Regtech y suptech en bancos centrales, estudios de caso 2026: Parte 1- prioridades de investigación e inversión

Las entrevistas de Central Banking sobre regtech y suptech son un análisis en profundidad del trabajo pionero que realizan los bancos centrales y las autoridades supervisoras.

Hablamos con equipos del Banco Central de Brasil (BCB), la Autoridad Reguladora del Centro Financiero de Qatar (QFCRA), el Banco Nacional de Georgia y la Superintendencia de Banca, Seguros y Administradoras de Fondos de Pensiones (SBS) de Perú.

Los funcionarios explican a Central Banking cómo están utilizando tecnología de vanguardia para supervisar un panorama fintech en rápida evolución. Además de ofrecer información sobre las iniciativas en materia de datos e infraestructura que permiten la elaboración de modelos predictivos, en esta primera parte de una serie de tres, los responsables de los equipos de supervisión hablan de sus prioridades en materia de inversión e investigación y de cómo están evolucionando.

Por ejemplo, el BCB ha creado un almacén de datos corporativos para sustituir varias calculadoras departamentales que habían alcanzado su capacidad máxima, y tiene planes para crear una plataforma institucional en la nube para la IA generativa (GenAI). Se ha creado un comité de innovación y tecnología para gestionar los recursos de forma más eficiente.

En la SBS de Perú, el departamento de datos y análisis se creó oficialmente en 2025 y se está llevando a cabo una reevaluación de los sistemas de recopilación de información en sitio, con el objetivo de mejorar su arquitectura tecnológica. Se ha adoptado un enfoque de aprendizaje basado en las competencias, identificando las habilidades necesarias en cada etapa del ciclo de vida de los datos, definiendo las funciones correspondientes y diseñando itinerarios de formación para cada una de ellas.

En la QFCRA, el equipo de análisis financiero e innovación forma parte de la división de supervisión y desarrolla soluciones suptech en estrecha colaboración con el departamento de TI. En el marco de la estrategia 2025-2030 de la división de supervisión y autorización, uno de los objetivos clave es la digitalización del ecosistema financiero, lo que incluye el apoyo a la regtech en la presentación de informes y “sinergias más profundas” con las capacidades suptech del equipo.

Además, la suptech tiene el potencial de reforzar el trabajo de otros departamentos. En Perú, la labor de lucha contra el blanqueo de capitales (AML) y la financiación del terrorismo (CFT) de la Unidad de Inteligencia Financiera se ha visto respaldada por herramientas de análisis de vínculos que integran grandes volúmenes de datos, identifican patrones ocultos y visualizan las relaciones entre entidades y transacciones.

Por su parte, el Banco Nacional de Georgia ha creado una plataforma denominada Report Lab y, además de soluciones más avanzadas de aprendizaje automático para la detección de riesgos sistémicos, está explorando soluciones basadas en blockchain para la presentación de informes con el fin de mejorar aún más la transparencia de los datos reglamentarios.

Todos los equipos con los que hablamos se enfrentan al reto de manejar datos confidenciales procedentes de múltiples fuentes. La inversión da prioridad a los sistemas integrados que pueden satisfacer múltiples necesidades de supervisión de forma unificada. La formación del personal en ciencia de datos e IA también es una prioridad. Mientras tanto, también se tienen en cuenta cuestiones de gobernanza de la IA, como garantizar la explicabilidad de los algoritmos, ya que pueden implicar una inversión adicional en herramientas de auditoría y cumplimiento de la IA.

La evolución de la tecnología regulatoria y la tecnología de supervisión refleja una transición de procesos periódicos y manuales hacia capacidades de supervisión continuas y automatizadas. Junto con esta transformación digital, Central Banking espera que esta serie de entrevistas contribuya al intercambio de conocimientos esenciales entre las autoridades, supervisando las relaciones financieras complejas y en rápida evolución en todo el mundo.

¿Cuáles son las principales prioridades de investigación e inversión de su institución en materia de regulación y supervisión, especialmente en áreas como el análisis de datos, la modelización de riesgos y la presentación de informes reglamentarios?

