Qué exige la guía de la OCC sobre IA en financiación a los bancos en 2026
La conversación sobre la guía de la OCC sobre IA en financiación debe partir de una idea sencilla: la IA no está exenta de los estándares de una banca segura y sólida. Si un banco utiliza IA en admisión de riesgos, análisis de estados financieros, seguimiento, due diligence o generación de informes, la herramienta debe integrarse en los programas existentes de gobierno, riesgo de modelo, riesgo de terceros, ciberseguridad, trato justo y auditoría.
Para las entidades financiadoras empresariales, la cuestión práctica no es: «¿Podemos usar IA?». La cuestión es: «¿Podemos evidenciar cómo se gobierna, valida, supervisa y anula la IA?». Un supervisor que revise un expediente de crédito empresarial de 5 millones de dólares asistido por IA esperará inputs trazables, una justificación conforme a la política, evidencia de aprobación y criterio humano, no solo el resultado de un modelo.
La financiación empresarial no es lo mismo que el crédito al consumo. Algunos flujos de trabajo pueden tener menos pasos prescriptivos de préstamo justo, pero las expectativas en materia de coherencia, documentación y auditabilidad siguen siendo elevadas. Cualquier proceso de IA que afecte a la admisión de riesgos de crédito empresarial debe mostrar qué datos se utilizaron, qué cálculos se realizaron, quién revisó el resultado y por qué la decisión final cumplía la política.
El marco de gobierno de IA en 6 partes que las entidades financiadoras empresariales deben documentar
Una entidad financiadora debe empezar con un inventario de IA. Enumere cada caso de uso, incluida la ingesta de documentos, el análisis de estados financieros, el análisis de crédito, la due diligence, la redacción de informes, el enrutamiento de aprobaciones y el seguimiento de carteras. El inventario debe identificar al responsable de negocio, el proveedor si procede, los datos utilizados, el impacto crediticio y la evidencia de control actual.
A continuación, asigne cada caso de uso a un nivel de riesgo. La clasificación documental puede situarse en un nivel de menor riesgo si solo ordena archivos para la revisión del analista. Las calificaciones de riesgo, las recomendaciones de aprobación, las alertas de covenants y las señales de fraude pertenecen a un nivel superior porque pueden influir en las decisiones de crédito, el trato al prestatario y las actuaciones sobre la cartera.
El gobierno también necesita responsables identificados. La línea de negocio, riesgo de crédito, cumplimiento normativo, TI/seguridad y riesgo de modelo deben saber qué les corresponde. Los controles de IA no pueden quedar enterrados dentro de una relación con un proveedor ni depender de un único analista que entiende el flujo de trabajo.
- 1Inventario de IAEnumere cada caso de uso en financiación, fuente de datos, proveedor, grupo de usuarios y flujo de crédito afectado por la IA.
- 2Nivel de riesgoClasifique cada caso de uso según cuánto pueda afectar a la aprobación, la calificación de riesgo, el seguimiento o el trato al prestatario.
- 3Responsable del controlAsigne la responsabilidad entre crédito, cumplimiento normativo, TI/seguridad, riesgo de modelo y la línea de negocio.
- 4Evidencia de validaciónConserve pruebas de que los resultados son precisos, explicables, probados y revisados antes del uso en producción.
- 5Métrica de seguimientoRealice seguimiento de excepciones, anulaciones, tasas de error, deriva, antigüedad de incidencias y calidad de la revisión de usuarios a lo largo del tiempo.
- 6Evidencia para el supervisorAgrupe políticas, registros, aprobaciones, evidencias de proveedores e informes de seguimiento para que los equipos de revisión puedan reconstruir el flujo de trabajo.
Gestión del riesgo de modelo: validación, explicabilidad y seguimiento continuo
Las herramientas de IA para financiación deben alinearse con los principios de gestión del riesgo de modelo incluso cuando el proveedor no denomine modelo a la herramienta. Las entidades financiadoras deben comprobar la solidez conceptual, la calidad de los datos, la razonabilidad de los resultados, las limitaciones conocidas y el control de cambios. Una demostración comercial puntual no es una validación.
La explicabilidad es especialmente importante cuando la IA interviene en el análisis de crédito. El análisis de ratios, los cálculos del ratio de cobertura del servicio de la deuda (DSCR), la interpretación del flujo de caja, las pruebas de covenants y los resúmenes de informes de riesgos deben mostrar los datos de origen, las fórmulas o la lógica de cálculo, los ajustes, los indicadores de confianza y las acciones del revisor. Si un analista cambia el resultado, el expediente debe conservar el resultado original y el motivo de la anulación.
