. Entre ellas identifica los riesgos cibernéticos, la concentración tecnológica, la dependencia de proveedores y la posibilidad de que el contenido sintético y los deepfakes deterioren la confianza de los usuarios en las instituciones financieras.
El riesgo no está solamente en el algoritmo
Uno de los mayores desafíos económicos consiste en que las instituciones financieras podrían terminar dependiendo de tecnologías, modelos y proveedores similares.
Si diferentes bancos utilizan sistemas de IA entrenados con metodologías semejantes para evaluar mercados, riesgos o portafolios, una perturbación financiera podría generar respuestas igualmente similares. El problema es que una decisión racional para una institución puede convertirse en un problema sistémico cuando miles de participantes ejecutan simultáneamente la misma estrategia.
En un escenario de volatilidad, por ejemplo, varios intermediarios podrían recibir señales semejantes para reducir posiciones o vender determinados activos. Si las decisiones ocurren al mismo tiempo, la presión vendedora puede profundizar las caídas de precios, deteriorar la liquidez y aumentar las necesidades de financiamiento.
La IA, en otras palabras, puede hacer más eficiente al sistema en tiempos normales, pero también podría sincronizar las decisiones de sus participantes durante una crisis.
Ahí aparece uno de los principales retos para los reguladores: supervisar no solamente a cada institución de manera individual, sino también las interconexiones tecnológicas que pueden convertir una falla aparentemente aislada en un problema de alcance sistémico.
Concentración tecnológica: un riesgo que puede pasar inadvertido
Existe además una vulnerabilidad menos visible: la concentración de la infraestructura necesaria para desarrollar y operar sistemas de inteligencia artificial.
Banco de México señala que las capacidades de IA están concentradas en un número reducido de proveedores tecnológicos globales. Esto genera dependencia del sistema financiero respecto de infraestructuras que, en muchos casos, se encuentran fuera del control directo de los intermediarios mexicanos.
Una interrupción de servicios, una falla informática, un ataque contra un proveedor o una modificación de sus condiciones comerciales podría afectar simultáneamente a varias instituciones.
El problema económico no sería únicamente tecnológico. Una interrupción generalizada podría traducirse en operaciones detenidas, retrasos en pagos, problemas de liquidez, pérdidas para empresas y consumidores y, en un escenario extremo, presión sobre la confianza en el sistema financiero.
Por ello, la dependencia tecnológica debe comenzar a considerarse como una variable de estabilidad financiera.
El delincuente también utiliza IA
La otra cara de la transformación digital es el uso de estas herramientas por parte de organizaciones criminales.
La IA generativa permite producir mensajes fraudulentos personalizados, contenidos audiovisuales falsos y mecanismos de suplantación cada vez más convincentes.
La CONDUSEF ha advertido sobre la posibilidad de que estas tecnologías sean utilizadas para perfeccionar la suplantación de instituciones financieras. Entre las modalidades identificadas se encuentran los audios y videos falsos, la clonación de voz y la generación automatizada de mensajes capaces de imitar el lenguaje y la imagen de instituciones legítimas.
Esto modifica la naturaleza del fraude financiero.
Durante años, una señal para detectar un correo apócrifo era su mala ortografía, un diseño deficiente o un mensaje genérico. La IA reduce esas señales de alerta y permite construir engaños personalizados para una víctima específica.
Un delincuente puede generar una comunicación que reproduzca el tono de una institución financiera, utilizar información disponible públicamente sobre una persona y crear una interacción diseñada para inducirla a entregar contraseñas, códigos de seguridad o información patrimonial.
El fraude deja de ser masivo y genérico para convertirse en personalizado, automatizado y escalable.
Deepfakes: cuando la voz y la imagen dejan de ser una prueba de identidad
La clonación de voz representa uno de los riesgos más delicados.
Una llamada que aparentemente proviene de un familiar, un ejecutivo bancario o un responsable de una empresa puede ser manipulada mediante IA para generar confianza y solicitar una transferencia o autorización.