Tatia Tsiklauri, Banco Nacional de Georgia: El Banco Nacional de Georgia ha identificado varias prioridades de inversión estratégicas para mejorar nuestras capacidades de supervisión. En el análisis de datos, nos estamos centrando en la creación de una plataforma de datos integrada que consolide la información de diversas fuentes (informes reglamentarios, datos de mercado, reclamos de los consumidores e indicadores macroeconómicos) para ofrecer una visión global del ecosistema financiero. Estamos ampliando las capacidades de nuestro equipo con Python y herramientas estadísticas avanzadas, al tiempo que seguimos aprovechando Power BI de Microsoft para ofrecer herramientas de visualización accesibles a los equipos de dirección y supervisión. Ya hemos implementado las normas XBRL para la presentación de informes de las instituciones financieras, lo que ha mejorado significativamente la comparabilidad de los datos y las capacidades de análisis. También estamos explorando soluciones basadas en blockchain para determinados flujos de información con el fin de mejorar aún más la transparencia y la inmutabilidad de los datos regulatorios.

Lo realmente importante es que hemos llegado a un punto en el que los bancos centrales quieren avanzar: quieren aprovechar la modernización y la innovación para lograr un entorno más ágil, automatizado y resiliente

Tatia Tsiklauri

Aristides Andrade Cavalcante Neto, Banco Central de Brasil (BCB): Las principales prioridades del BCB en materia de investigación e inversiones en materia de regulación y supervisión incluyen intensificar el uso de análisis de datos avanzados e IA en la supervisión, mejorar los modelos de riesgo incorporando los riesgos climáticos y nuevos factores, modernizar la información reglamentaria y la infraestructura tecnológica de supervisión.

Se presta especial atención a la tecnología de supervisión y al análisis de datos. El BCB reconoce que las soluciones tecnológicas innovadoras aplicadas a la supervisión permiten aumentar la eficacia sin un aumento proporcional de los recursos, por lo que ha llevado a cabo programas específicos, como S-Lab y proyectos de tecnología de supervisión, para experimentar con el aprendizaje automático y la IA, formar al personal y desarrollar nuevas herramientas para los procesos de supervisión.

Esta prioridad estratégica se traduce en iniciativas como el desarrollo de algoritmos para la clasificación automatizada de la información y la creación de una estrategia institucional de suptech. Los estudios internos se ajustan a las mejores prácticas sugeridas por el Instituto de Estabilidad Financiera del Banco de Pagos Internacionales, con el fin de articular claramente los objetivos, las necesidades de datos y un plan de acción para integrar la suptech en las rutinas de supervisión. La inversión en ciencia de datos aplicada e IA es una prioridad, lo que implica tanto la formación de personal, incluidos científicos de datos y analistas de TI, como la adquisición de herramientas y el desarrollo de casos de uso piloto en el ámbito de la supervisión prudencial y de conducta.

Otra prioridad importante es la mejora de los modelos de riesgo y las metodologías de supervisión. El BCB ha mantenido históricamente una investigación activa en modelos de pruebas de estrés macroprudenciales, análisis de redes de interconectividad financiera y predicción de crisis. En los últimos años han surgido nuevos temas prioritarios, como los riesgos climáticos y medioambientales, sociales y de gobernanza (ESG), los riesgos cibernéticos y los activos financieros innovadores. El BCB se ha unido a redes internacionales como la Red para la Ecologización del Sistema Financiero y participa en estudios para desarrollar metodologías que cuantifiquen los riesgos climáticos para los bancos. Esto orienta las inversiones en modelos de escenarios climáticos y la integración de estos factores en los procesos de riesgo tradicionales. Del mismo modo, en el caso de las fintech y los criptoactivos, se están realizando esfuerzos analíticos para comprender sus implicaciones prudenciales y determinar si las herramientas de supervisión existentes son adecuadas o deben evolucionar. Paralelamente, el BCB sigue perfeccionando los modelos clásicos de riesgo de crédito, de mercado y de liquidez e incorporando técnicas modernas.

