Explicar los modelos de IA para la supervisión financiera
Noor es una iniciativa del BIS Innovation Hub que busca dotar a los supervisores financieros de herramientas prácticas e independientes para evaluar e interpretar el funcionamiento interno de los modelos de inteligencia artificial que usan bancos y otras instituciones financieras.
Combinando métodos de IA explicable con analítica de riesgos, el proyecto busca entregar un prototipo con el que los supervisores puedan verificar la transparencia de los modelos, evaluar su equidad y probar su robustez.
Los modelos de IA ya ayudan a aprobar hipotecas, fijar límites de tarjetas y detectar fraudes en tiempo real. Aunque estos servicios parecen fluidos, entender por qué un modelo dijo sí, no o "revisar" puede seguir siendo opaco. Explicaciones claras y comprensibles fortalecen la confianza y ayudan a que las finanzas digitales sean justas para todos.
La nueva regulación exige que la IA financiera de alto riesgo sea explicable y auditable, pero no existe una guía práctica común para los supervisores.
Liderado por el Centro de Hong Kong junto a la Autoridad Monetaria de Hong Kong, la Financial Conduct Authority del Reino Unido y el Banco Central de Arabia Saudita, Noor ("luz" en árabe) prototipará las técnicas más recientes de IA explicable en un entorno controlado: traducen la lógica compleja de los modelos a lenguaje simple y visualizaciones intuitivas, mostrando qué factores influyeron en una decisión y cuán sensible es a cambios, todo preservando la privacidad.
El BIS aún no publica informes para este proyecto.
Comparten tema y mandato.