Lo mismo ocurre con los videos falsificados.
Banco de México documentó que los fraudes mediante deepfakes han adquirido relevancia internacional y recordó que estas herramientas pueden afectar directamente la confianza de los usuarios en las instituciones y en las infraestructuras financieras.
La consecuencia económica es importante: cuanto más difícil resulte distinguir entre una comunicación legítima y una falsificada, mayor será el costo que deberán asumir las instituciones para autenticar operaciones.
Esto puede traducirse en mayores inversiones en biometría, autenticación multifactor, monitoreo transaccional y sistemas de detección de anomalías.
La IA también puede equivocarse al otorgar crédito
No todos los riesgos provienen de los delincuentes.
Una institución puede utilizar IA para determinar quién recibe un crédito, cuánto puede pagar o cuál es el nivel de riesgo de un cliente. Sin embargo, un modelo entrenado con información incompleta, sesgada o de mala calidad puede producir decisiones equivocadas.
El problema se vuelve mayor cuando la institución desconoce con precisión por qué el algoritmo tomó una determinada decisión.
Es el llamado problema de la “caja negra”: el sistema genera un resultado, pero explicar cada una de las variables que condujeron a él puede ser complejo.
En el sistema financiero esto tiene consecuencias económicas y regulatorias.
Una decisión errónea puede significar un crédito concedido a un cliente que no podrá pagarlo, pero también puede provocar que un consumidor solvente sea excluido injustificadamente del sistema financiero.
La automatización tampoco elimina la responsabilidad institucional. Si un algoritmo falla, la responsabilidad económica, operativa y regulatoria seguirá recayendo en la institución que decidió utilizarlo.
Ciberataques más rápidos y sofisticados
Banco de México también identifica el riesgo de que la IA permita localizar y explotar vulnerabilidades informáticas de manera autónoma y a gran escala, reduciendo el tiempo disponible para que las instituciones respondan.
Esto modifica la ecuación tradicional de la ciberseguridad.
Los bancos ya no solamente tienen que protegerse contra ataques convencionales. Deben asumir que sus adversarios también pueden utilizar herramientas automatizadas para investigar sistemas, generar código malicioso, adaptar ataques y producir campañas de ingeniería social.
La amenaza no se limita al robo directo de dinero. Una intrusión puede afectar bases de datos, información personal, sistemas de pagos o la disponibilidad de servicios financieros.
Y cuando varias instituciones dependen de infraestructuras tecnológicas similares, un ataque contra un proveedor puede tener efectos simultáneos sobre distintos participantes del mercado.
México ya enfrenta el problema de la suplantación
La magnitud del fenómeno puede observarse incluso antes de considerar los escenarios más sofisticados.
CONDUSEF informó que durante junio de 2026 recibió reportes de 11 instituciones financieras cuya identidad fue presuntamente suplantada mediante el uso indebido de sus nombres, logotipos y otros elementos de identificación. En abril había registrado otros 10 casos.
Aunque CONDUSEF aclara que no existen registros generalizados que permitan afirmar que todos estos casos sean consecuencia de IA, la propia autoridad reconoce que las tecnologías avanzadas pueden hacer más creíbles y difíciles de detectar los mecanismos de suplantación.
Esto obliga a modificar la estrategia de prevención.
Ya no basta con que un banco proteja sus servidores. También debe proteger su identidad digital, sus canales de comunicación y a sus clientes frente a contenidos falsificados que aparenten provenir de la propia institución.
El costo económico puede crecer
La discusión sobre IA en las finanzas suele concentrarse en productividad y reducción de costos. Sin embargo, también es necesario contabilizar el costo de los riesgos.
Una institución que adopta IA debe invertir simultáneamente en infraestructura, protección de datos, auditoría de modelos, capacitación, controles de acceso, monitoreo y mecanismos de respuesta ante incidentes.
Si esos gastos no se consideran desde el inicio, el supuesto ahorro derivado de la automatización puede convertirse posteriormente en pérdidas por fraude, litigios, interrupciones operativas o daños reputacionales.