Andrei Cardoso Vanderlei, BCB: Nuestras principales prioridades en materia de investigación e inversión en materia de regulación y supervisión se centran en la profunda integración de la IA en el desarrollo fundamental del capital humano y la infraestructura tecnológica. Consideramos que la incorporación de la IA en nuestros procesos de supervisión es un aliado estratégico fundamental para ampliar continuamente nuestra capacidad de supervisión.

Por ejemplo, en la modelización de riesgos, estamos dando prioridad a las inversiones estratégicas en aplicaciones de IA para categorías de riesgo específicas y en evolución, como los riesgos ESG y los riesgos cibernéticos, utilizando la IA y el procesamiento del lenguaje natural (NLP) para supervisar y analizar las políticas de gestión de riesgos de las instituciones financieras. El refuerzo de nuestro marco regulatorio existente para la gestión del riesgo de los modelos sigue siendo una prioridad importante.

Hemos realizado inversiones constantes y significativas en la formación técnica de su personal, especialmente en materia de supervisión y tecnología. La ciencia de datos y la IA fueron las formaciones más relevantes para los supervisores en 2025, lo que indica una inversión estratégica en el desarrollo de un personal preparado para la IA. Una inversión clave en infraestructura es el lanzamiento de una plataforma institucional en la nube diseñada para que sus departamentos puedan desarrollar y probar soluciones GenAI seguras con una gobernanza adecuada.

En modelización de riesgos, estamos priorizando inversiones estratégicas en aplicaciones de IA para categorías de riesgo específicas y en evolución, como los riesgos ESG y los riesgos cibernéticos, utilizando IA y NLP para monitorizar y analizar las políticas de gestión de riesgos de las instituciones financieras

Andrei Cardoso Vanderlei

Superintendencia de Banca, Seguros y Administradoras de Fondos de Pensiones (SBS), Perú: El Plan Estratégico Institucional 2026-2030 establece un objetivo estratégico destinado a guiar a la institución a través de una transformación digital ordenada, posicionando los datos como un activo estratégico, fomentando la innovación, fortaleciendo las capacidades en el análisis de datos y promoviendo el uso de tecnologías emergentes para optimizar los procesos regulatorios y de supervisión.

Entre las iniciativas clave se encuentra la revisión y actualización del marco tecnológico institucional, con el objetivo de facilitar la escalabilidad y permitir la adopción de tecnologías de vanguardia. En este sentido, la institución está evaluando la contratación de plataformas de servicios en la nube y, por lo tanto, se ha comprometido con varios proveedores para evaluar las soluciones innovadoras disponibles en el mercado.

Además, se está llevando a cabo una reevaluación de los sistemas de recopilación de información en sitio para identificar oportunidades de mejora y diseñar un programa de trabajo destinado a mejorar su arquitectura tecnológica.

En el ámbito del análisis de datos, en 2025 se creó oficialmente el departamento de datos y análisis. Este departamento se encarga de definir las directrices para la gestión de datos y participa activamente en la aplicación de iniciativas relacionadas con los datos estructurados y la gestión del ciclo de vida de los datos, en estrecha coordinación con los departamentos de supervisión.

Además, se ha adoptado un enfoque de aprendizaje basado en las competencias, identificando las habilidades necesarias en cada etapa del ciclo de vida de los datos, definiendo las funciones correspondientes en materia de datos y diseñando itinerarios de formación para cada una de ellas. Esto garantiza el desarrollo progresivo de las competencias necesarias para reforzar la capacidad analítica institucional.

En consonancia con este enfoque, se han asignado partidas presupuestarias para la formación externa y la adquisición de licencias para plataformas como Datacamp y Coursera. Esta iniciativa se complementa con un programa de formación interna impartido por expertos institucionales, que incluye cursos prácticos basados en bases de datos del SBS y casos reales de supervisión. Para reforzar esta estrategia, también se ha puesto en marcha un programa de “formación de formadores”, destinado a consolidar los conocimientos internos y garantizar la sostenibilidad a largo plazo del modelo de aprendizaje.

