El Director de Tecnología de Ripple, David Schwartz, se unió al debate sobre los impactos de la inteligencia artificial en el sistema financiero tras el resurgir de un estudio de 2020 del ex presidente de la SEC, Gary Gensler. Dicho estudio argumentaba que la adopción a gran escala del aprendizaje profundo en el sector financiero podría provocar vulnerabilidades sistémicas y riesgos en toda la economía.
Se Trajo de Nuevo a Colación un Estudio Antiguo
El usuario de X, Andrew Curran, reavivó la discusión. Curran sugirió que Gensler pudo haber anticipado tempranamente los riesgos sistémicos derivados de la propagación del aprendizaje profundo en las finanzas. En su publicación, compartió que el economista jefe de Apollo, Torsten Slok, también advirtió que los agentes de inteligencia artificial podrían provocar retiros de dinero repentinos de los bancos al intentar optimizar las inversiones de los usuarios.
Curran además afirmó que Gary Gensler, durante su presidencia en la SEC en los últimos años, señaló un problema similar. Según él, la adopción extensiva de la búsqueda algorítmica de resultados perfectos podría debilitar la estabilidad del mercado.
David Schwartz sostuvo que, aunque considera razonable buena parte del debate, no comparte la opinión de que sistemas muy inteligentes tomen decisiones irracionales por esta razón.
¿A qué Atraía Atención el Estudio del MIT?
Antes de su presidencia en la SEC, Gensler escribió junto a Lily Bailey un artículo titulado “Deep Learning and Financial Stability” en noviembre de 2020 en el Sloan School of Management del Instituto Tecnológico de Massachusetts. El MIT es conocido como una institución de educación superior destacada en investigación en tecnología, ingeniería y economía.
El estudio destacó que el sector financiero estaba entrando en una nueva era con el rápido desarrollo de herramientas de análisis de datos y que los modelos de aprendizaje profundo se integraban cada vez más en la infraestructura tecnológica. El artículo registró que el marco regulador existente estaba diseñado en torno a una etapa anterior de análisis de datos, siendo potencialmente incapaz de abordar adecuadamente los riesgos sistémicos que podrían surgir del uso generalizado del aprendizaje profundo.
El trabajo de 2020 incluyó una advertencia de que los regímenes de regulación financiera podrían no ser suficientes para enfrentar los riesgos sistémicos que podrían derivarse del uso extendido del aprendizaje profundo.
¿A Qué Punto Se Opone Schwartz?
La evaluación de Schwartz se opone a la idea de que los agentes de inteligencia artificial más avanzados generarán automáticamente resultados más irracionales. No obstante, no descarta completamente la preocupación general de que la aparición simultánea de muchas decisiones automatizadas similares podría ejercer presión sobre el mercado.
Los agentes autónomos de inteligencia artificial se definen como sistemas capaces de razonar, planificar y realizar tareas complejas en internet.
Mini diccionario: Los agentes autónomos de inteligencia artificial son sistemas de software que pueden recoger datos, tomar decisiones y ejecutar operaciones secuenciales sin necesidad de que un usuario guíe cada paso.
Surgen Nuevas Preguntas para la Infraestructura Financiera
A medida que el uso de estos sistemas se vuelva más común en las decisiones de inversión, se convierte en un tema crucial cómo miles o incluso millones de programas trabajando de forma independiente responderán a las mismas señales de mercado. Esto podría plantear nuevas necesidades de supervisión, especialmente para los proveedores de infraestructura financiera y las agencias reguladoras.
El enfoque de la discusión reside menos en la precisión individual de los modelos de inteligencia artificial y más en cómo el comportamiento colectivo de estos modelos puede afectar la estructura del mercado. La reflexión de Schwartz gira precisamente en torno a esta distinción: la presencia de sistemas inteligentes no se percibe como un problema en sí, pero la escala de la automatización trabajando en la misma dirección se destaca como un riesgo fundamental.