Existe además un costo macroeconómico.
Si una falla tecnológica afecta simultáneamente a varias instituciones, la interrupción de servicios puede impactar pagos, crédito, inversión y confianza. La estabilidad financiera depende no solamente de que cada banco sea solvente, sino de que las conexiones entre ellos y con sus proveedores sean suficientemente resistentes.
¿Y la llamada “Ley Antimemes”?
En este contexto también ha surgido en México el debate sobre reformas relacionadas con el uso indebido de identidad gráfica institucional, falsificación y mecanismos utilizados para inducir al engaño.
El término “Ley Antimemes” no corresponde al nombre oficial de una ley, sino a una denominación utilizada en el debate público y político alrededor de estas reformas.
El debate es más amplio que la inteligencia artificial. Las modificaciones discutidas buscan abordar conductas relacionadas con propiedad industrial, falsificación y uso indebido de elementos institucionales; al mismo tiempo, algunos legisladores han cuestionado la amplitud de determinadas disposiciones y sus posibles efectos sobre expresiones satíricas o críticas.
Por ello, no resulta preciso presentar esta reforma como una legislación específicamente creada para regular la IA financiera. Son problemas jurídicos distintos, aunque convergen en un mismo desafío: cómo evitar que las nuevas herramientas tecnológicas sean utilizadas para cometer fraudes sin generar reglas excesivamente ambiguas.
La regulación tendrá que ir más rápido que la tecnología
El principal desafío para México no consiste en frenar la inteligencia artificial, sino en evitar que su adopción ocurra sin controles proporcionales al riesgo.
Las instituciones financieras deberían establecer, entre otras medidas:
- auditorías periódicas de los modelos de IA;
- pruebas de estrés tecnológico y financiero;
- mecanismos para explicar decisiones automatizadas;
- controles humanos sobre operaciones de alto impacto;
- autenticación multifactor y biométrica;
- monitoreo permanente de operaciones anómalas;
- protocolos específicos contra deepfakes y clonación de voz;
- planes de continuidad ante fallas de proveedores tecnológicos;
- diversificación de infraestructura para reducir la dependencia de un solo proveedor;
- controles estrictos sobre los datos utilizados para entrenar modelos;
- mecanismos claros de responsabilidad cuando un algoritmo falla.
La supervisión también deberá evolucionar. El regulador tendrá que conocer no solamente qué producto financiero ofrece una institución, sino qué modelo utiliza, qué datos alimentan ese modelo, quién lo provee, cómo se actualiza y qué ocurre cuando toma una decisión equivocada.
La eficiencia no puede estar por encima de la estabilidad
La inteligencia artificial ofrece beneficios indiscutibles para el sistema financiero. Puede reducir costos, mejorar la administración de riesgos, ampliar la capacidad de análisis y facilitar servicios personalizados.
Pero existe una diferencia fundamental entre utilizar IA para hacer más eficiente una operación y permitir que un algoritmo controle procesos cuya falla pueda comprometer la estabilidad de una institución o del sistema completo.
México enfrenta ahora el reto de encontrar ese equilibrio.
El verdadero peligro no es que los bancos utilicen inteligencia artificial. El riesgo aparece cuando la velocidad de adopción supera la capacidad de supervisión, seguridad y gestión de riesgos.
La banca del futuro será inevitablemente más automatizada. La pregunta económica no es si México utilizará IA, sino si podrá hacerlo sin convertir la eficiencia tecnológica en una nueva fuente de vulnerabilidad financiera.
La lección para el sector es clara: digitalizar más rápido no significa necesariamente estar más protegido. En las finanzas, una falla algorítmica, una vulnerabilidad cibernética o una decisión automatizada replicada simultáneamente por varias instituciones puede transformar un problema tecnológico en un problema económico.
La inteligencia artificial puede ser una herramienta para fortalecer el sistema financiero mexicano, pero solamente si su desarrollo avanza acompañado de controles, transparencia, supervisión y responsabilidad institucional.
