La Inteligencia Artificial ya comenzó a incorporarse en las funciones de riesgos. Se utiliza para analizar documentos, detectar operaciones inusuales, automatizar controles, revisar contratos, procesar grandes volúmenes de información y apoyar diferentes actividades de monitoreo.

La tendencia probablemente continuará acelerándose.

Sin embargo, hay un aspecto que no se está considerando:

¿Estamos utilizando Inteligencia Artificial para gestionar mejor los riesgos o principalmente para ejecutar más rápido las actividades que ya realizábamos?

La diferencia es importante.

Una herramienta puede reducir tiempos, automatizar tareas y aumentar la productividad sin modificar necesariamente la capacidad de una organización para comprender dónde está expuesta, detectar cambios oportunamente, analizar escenarios o tomar mejores decisiones.

Automatizar la gestión de riesgos no es necesariamente lo mismo que transformarla.

La primera ola de IA aplicada a la gestión de riesgos parece estar orientada a la eficiencia

El EY/IIF Global Bank Risk Management Survey 2026 ofrece una fotografía particularmente interesante sobre cómo las funciones de riesgos están utilizando actualmente la Inteligencia Artificial.

El estudio señala que 72% de los CRO considera todavía limitada la adopción de IA en la gestión de riesgos, mientras que solo 12% afirma estar observando y midiendo beneficios después de implementar estrategias, marcos de gobierno, políticas y casos de uso.

Pero quizá el dato más revelador aparece cuando observamos para qué se está utilizando la IA.

  • 67% utiliza aplicaciones asociadas con chatbots.
  • 61% la utiliza para detección de fraude digital y delitos financieros.
  • 41% para gestión de riesgos cibernéticos y operacionales.
  • 30% para análisis legal y documental.
  • 11% para monitoreo de riesgos en tiempo real y sistemas de alerta temprana.
  • 11% para apoyo a decisiones estratégicas.
  • 8% para análisis de escenarios y stress testing.

El estudio se concentra en entidades financieras, por lo que sus porcentajes no deberían extrapolarse directamente a todas las industrias. Pero el patrón resulta relevante.

A partir de estos datos, se interpreta que la IA parece estar ingresando primero allí donde puede automatizar actividades, procesar información o mejorar eficiencia operacional.

Es una evolución lógica. Pero probablemente no sea todavía su contribución más importante a la gestión de riesgos.

Hacer más rápido lo que ya hacemos puede no ser suficiente

Imaginemos una organización que utiliza Inteligencia Artificial para revisar automáticamente cuestionarios de proveedores.

Antes, un analista necesitaba varias horas para revisar la información. Ahora la herramienta puede identificar inconsistencias, clasificar respuestas y generar un informe preliminar en minutos.

La mejora de productividad puede ser significativa. Pero la organización podría continuar enfrentando las mismas preguntas:

  • ¿Está evaluando a los proveedores que realmente concentran mayor exposición?
  • ¿Puede identificar dependencias comunes entre varios terceros?
  • ¿Detecta oportunamente cuando la situación financiera, tecnológica o regulatoria de un proveedor comienza a deteriorarse?
  • ¿Puede determinar cómo una interrupción de ese tercero afectaría diferentes servicios críticos?
  • ¿La información obtenida modifica alguna decisión?

Si la respuesta continúa siendo limitada, la organización habrá automatizado una parte del proceso, pero no necesariamente habrá desarrollado una capacidad significativamente mayor para gestionar el riesgo.

La misma situación puede ocurrir con matrices de riesgos, controles, incidentes o indicadores.

Podemos utilizar IA para elaborar matrices más rápido, analizar más información o producir dashboards más sofisticados. Pero si el resultado sigue siendo una visión principalmente retrospectiva y fragmentada de los riesgos, estaremos utilizando una tecnología nueva para reproducir un modelo de gestión esencialmente tradicional.

La pregunta central no es cuánto trabajo puede automatizar la IA, sino qué nuevas capacidades para gestionar riesgos pueden desarrollarse gracias a ella.

El siguiente salto está en utilizar IA para ampliar la capacidad para gestionar riesgos

Los planes declarados por los propios CRO sugieren que esta evolución podría estar comenzando.

Entre los usos de IA que los CRO consideran más significativos para los próximos tres años aparecen:

  • 53% planea utilizarla en monitoreo de riesgos en tiempo real y sistemas de alerta temprana.
  • 46% planea utilizarla en análisis de escenarios y stress testing.
  • 35% planea utilizarla en apoyo a decisiones estratégicas.

Estas cifras reflejan intenciones y prioridades declaradas para los próximos tres años; no constituyen una predicción de adopción efectiva. Aun así, muestran un desplazamiento de interés hacia aplicaciones de mayor valor analítico.

La IA deja entonces de utilizarse solamente para:

procesar → automatizar → clasificar → reportar

y comienza a contribuir también a:

detectar → relacionar → anticipar → simular → apoyar decisiones

Ahí aparece una diferencia fundamental.

En los últimos artículos se ha planteado que una gestión madura de riesgos debería desarrollar capacidades para comprender exposición, anticipar cambios, prevenir, responder y decidir. La Inteligencia Artificial puede convertirse en un habilitador importante de esas capacidades.