¿Cuáles son las principales consideraciones presupuestarias de su institución a la hora de explorar inversiones en tecnología de supervisión, con especial atención al potencial de integración y racionalización de los flujos de trabajo y al desarrollo de una infraestructura de supervisión más eficiente?

Ewald Müller, Autoridad Reguladora del Centro Financiero de Qatar (QFCRA): Probablemente ese siga siendo uno de los mayores retos. Siempre me hace gracia que uno de los principios básicos, tanto en la banca como en los seguros, sea que el supervisor o regulador debe ser financieramente independiente. Por lo tanto, en términos de consideraciones presupuestarias, conciliar lo vertical con lo horizontal supone un reto enorme. Esto se ve aliviado por el hecho de que algunas de estas iniciativas se han emprendido a nivel estatal y luego se han puesto a nuestra disposición, lo que reduce los costos. Por lo tanto, si hablamos de consideraciones presupuestarias, creo que la principal consideración para nosotros es el apalancamiento. Qatar es un país pequeño, un país muy rico, pero es importante para nosotros poner en común nuestros recursos, compartir infraestructuras y ahí es donde el enfoque descendente intenta casi imponerlo. Eso es algo positivo, en el sentido de que no todos deben seguir su propio camino. Debemos intentar coordinar este camino, todavía no lo estamos haciendo especialmente bien, pero es mejor que antes. Por lo tanto, la tecnología es nuestro principal objetivo, pero sin duda, poder aprovechar una plataforma compartida es fundamental para el éxito de ese objetivo. Porque puede que haya mucho dinero, pero no tenemos un presupuesto ilimitado. Así es como funciona la vida.

La tecnología es nuestro principal objetivo, pero sin duda, poder aprovechar una plataforma compartida es de vital importancia

Ewald Müller

Aristides Andrade Cavalcante Neto, BCB: A la hora de evaluar las inversiones en tecnología de supervisión, el BCB analiza cuidadosamente los costos frente a los beneficios, las oportunidades de integración de procesos y el impacto en la eficiencia operativa de la infraestructura de supervisión.

En términos de asignación eficiente de recursos y análisis de costo-beneficio, como cualquier institución pública, el banco central opera con un presupuesto limitado y necesita justificar los gastos. Por lo tanto, los proyectos de suptech se someten a un riguroso análisis de viabilidad. Se da prioridad a las iniciativas con un alto potencial de aumento de la eficiencia o de mitigación de riesgos, de modo que el beneficio esperado, reducción de las horas de trabajo manual, prevención de crisis costosas, supere claramente el costo de desarrollo o adquisición. A menudo, esto implica optar por soluciones maduras del mercado en lugar de desarrollarlas internamente desde cero, si están disponibles, para ahorrar tiempo y dinero. Esta lección se aprendió de los proyectos piloto iniciales: no todos los problemas requieren una IA propia o una construcción desde cero; si existe una herramienta ya preparada, puede ser más económico adquirir su licencia. Al mismo tiempo, en áreas críticas en las que no se dispone de software comercial adecuado, por ejemplo, para integrar datos confidenciales de múltiples fuentes, se justifica la inversión en desarrollo interno. El BCB también ha aprovechado la computación en la nube y las infraestructuras multicloud compartidas, que pueden acelerar las entregas con menos necesidad de invertir en centros de datos propios.

El presupuesto destinado a suptech prioriza soluciones escalables e integradoras, evitando financiar sistemas duplicados o islas tecnológicas. En su lugar, la preferencia presupuestaria recae en plataformas o sistemas integrados capaces de satisfacer múltiples necesidades de supervisión de forma unificada. Por ejemplo, una solución analítica única que dé servicio a distintos departamentos de banca, cooperativas, mercados de capitales, puede resultar más costosa al inicio, pero reduce los gastos de mantenimiento de silos y los costos futuros de integración. Esta visión integrada orientó la propuesta de crear un almacén corporativo de datos (data warehouse) para la supervisión, con el fin de sustituir varios “calculadores” departamentales que habían alcanzado su límite de capacidad.