El seguimiento continuo debe abarcar carteras, sectores, tamaños de prestatario, formatos de documento y tipos de estados. Un flujo de trabajo puede rendir bien con estados financieros en Excel limpios, pero tener dificultades con declaraciones fiscales escaneadas o estados preparados por el prestatario. El historial de versiones debe permitir a la entidad financiadora reconstruir qué vio, calculó, recomendó y enrutó el sistema en el momento de la aprobación.
| Modelo en hoja de cálculo | Flujo de crédito con IA | |
|---|---|---|
| Datos de origen | Pestañas vinculadas, valores importados o campos introducidos por el analista | Linaje documental desde el expediente del prestatario hasta el campo extraído y el resultado final |
| Revisión del cálculo | Inspección de fórmulas y pruebas de celdas | Lógica de cálculo, indicadores de confianza, casos de prueba y visto bueno del revisor |
| Control de cambios | Historial de versiones del archivo o plantillas de libros controladas | Versión del modelo, versión del flujo de trabajo, notas de la versión y fecha de aprobación |
| Pista de auditoría | Notas manuales y copias guardadas del libro | Registros de resultados, anulaciones, aprobaciones, historial de enrutamiento y registros de excepciones |
Controles de calidad de datos y análisis de estados financieros conforme a las expectativas de la OCC
La ingesta automatizada de documentos y el análisis de estados financieros deben tratarse como procesos de crédito controlados, no como atajos administrativos. Si el análisis alimenta ratios, flujos de caja, DSCR, estructura del préstamo o facultades de aprobación, los errores de extracción pueden convertirse en errores de criterio crediticio.
Un banco debe definir reglas sobre la fuente de referencia antes de su uso en producción. Los prestatarios suelen presentar PDF, archivos Excel, declaraciones fiscales, escaneos y extractos bancarios que no cuadran perfectamente. La política debe indicar qué fuente prevalece, cómo se resuelven los conflictos y cuándo un analista debe escalar anexos ausentes, incertidumbre de OCR, add-backs inusuales, gastos no recurrentes o periodos incoherentes.
Crediflow AI ingiere estados financieros, declaraciones fiscales y extractos bancarios en formatos PDF, Excel y escaneados, y después estandariza los datos automáticamente para el análisis de crédito posterior. Ese tipo de análisis automatizado de estados financieros sigue necesitando reglas de revisión definidas por la entidad financiadora, colas de excepciones y pistas de auditoría para que se aplique la misma política de crédito entre analistas, oficinas y tipos de prestatario.
Supervisión de proveedores externos de IA: qué deben preguntar las entidades financiadoras antes del despliegue
La diligencia debida de proveedores para IA en financiación debe seguir los estándares de gestión del riesgo de terceros. Antes del uso en producción, un banco local podría exigir evidencias de seguridad tipo SOC, revisión de accesos basada en roles, materiales de respuesta a incidentes, documentación de continuidad de negocio y recuperación ante desastres, derechos de auditoría, información sobre el riesgo de subcontratistas y un proceso de notificación de cambios del modelo.
Las entidades financiadoras también deben solicitar evidencias de explicabilidad, prácticas de conservación de datos, controles de acceso, métodos de protección de datos de clientes y procedimientos de gestión de versiones. El banco sigue siendo responsable de cómo se utilizan los resultados de la IA, aunque la herramienta la proporcione un proveedor.
El modelo de despliegue importa. Crediflow AI está diseñado para entidades financiadoras reguladas con seguridad de nivel empresarial e IA explicable, y se integra junto con los sistemas de concesión de préstamos existentes en lugar de sustituirlos. Esto permite a bancos, cooperativas de crédito, fondos de deuda privada, brokers y consultores financieros incorporar infraestructura de IA manteniendo las matrices de facultades de crédito y los flujos de aprobación establecidos.
Casos de uso de IA que la OCC probablemente examinará con más detalle en financiación empresarial
Los casos de uso que requieren mayor control son los que influyen en la aprobación de crédito, la fijación de precios, la calificación de riesgo, el seguimiento de covenants, las alertas de fraude o las alertas de riesgo de cartera. Estos resultados pueden afectar al trato del prestatario y al reporting de riesgo de crédito, por lo que necesitan una validación más sólida, revisión, gestión de excepciones y evidencias de auditoría.
