De administrador de fondos a coordinador nativo de IA
Cómo hacer que las entidades financieras de Luxemburgo usen mejor la información para mejorar el cumplimiento normativo y la gestión de riesgos
Una responsable de compliance de un administrador de fondos en Luxemburgo abre una consulta de la CSSF. Ya se había encontrado con esa misma pregunta ocho meses antes, para otro fondo y en otro expediente, pero el razonamiento que permitió superar la revisión de aquel caso anterior se encuentra disperso entre una cadena de correos electrónicos, las notas de un compañero y la memoria de alguien. Tiene que empezar de cero.
Un equipo de onboarding está llevando a cabo un proceso de due diligence sobre un nuevo inversor cuya estructura accionarial abarca tres jurisdicciones. El patrón resulta familiar: la empresa tramitó un caso similar el año pasado. Pero nadie sabe decir qué expediente fue ni qué preguntas convencieron realmente al revisor.
Esta no es una historia sobre la IA sustituyendo a las personas. Es una historia sobre dónde reside realmente el principal activo de una institución financiera y por qué, actualmente, la mayoría de las entidades están dejando que ese activo se desvanezca.
Qué significa realmente el término “funciones (u organización) de control interno nativas de la IA”.
Podemos denominar a esta alternativa “AI-native” o “nativa de IA”.
Para una institución financiera, significa diseñar sus operaciones de manera que la IA forme parte del modo en que se toman las decisiones y se reutiliza el conocimiento, en lugar de ser simplemente una herramienta añadida a un proceso que, por lo demás, permanece inalterado.
Sin embargo, el término se utiliza con bastante flexibilidad, por lo que conviene aplicar una prueba concreta: si se eliminara la IA de un proceso, ¿cambiaría el resultado?
- Si la respuesta es “no demasiado”, la entidad simplemente ha añadido una herramienta.
- Si la respuesta es “el trabajo se ralentizaría o la calidad se deterioraría”, entonces se ha producido un cambio más estructural.
Para un administrador de fondos, convertirse en una organización nativa de IA no significa adoptar un chatbot. Significa reorganizar la institución para que todo el conocimiento acumulado —cada decisión de criterio en materia de AML, cada interacción con el regulador, cada excepción y la forma en que se resolvió— se convierta en un activo real y consultable, en lugar de permanecer como un conjunto de recuerdos dispersos entre bandejas de entrada.
El papel del administrador de fondos evoluciona así desde la ejecución de procesos hacia la orquestación de ese conocimiento: decidir qué información se conserva, cómo se reutiliza y quién continúa siendo responsable del resultado.
En la práctica, ser una institución financiera nativa de IA resulta menos radical de lo que el término podría sugerir.
- Existe una línea de actuación común en toda la empresa que se basa en los precedentes: cómo se resolvieron las cuestiones normativas en el pasado y por qué.
- Una capa a nivel de cliente almacena el contexto, que se amplía con cada interacción, de modo que un nuevo analista hereda el historial de la relación en lugar de tener que reconstruirlo.
- Una capa a nivel de asunto gestiona la tarea concreta que tiene una persona entre manos, apoyándose en las dos anteriores. Un caso de due diligence que antes requería días porque alguien tenía que recordar, preguntar a otros o volver a investigar desde cero puede ahora resolverse en horas. No porque una máquina haya sustituido el criterio humano, sino porque el criterio aplicado anteriormente está disponible para el nuevo caso.
Las instituciones financieras pueden pensar: “esto ya lo estamos haciendo actualmente”. Pero no es así. Lo importante es mantener el contexto depurado, coherente y adaptado a las últimas actualizaciones regulatorias prácticamente en tiempo real.
El caso de Luxemburgo se centra en la coherencia y la reducción de riesgos, en lugar de en la rapidez
Este cambio de enfoque es especialmente relevante en Luxemburgo, quizá más que en casi cualquier otro lugar, porque el argumento a favor de un modelo nativo de IA no debería ser la velocidad, sino la coherencia. Un centro financiero construido sobre la confianza y la credibilidad regulatoria no obtiene una ventaja por ser el primero o el más rápido, sino por ser capaz de ofrecer, a escala, resultados correctos de forma fiable y consistente.
Una capa de conocimiento coordinada permite que cada caso se gestione de acuerdo con la forma en que la institución ha decidido que debe gestionarse, y no en función de cómo lo recuerde la persona que esté a cargo ese día. Esto supone:
- una respuesta más sólida ante la pregunta de un supervisor que limitarse a decir: “seguimos la checklist”.
- una forma de preparación regulatoria: a medida que los sistemas de IA intervienen cada vez más en decisiones de crédito, controles AML y recomendaciones de inversión, las instituciones capaces de demostrar cómo se llegó a una determinada decisión y que ese criterio se aplicó de forma coherente estarán mejor preparadas ante el escrutinio regulatorio que aquellas que no puedan hacerlo.
“Un centro financiero construido sobre la confianza y la credibilidad regulatoria no obtiene una ventaja por ser el primero o el más rápido, sino por ser capaz de ofrecer, a escala, resultados correctos de forma fiable y consistente.”
La necesaria advertencia
Nada de esto está exento de costes, y un análisis riguroso debe reconocerlo. Si la IA asume cada vez más las tareas de base que tradicionalmente servían para formar al personal junior —la investigación inicial, la revisión documental o la identificación de patrones—, las entidades necesitan una respuesta real a cómo se desarrollará el criterio profesional de la próxima generación de perfiles sénior. Se trata de una cuestión verdaderamente abierta, no de una simple nota al pie de carácter comercial.
Las entidades que se están tomando esta cuestión en serio no la están evitando, sino que están rediseñando sus modelos en torno a ella. Si el razonamiento que sustenta cada decisión anterior se conserva en lugar de perderse, el personal junior puede empezar mucho antes a revisar y contrastar ese razonamiento frente a nuevos casos, en vez de dedicar años a acumular experiencia expediente a expediente. El criterio profesional sigue siendo fundamental; simplemente se construye mediante el análisis crítico de decisiones anteriores, y no volviendo a partir desde cero.
Además, no todas las instituciones que se definen como “AI-native” han llevado a cabo una verdadera reestructuración; muchas se han limitado a añadir una herramienta a un proceso sin cambios y, aun así, han adoptado esa etiqueta. La prueba mencionada anteriormente sirve precisamente para distinguir unas de otras.
Lo que no cambia es el activo fundamental.
Las instituciones financieras de Luxemburgo siempre han competido sobre la base de la confianza, y esa confianza siempre se ha construido a partir del criterio acumulado: saber cómo se aprobó una determinada estructura, por qué se señaló a una contraparte concreta o qué suele preguntar un determinado regulador.
Las instituciones que organicen deliberadamente ese conocimiento, en lugar de dejarlo en la memoria de las personas y en sus bandejas de entrada, serán aquellas a las que la IA realmente reforzará. Las que no lo hagan comprobarán que la IA simplemente acelera un proceso incoherente: respuestas más rápidas, pero el mismo riesgo subyacente.
La pregunta que merece la pena plantearse dentro de cualquier institución luxemburguesa no es si adoptar la IA en 2026, sino si existe una hoja de ruta probada, con etapas de control y una adecuada gestión de riesgos, para el periodo 2026-2030 que permita evolucionar desde una organización reactiva hacia una organización proactiva, estructurada en torno a una base de conocimiento actualizada y coherente.
Y es precisamente en este proceso de evolución donde ayudamos a nuestros clientes.
Autores
