Skip to content

GRA · Riesgo de la IA y de los modelos financieros

Spatial financeWhere capital meets hazard, exposure and transition

Gobernanza del riesgo de modelo

Model risk is the potential for loss or harm from decisions based on models that are wrong or misused. Banks, insurers and asset managers manage it through model inventories, risk tiering, independent validation, approval and ongoing monitoring, overseen by boards and senior management. Machine learning and generative AI widen what counts as a model. This page sets out how model risk governance works and fails, the records involved, and who decides.

01Registro

La gobernanza del riesgo de modelo, documentada.

02La pregunta

Gobernanza del riesgo de modelo: cómo se desarrolla el riesgo.

Inventario, titularidad y validación. El expediente siguiente expone cómo se desarrolla el riesgo, qué se mide, de dónde proceden los datos, cómo se modela y quién decide.

Mecanismo

Los inventarios no recogen los modelos

Las hojas de cálculo, las herramientas de proveedores y los componentes de IA suelen quedar fuera del inventario de modelos. Los modelos no registrados escapan a la validación y al seguimiento, y sus errores solo salen a la luz cuando llegan las pérdidas o las reclamaciones.

Mecanismo

El desafío se debilita

La validación que carece de independencia, competencia o autoridad para detener un modelo se convierte en una formalidad. El desafío efectivo requiere validadores que comprendan el método y puedan bloquear su uso.

Mecanismo

Tiering sets attention

Models are tiered by materiality and complexity, which decides validation depth. Underestimating a model’s materiality, or the reach of an AI tool, leaves high-impact models lightly reviewed.

Mecanismo

Models interact

Los resultados de un modelo alimentan a otros: una puntuación alimenta la fijación de precios, que a su vez alimenta el capital. Un error aguas arriba se propaga, y el modelos financieros agregado a lo largo de la cadena rara vez se mide.

03Seguimiento

Ciclo de vida del riesgo de modelo.

La pantalla que utilizaría un equipo para seguir esta materia: sus mediciones, estados y decisiones. Los nombres son ejemplos y los valores son ilustrativos.

Ciclo de vida del riesgo de modelo

Model risk governance · Model inventory · Committee 9

9 validations overdueGRA · AI and Financial Model Risk

Ciclo de vida

  1. Inventarioregistrado
  2. Desarrollardocumentado
  3. Validarindependiente
  4. Aprobarcomisión
  5. Implementarcontroles
  6. Seguimientoumbrales
  7. Revisiónanual
  8. Retirardesmantelar

Modelos

MD-204 PD retailNivel 114 meses3Vencido
MD-511 Triaje de quejas con LLMNivel 1nunca0No validado
MD-164 IFRS 9 stagingNivel 18 meses1Aprobado
MD-534 propensión de marketingNivel 317 months0Aprobado

Alcance de la validación

Solidez conceptual
En curso
Análisis de resultados
Pendiente
Evaluación comparativa
Pendiente
Límites de uso
revisión humana obligatoria
Model risk lifecycle: the screen’s structure, terms and states for Model risk governance.Example names and illustrative values; a design, not a record or a live system.
04Indicadores

Qué se mide y con qué calidad.

Cada indicador lleva su unidad, su periodicidad, el tipo de fuente que lo respalda y la etiqueta de evidencia que llevaría un valor. No se muestran valores: un programa los aporta bajo su propia autoridad.

IndicadorUnidadCadenciaTipo de fuenteEtiqueta
Modelos en inventariorecuento por niveltrimestralInventario de modelosDECLARADO
Modelos validados dentro del ciclo de políticasproporción por niveltrimestralRegistros de validaciónDECLARADO
Open validation findingsrecuento por gravedadtrimestralRegistros de validaciónDECLARADO
Modelos utilizados con excepciones o restriccionesrecuentotrimestralModel governance recordsDECLARADO
AI and machine learning models in inventorycount and shareanualInventario y encuestasDECLARADO
Conclusiones de supervisión sobre la gestión del modelos financieros basada en principiosrecuentoanualInformes de supervisiónEstadísticas publicadas
05Modelo de escenarios

Trayectorias de políticas y sus efectos sobre el riesgo.