Los usos de menor riesgo también necesitan controles. La clasificación de documentos y la generación de primeros borradores de informes pueden parecer inocuas, pero los errores pueden propagarse por el expediente de crédito. Si un informe indica que el ratio de cobertura del servicio de la deuda (DSCR) es 1.35x, el expediente debe mostrar los estados financieros fuente, ajustes, fórmula, aprobación del revisor y cualquier justificación de excepción.
La diligencia debida y la investigación asistidas por IA también merecen una revisión estrecha. El flujo de trabajo debe citar fuentes, señalar la incertidumbre y evitar conclusiones no respaldadas sobre el prestatario, el garante o el sector. Las alertas de seguimiento de cartera deben calibrarse para que los equipos no sufran fatiga de alertas, incumplimientos de covenants no detectados o seguimientos incoherentes de prestatarios.
Cómo preparar un expediente de financiación con IA y un paquete de examen listos para la OCC
Un expediente de financiación con IA listo para la OCC debe permitir al revisor avanzar desde los documentos del prestatario hasta la decisión final sin lagunas. El paquete de evidencias debe incluir mapeo de políticas, trazabilidad de datos, soporte de cálculos, registros de salidas de IA, notas de revisión del analista, aprobaciones, excepciones, documentación del proveedor y registros de seguimiento.
La formación importa tanto como la tecnología. Las entidades financiadoras y los analistas deben saber cuándo cuestionar los resultados de la IA, cómo documentar excepciones y cómo explicar por qué la decisión final cumplió la política de crédito. La IA debe agilizar la revisión, pero no debilitar la disciplina crediticia ni reducir la responsabilidad humana.
Crediflow AI permite una evaluación crediticia completa en menos de 10 minutos y puede reducir el tiempo hasta la decisión en un 90% cuando se despliega con flujos de trabajo controlados y explicables. El objetivo no es solo la rapidez. El objetivo es pasar de documentos desordenados a una decisión de crédito en minutos manteniendo el expediente listo para el supervisor.
Preguntas frecuentes
¿Permite la OCC a los bancos utilizar IA en financiación empresarial?
Sí. La OCC espera que la IA opere dentro de los estándares establecidos de gestión de riesgos, gobernanza de modelos, supervisión de terceros, ciberseguridad y auditabilidad. La clave es demostrar que la entidad financiadora entiende la herramienta, controla el flujo de trabajo y puede explicar los resultados crediticios.
¿Cuál es el mayor riesgo de cumplimiento de las herramientas de admisión de riesgos con IA?
El mayor riesgo no es la automatización en sí. El problema principal son las decisiones de crédito sin respaldo o sin trazabilidad. Si una entidad financiadora no puede mostrar los datos fuente, los cálculos, las hipótesis, la revisión humana y la justificación de cualquier excepción, un expediente asistido por IA puede ser difícil de defender en una inspección.
¿Cómo debe validar una entidad de financiación empresarial una herramienta de análisis de crédito con IA?
La validación debe revisar la calidad de los datos, la precisión de los cálculos, la solidez conceptual, las limitaciones, la explicabilidad y el rendimiento a lo largo del tiempo. Las entidades financiadoras también deben probar los resultados en distintos tipos de prestatarios, sectores, formatos de estados financieros y casos límite, como anexos ausentes o add-backs inusuales.
¿Se aplican las expectativas de la OCC sobre IA al software de financiación proporcionado por proveedores?
Sí. Usar un proveedor no transfiere la responsabilidad supervisora fuera del banco. Las entidades financiadoras necesitan controles de riesgo de terceros, revisión de seguridad, derechos de auditoría, visibilidad de cambios del modelo y documentación que muestre cómo se revisan y utilizan los resultados del proveedor.
¿Qué casos de uso de IA en financiación necesitan los controles más sólidos?
Los controles más estrictos deben aplicarse a los casos de uso que influyen en la aprobación de crédito, la fijación de precios, las calificaciones de riesgo, el seguimiento de covenants, la detección de fraude o las alertas de riesgo de cartera. La ingesta de documentos y la redacción de informes de riesgos también requieren controles, porque los errores en las fases iniciales del flujo de trabajo pueden afectar a decisiones posteriores.
¿Cómo pueden los bancos estar preparados para el supervisor antes de adoptar IA en la financiación?
Empiece con un inventario de IA, clasifique cada caso de uso por nivel de riesgo, asigne los controles a las políticas existentes de crédito y riesgo de modelo, y defina los requisitos de revisión humana. Después, prepare paquetes de evidencias que muestren la trazabilidad de los datos, los cálculos, las aprobaciones, las excepciones, la due diligence de proveedores y las métricas de seguimiento.