No porque sustituya el juicio del responsable de riesgos, sino porque puede ampliar considerablemente la cantidad de información que la organización es capaz de procesar, la velocidad con la que puede detectar cambios y el número de escenarios que puede analizar antes de tomar una decisión.

De automatización a inteligencia de riesgo

A partir de la evidencia analizada, se propone un modelo conceptual de cinco niveles para observar esta evolución. No corresponde a una metodología de EY/IIF, KPMG o McKinsey, sino a una síntesis propia orientada a evaluar cómo la IA puede ampliar progresivamente la capacidad para gestionar riesgos:

1. Automatización

La IA reduce actividades manuales y repetitivas. Puede recopilar información, revisar documentos, completar evaluaciones preliminares, clasificar incidentes o automatizar pruebas de controles.

Valor principal: eficiencia.

2. Análisis

La IA permite procesar mayores volúmenes de información e identificar patrones difíciles de reconocer mediante análisis manuales. Puede relacionar incidentes, indicadores, proveedores, vulnerabilidades o cambios en determinadas variables.

Valor principal: comprensión.

3. Detección

La IA puede analizar información de manera continua e identificar señales, anomalías o desviaciones antes de que necesariamente se materialice un evento. La gestión deja de depender únicamente de revisiones periódicas.

Valor principal: oportunidad.

4. Anticipación

La IA puede ayudar a explorar escenarios, identificar posibles trayectorias y estimar cómo determinados cambios podrían modificar la exposición. No significa predecir el futuro con certeza; significa ampliar la capacidad para preguntar “¿qué podría ocurrir si...?” antes de que sea necesario responder durante una crisis.

Valor principal: preparación.

5. Inteligencia para la decisión

La mayor contribución aparece cuando esos análisis se integran en decisiones reales. La organización puede utilizar información de riesgos para comparar alternativas, identificar condiciones para avanzar, evaluar trade-offs y comprender qué exposiciones está preparada para asumir.

Valor principal: mejores decisiones bajo incertidumbre.

No todas las organizaciones necesitarán avanzar al mismo ritmo ni todos los procesos requerirán los cinco niveles. Pero la distinción resulta útil porque permite evaluar si la inversión en Inteligencia Artificial está generando únicamente eficiencia o si comienza realmente a ampliar la capacidad de gestión.

La tecnología no resolverá por sí sola las limitaciones del modelo

Existe, sin embargo, una condición fundamental.

La IA depende de la calidad de la información, de la integración de los sistemas y de la claridad del modelo de gestión sobre el cual opera.

EY/IIF señala que 80% de los CRO identifica la calidad y disponibilidad de datos como uno de los principales desafíos para implementar IA en la gestión de riesgos. También aparecen la privacidad y seguridad de datos, las brechas de habilidades y los silos de información.

KPMG identifica una brecha similar en la gestión de riesgos de terceros: aunque entre 50% y 58% de las organizaciones utiliza IA —según la actividad analizada—, solo 22% considera que su uso es muy efectivo. La calidad de los datos también presenta limitaciones: apenas 17% de las organizaciones reporta alcanzar el nivel más alto de calidad. Estas cifras muestran que incorporar IA no garantiza, por sí solo, mejores resultados.

Una tecnología avanzada operando sobre datos fragmentados, taxonomías inconsistentes y procesos desconectados probablemente automatizará también esas limitaciones.

KPMG recomienda por ello que la adopción de IA se acompañe de calidad de datos, gobierno, madurez de procesos e integración de sistemas.

McKinsey llega a una conclusión similar al analizar las prácticas de gobierno, gestión de riesgos y cumplimiento: ante un entorno de riesgos cada vez más exigente, la combinación de experiencia humana y tecnologías inteligentes permitirá ampliar las capacidades de gestión.

El desafío no es solamente incorporar IA a la gestión de riesgos

Durante los próximos años probablemente veremos un crecimiento acelerado de herramientas de Inteligencia Artificial dentro de las funciones de riesgos.

Habrá más automatización de controles, análisis documental, monitoreo, detección de anomalías y generación de reportes. Ese avance puede producir mejoras importantes de productividad.

Pero la verdadera transformación ocurrirá cuando esas herramientas permitan responder mejor preguntas que siguen siendo difíciles para muchas organizaciones:

  • ¿Dónde está cambiando nuestra exposición?
  • ¿Qué señales estamos detectando antes de que ocurra un evento?
  • ¿Qué riesgos podrían converger sobre nuestros principales objetivos?
  • ¿Qué escenarios podrían superar nuestra capacidad de respuesta?
  • ¿Qué decisiones deberían modificarse como consecuencia de esa información?

En ese momento, la IA dejará de ser únicamente una herramienta para hacer más eficiente la gestión de riesgos y comenzará a convertirse en una capacidad para gestionar mejor la incertidumbre.

El verdadero potencial de la IA aplicada a la gestión de riesgos no consiste en hacer más rápido lo que ya hacemos. Consiste en permitirnos hacer cosas que antes no éramos capaces de hacer.

En GR&P Consultores ayudamos a las organizaciones a fortalecer sus modelos de gestión de riesgos no financieros, integrando gobierno, información, tecnología y metodologías para desarrollar capacidades efectivas de anticipación, análisis y toma de decisiones.

¿Su organización está utilizando Inteligencia Artificial para automatizar la gestión de riesgos o para transformarla? Conversemos.