Cómo tres familias de instrumentos modifican un resultado de riesgo a lo largo del tiempo, con rezagos de adopción, cobertura y cumplimiento, es decir, los escenarios de política que sustentan las evaluaciones del riesgo de transición y del riesgo físico. Escenario: supuestos nombrados sobre el futuro, no un pronóstico.

Controles

Tendencia de referencia del resultado
2.0 % al año
Cobertura del instrumento
70%
Cumplimiento
75%
Magnitud del efecto, frente al valor didáctico
100%
Años por delante
20 años

Lecturas

Mayor reducción en el horizonte
Regulación
Su reducción respecto de la línea de base
21%
Cifras, métodos y fuentes
AñoReferenciaRegulaciónIncentivo económicoInformación y capacidad
0100.099.598.899.1
1102.0101.2100.199.8
2104.0102.5101.199.9
3106.1103.5101.6100.0
4108.2103.7101.8100.7
5110.4103.2101.7102.1
6112.6102.0101.6103.9
7114.9100.4101.6105.9
8117.299.2102.1108.0
9119.598.6102.9110.1
10121.998.9104.2112.3
11124.399.7105.7114.5
12126.8101.1107.4116.8
13129.4102.7109.4119.2
14131.9104.5111.4121.6
15134.6106.5113.5124.0
16137.3108.5115.7126.5
17140.0110.7118.0129.0
18142.8112.9120.4131.6
19145.7115.1122.8134.2
20148.6117.4125.2136.9

Métodos

  1. Tools of government Hood (1983), The Tools of Government, Macmillan
  2. Zanahorias, palos y sermones Bemelmans-Videc, Rist y Vedung (1998), Transaction
  3. Diffusion of innovations Rogers (2003), Diffusion of Innovations, Free Press
  4. Abanico de incertidumbre (Monte Carlo de parámetros) Spiegelhalter, Pearson y Short (2011), Visualising uncertainty about the future, Science 333
  5. One-at-a-time sensitivity (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley

Datos

The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:

  • Borders Natural Earth
  • Cities Natural Earth
Trayectorias de política y sus efectos sobre el riesgo. Modelo didáctico ilustrativo: funciona con los valores fijados por los controles, no con datos medidos. Métodos: herramientas de gobierno (Hood (1983), The Tools of Government, Macmillan); zanahorias, palos y sermones (Bemelmans-Videc, Rist y Vedung (1998), Transaction); difusión de las innovaciones (Rogers (2003), Diffusion of Innovations, Free Press).
06Fuentes

De dónde procede la evidencia.

Conjuntos de datos públicos y registros institucionales identificados, cada uno con su tipo de licencia. Las fuentes obtenidas por acuerdo solo se utilizan conforme a sus condiciones y nunca se republican.

FuenteLo que aportaTipo de licencia
Federal Reserve and OCC SR 11-7 guidanceModel risk management expectationsDominio público
PRA SS1/23 model risk management principlesUK principles for banksGratuito, condiciones del Bank of England
ECB guide to internal modelsExpectativas para los modelos internos utilizados para el capitalGratuito, condiciones del BCE
Bank of England and FCA surveys of AI and machine learning in UK financial servicesUso y gobernanza de la IA en las empresasGratuito, términos del Banco de Inglaterra y la FCA
Informes de seguimiento de la EBA sobre aprendizaje automático para modelos basados en calificaciones internasSupervisory views on ML in capital modelsGratuito, condiciones de reutilización de la UE
07Exposición, pérdida y capital

What model risk governance means for exposure, loss and capital.

Las vistas de exposición, pérdida, escenarios y capital que pediría un responsable de riesgos, un supervisor o un ministerio de finanzas, con los marcos con arreglo a los cuales informan. Las estructuras siguen la práctica supervisora y actuarial. Los valores son ilustrativos: nunca precios, calificaciones ni asesoramiento.

Canales de transmisión

How a shock in model risk governance reaches credit, market, underwriting, liquidity and operational risk, and feeds back.

Channel structure after the Basel Committee’s work on climate-related risk drivers and transmission channels; links shown are typical paths, not estimated exposures.
Escenarios climáticos del NGFS · Red para la Ecologización del Sistema FinancieroNIIF S2 Información a revelar relacionada con el clima · ISSBRecomendaciones del TCFD · TCFD del Consejo de Estabilidad FinancieraPrincipios para la gestión eficaz de los riesgos financieros relacionados con el clima · Comité de Supervisión Bancaria de Basilea
08Decisiones

Quién decide y a qué sirve la evidencia.

