Ingeniería del cumplimiento normativo y aseguramiento de la IA
El cumplimiento normativo supone un coste elevado y creciente para las entidades financieras, y los agentes de IA están llegando rápidamente a este ámbito. En City Agentic Finance Lab (CAFiL) diseñamos y probamos los métodos de evaluación y aseguramiento (verificación independiente de que la IA funciona como se espera) que permiten a las empresas y a las autoridades reguladoras confiar en los agentes.
Qué exploramos
Agentes de IA en las operaciones de cumplimiento normativo (cambio regulatorio, seguimiento del Consumer Duty (deber de protección del consumidor), gestión de reclamaciones y operaciones de cumplimiento en materia de delitos financieros), estudiados desde el punto de vista de la gobernanza, la precisión y la auditabilidad; gestión del riesgo de modelo conforme a la declaración supervisora SS1/23 de la Autoridad de Regulación Prudencial (PRA); métodos de evaluación y aseguramiento; evidencia preparada para las autoridades reguladoras; regtech (tecnología regulatoria) y suptech (tecnología de supervisión). No desarrollamos sistemas de detección ni de vigilancia.
Preguntas que nos planteamos
- ¿Dónde funcionan los agentes de IA en las operaciones de cumplimiento normativo y dónde fallan?
- ¿Cómo deberían las empresas llevar a cabo la evaluación y el aseguramiento de un agente antes y después de su puesta en marcha?
- ¿Qué evidencia esperarán las autoridades supervisoras y cómo pueden las empresas generarla de forma eficiente?
- ¿Cómo se aplican el Consumer Duty y el Régimen de Altos Directivos y Certificación (Senior Managers & Certification Regime) cuando actúa un agente?
- ¿Cómo debería extenderse la gestión del riesgo de modelo a los sistemas agénticos?
Lo que producimos
- Estudio de evidencia (en preparación, con proyectos de máster): “Compliance agents: what works, what fails” (Agentes de cumplimiento: qué funciona y qué falla)
- La escala de autonomía “The Autonomy Ladder”, un conjunto de herramientas de gobernanza
- Métodos de evaluación y escenarios de prueba para agentes en tareas reguladas