Un aspecto que a menudo se tiene en cuenta en la planificación de las inversiones es la necesidad de formar a los equipos y garantizar el mantenimiento de las nuevas herramientas. No tiene sentido adquirir software de última generación si no se dispone de personal capacitado para manejarlo o mantenerlo. Por ello, el BCB incluye en los proyectos de suptech asignaciones presupuestarias para la formación técnica y la contratación de especialistas, como científicos de datos y desarrolladores, así como asociaciones con universidades y otras autoridades para el intercambio de conocimientos. Además, la longevidad de la solución influye en la decisión: elegir tecnologías abiertas con un amplio soporte evita gastos futuros imprevistos. Por ejemplo, si el BCB adopta un sistema propietario, se compara el costo de las licencias continuas y la dependencia del proveedor con la opción de una solución de código abierto con una comunidad activa, que puede mantenerse internamente con un costo menor. También se tienen en cuenta cuestiones relacionadas con la gobernanza de la IA, como garantizar la explicabilidad de los algoritmos, ya que pueden implicar una inversión adicional en herramientas de auditoría y cumplimiento de la IA.

En términos más generales, las restricciones presupuestarias y los procesos de contratación pública, que no siempre son ágiles, exigen creatividad por parte del BCB para hacer más con menos en el ámbito de la tecnología de supervisión. Buscamos mejorar nuestros procesos de supervisión equilibrando la innovación y la prudencia, invirtiendo en lo que aporta beneficios claros calidad, agilidad, precisión y sustenta el futuro de la supervisión, garantizando la integración y el apoyo adecuado, al tiempo que se evitan gastos superfluos o soluciones insostenibles. En este sentido, se creó el comité de innovación y tecnología para establecer directrices, centralizar las demandas de suptech, promover la innovación e identificar sinergias para gestionar los recursos de manera más eficiente.

La preferencia presupuestaria recae en plataformas o sistemas integrados que puedan satisfacer múltiples necesidades de supervisión de forma unificada. Por ejemplo, una única solución analítica que sirva a diferentes departamentos de bancos, cooperativas, mercados de capitales, puede ser más costosa inicialmente, pero reduce los gastos de mantenimiento de silos y los costos de integración futuros

Aristides Andrade Cavalcante Neto

Andrei Cardoso Vanderlei, BCB: La capacidad de la IA para acelerar y ejecutar tareas repetitivas y voluminosas, como el procesamiento de documentos, la conciliación de datos y la generación de informes, con mucha más precisión, se traduce directamente en un ahorro de esfuerzo. Ejemplos concretos, como la capacidad de Axis para reducir un año de tareas manuales a unos pocos días, demuestran un retorno tangible de la inversión al liberar valiosos recursos humanos para actividades de mayor valor.

Las asignaciones presupuestarias están dando claramente prioridad a la infraestructura básica, como lo demuestra la plataforma institucional en la nube prevista para GenAI. Aunque inicialmente supone una inversión significativa, este paso hacia un entorno escalable, seguro y centralizado para el desarrollo y la implementación de la IA ofrece eficiencias a largo plazo, reduce la redundancia y garantiza una gobernanza coherente en las distintas iniciativas de IA. Esto representa un cambio estratégico hacia una infraestructura más robusta y preparada para el futuro. Su inversión constante en la formación técnica de su personal de supervisión pone de relieve que la experiencia humana es una consideración presupuestaria fundamental, junto con la tecnología. Esta inversión garantiza que su personal posea las habilidades necesarias para aprovechar y gestionar eficazmente las soluciones avanzadas de suptech.

¿Cuáles son las ventajas y desventajas de las soluciones estándar?

SBS, Perú: En lo que respecta a la supervisión de la conducta en el mercado, este tipo de solución ha demostrado ser muy útil para optimizar los procesos de supervisión. Permite integrar diversas fuentes de datos, como quejas, informes e incluso menciones en las redes sociales, para identificar patrones de comportamiento y detectar señales de alerta tempranas que requieren una acción supervisora.

Mediante el análisis de datos con el apoyo de la IA, podemos clasificar rápidamente la información sobre los consumidores en temas de supervisión específicos, lo que nos permite anticipar los riesgos, tomar medidas oportunas y reforzar la protección de los consumidores financieros.