La investigación de riesgo de modelo financiero prepara evidencia. Las decisiones que se indican a continuación las toman las autoridades nombradas, conforme a sus propias normas, y nunca la plataforma.

Quién decideLa preguntaEvidencia a la que sirve esta página
Boards and senior managementWhat model risk appetite to set and how to oversee itInventory, tiering, findings and incident evidence
Model risk management functionsWhich models to validate, approve, restrict or retireValidation results and monitoring
Supervisores prudencialesSi la gestión del riesgo de modelo cumple las expectativasSupervisory reviews and firm reporting
Auditoría internaSi el marco de riesgo de modelos funciona según lo diseñadoGovernance and validation records

Productos que genera este tema

  • Guía de inventarios, clasificación por niveles y validación de modelos
  • Nota sobre la ampliación de la gestión del riesgo de modelos a la IA y la IA generativa
  • Nota metodológica sobre el desafío efectivo
  • Questions for boards on aggregate model risk
09Cuestiones centrales

Lo que se preguntan los expertos.

Governance questions begin with knowing what models exist.

  • ¿Qué cuenta como modelo y abarca la definición el aprendizaje automático, las herramientas de proveedores y la IA generativa?
  • Is every model in the inventory, with an accountable owner and a risk tier?
  • Is validation genuinely independent and effective at challenging developers?
  • How are model limitations documented and communicated to users?
  • Does the board understand the institution’s aggregate model risk?
10Mecanismos

Mecanismos y factores impulsores.

Models fail through flawed design, poor data, implementation errors, or use beyond their intended scope. Governance frameworks address these through development standards, independent validation and ongoing monitoring, scaled to each model’s materiality. Supervisory guidance on model risk management in several jurisdictions sets expectations along these lines.

AI strains traditional frameworks. Machine learning models can be numerous, frequently retrained and embedded in processes; generative AI tools may be adopted informally by staff; vendor models may be opaque. Inventories that miss these uses leave risk unmanaged.

11Métodos y datos

Cómo se estudia y dónde terminan los métodos.

Método o datosLo que muestraLímites
Inventarios de modelos y clasificación por nivelesQué modelos existen y cuán relevantes sonLos usos informales e integrados de la IA se pasan por alto con facilidad
Validación independienteSoundness of design, data and implementationLa validación está limitada por el tiempo, las competencias y el acceso a los detalles del proveedor
Governance benchmarkingHow institutions organise model riskAutodeclarado y difícil de comparar
Issue and finding analysisDebilidades recurrentesLos hallazgos son confidenciales dentro de las empresas
13Preguntas

Preguntas y respuestas.

¿Qué es el riesgo de modelo?
The potential for adverse consequences from decisions based on incorrect or misused model outputs, as SR 11-7 describes it, including financial loss, poor decisions and reputational harm.
What is effective challenge?
Análisis crítico e independiente de un modelo por personas con la competencia, la influencia y los incentivos para identificar limitaciones y exigir cambios.
Are AI models covered by model risk rules?
Supervisores como la PRA señalan que los principios de riesgo de modelo se aplican a los modelos de inteligencia artificial y aprendizaje automático, con atención a sus riesgos específicos.
Do spreadsheets and generative AI tools count as models?
Many frameworks define models by function rather than technology, so tools that produce quantitative estimates or influence decisions can fall within scope. Each institution applies its own definition under its supervisors’ expectations.
Does the platform review firms’ frameworks?
No. GRA does not review, validate or approve firms’ frameworks or models.
InformesContribuir

Aporte evidencia desde esta página.

Reports es la publicación trimestral del Consortium. Lo que usted sabe sobre este tema puede convertirse en evidencia, un caso o una corrección en la próxima edición, con su crédito y publicado bajo licencia CC BY 4.0 cuando se trate de obra propia.

Global Risks AllianceAI and Financial Model RiskMethods and TechnicalExponential Technology
Riesgo de la IA y de los modelos financieros

Plantee una cuestión de exposición o de capital a la Alliance.

La información y las consultas están abiertas hoy. Una consulta recibe una referencia e indica el siguiente paso; las solicitudes, pagos, asignaciones de cómputo y registros solo se abren cuando existen su equipo, sus condiciones y la capacidad de revisión.