Sin embargo, es importante señalar que no se trata de soluciones puramente estándar. Aunque algunas herramientas se adquirieron a terceros o se crearon utilizando bibliotecas disponibles públicamente, requirieron una amplia personalización y adaptación del flujo de trabajo más allá de la configuración básica. Esto ha supuesto una importante inversión de tiempo y recursos humanos antes de que dichas herramientas pudieran integrarse plenamente en los procesos de supervisión.

Además, estas herramientas también han contribuido a reforzar la labor de la Unidad de Inteligencia Financiera, en particular en el análisis de casos de PBC/FT, mediante el uso de herramientas de análisis de vínculos que integran grandes volúmenes de datos, identifican patrones ocultos y visualizan las relaciones entre entidades y transacciones.

En cuanto a las limitaciones de estas soluciones, uno de los principales retos es la necesidad de una estrecha colaboración entre supervisores y desarrolladores para diseñar modelos a medida que puedan captar la complejidad de los procesos de supervisión. Otros retos son la dependencia de los proveedores y las limitaciones en la flexibilidad del sistema cuando se requieren nuevas funcionalidades.

Uno de los principales retos es la necesidad de una estrecha colaboración entre supervisores y desarrolladores para diseñar modelos a medida que puedan captar la complejidad de los procesos de supervisión

SBS, Perú

¿Cómo están evolucionando sus operaciones, capacidad y costos de regtech y suptech?

Perttu Korhonen, QFCRA: Nuestro equipo de análisis financiero e innovación (FAI) forma parte de la división de supervisión y desarrolla soluciones tecnológicas de supervisión en estrecha colaboración con nuestro departamento de TI. Si bien TI se encarga de la administración de la plataforma, desde 2020 el FAI actúa como administrador de contenidos de todos los artefactos desarrollados y compartidos en nuestra plataforma suptech, incluido el interés regulatorio. En la actualidad, algo menos del 10% del personal de la división pertenece a FAI, y esperamos que esta cifra aumente hasta el 15% a medida que crezca la demanda de supervisión basada en datos. Combinamos la experiencia en el ámbito de la supervisión con conocimientos de ciencia de datos, aprendizaje automático y análisis, fundamentales para obtener soluciones técnicamente sólidas y relevantes para la supervisión. Con la creciente importancia de los riesgos relacionados con la tecnología en nuestras entidades reguladas, incluidos los riesgos cibernéticos y de IA, el FAI se ha convertido en un socio experto cada vez más importante para los equipos de supervisión.

Los costos y la capacidad están evolucionando al mismo tiempo. Mediante la automatización de los flujos de datos y la implementación de flujos de trabajo, estamos reduciendo el esfuerzo manual y redirigiendo el tiempo de supervisión hacia análisis de mayor valor. Nuestra migración a KNIME Business Hub mejorará la escalabilidad, la colaboración y el tiempo de amortización, al tiempo que reducirá los gastos generales de mantenimiento en comparación con las herramientas heredadas; estas ganancias en eficiencia ayudan a mantener estables los costos generales a medida que se amplían las capacidades. Nos estamos integrando con los servicios en la nube de Microsoft y Google negociados por el gobierno para cumplir con los requisitos de residencia de datos y acceder a análisis avanzados.

En el marco de la estrategia 2025-2030 de la división de supervisión y autorización, un “ecosistema financiero digitalizado” es un resultado clave, que abarca el apoyo a la tecnología regulatoria en materia de información y cumplimiento, así como sinergias más profundas con nuestras capacidades de tecnología de supervisión. Estamos colaborando activamente con los proveedores de regtech a través de análisis de mercado y pruebas de concepto. Esto crea un valor recíproco: los productos que responden a nuestros casos de uso internos avanzan más rápidamente hacia su adopción, y los proveedores obtienen una visión estructurada y no confidencial de nuestras expectativas de supervisión y del sector regulado del Estado, dentro de unos límites claros de protección de datos y confidencialidad.

Los costos y la capacidad están evolucionando al mismo tiempo. Al automatizar los flujos de datos y desplegar flujos de trabajo, estamos reduciendo el esfuerzo manual y redirigiendo el tiempo de supervisión hacia análisis de mayor valor

Perttu Korhonen

SBS, Perú: Para la supervisión de la conducta del mercado, una de las soluciones actuales sigue un modelo híbrido, desarrollado conjuntamente con un proveedor externo mediante análisis personalizados de los datos de fricción de los consumidores. Esto supuso una fuerte participación interna para la formación del modelo y su adaptación a los objetivos de supervisión.

Otros desarrollos en curso se están diseñando o implementando internamente, utilizando herramientas disponibles públicamente, como el rastreo web, el análisis de datos web, la transcripción inteligente de audio con identificación de hablantes y detección de temas con fines de supervisión, y herramientas de trazabilidad de documentos normativos relacionados con temas de conducta en el mercado.

El desarrollo de estas soluciones ha creado una necesidad creciente de ampliar los conocimientos sobre IA dentro del equipo, lo que ha llevado a la contratación de perfiles especializados y a la mejora de las competencias del personal existente mediante iniciativas institucionales y formación individual. Sin embargo, una limitación actual radica en la capacidad de procesamiento disponible, lo que requiere una mayor inversión en infraestructura para seguir avanzando en estos proyectos.

En el ámbito de la supervisión de AML/CFT, se han logrado avances significativos en la automatización y digitalización de los procesos de supervisión continua, especialmente en la monitorización permanente de transacciones, el análisis de tendencias de los reportes de operaciones sospechosas y la detección de patrones. La capacidad analítica se ha reforzado mediante el desarrollo de modelos que permiten analizar conjuntos de datos más amplios y diversos.

En cuanto a la inversión en infraestructura, especialmente para proyectos de IA, aprendizaje automático y automatización, el área de AML/CFT ha incorporado recientemente tecnologías con mayores capacidades de procesamiento. No obstante, la obsolescencia natural de estos activos y la aparición de nuevos componentes de hardware hacen necesaria una renovación periódica.

Por último, en lo que respecta al modelo de pruebas de resistencia de solvencia de SBS, se está trabajando para mejorar los modelos satélite de probabilidad de impago minorista, aprovechando la información granular a nivel de deudor y aplicando técnicas de aprendizaje automático para mejorar la capacidad predictiva del modelo.

En términos de inversión en infraestructura, especialmente para proyectos de IA, aprendizaje automático y automatización, el área de AML/CFT ha incorporado recientemente tecnologías con mayores capacidades de procesamiento

SBS, Perú

Tatia Tsiklauri, Banco Nacional de Georgia: Nuestras operaciones de regtech y suptech están experimentando una importante evolución en múltiples dimensiones. Hemos establecido una base con sistemas de recopilación de datos estandarizados que utilizan XBRL y nuestra plataforma Report Lab, que ya ha demostrado mejoras cuantificables en la calidad de los datos y la eficiencia del procesamiento. Nuestra capacidad se está ampliando gracias a inversiones estratégicas en nuestra plataforma de datos integrada, que consolida los informes reglamentarios, los datos de mercado, las quejas de los consumidores y los indicadores macroeconómicos. Estamos desarrollando activamente las capacidades de nuestro equipo con Python y herramientas estadísticas avanzadas, al tiempo que mantenemos nuestra infraestructura Power BI para una visualización accesible.

Las implementaciones actuales incluyen nuestro chatbot regulatorio que utiliza NLP, herramientas de web scraping con análisis de texto para la supervisión del mercado y el desarrollo de modelos de detección de anomalías. Además de soluciones basadas en blockchain para determinados flujos de informes, estamos explorando soluciones de aprendizaje automático más avanzadas para la detección de riesgos sistémicos.

Esta evolución refleja una transición de procesos periódicos y manuales hacia capacidades de supervisión continuas y automatizadas, lo que resulta especialmente importante para supervisar el panorama fintech en rápida evolución de Georgia.

Contenido patrocinado