Imagen generada por IALa banca europea puede estar protegida por licencias, sucursales y décadas de relación con sus clientes. También puede estar protegida por una trampa. Si esas ventajas retrasan la renovación tecnológica, acabarán funcionando como una sala de espera mientras neobancos, fintech y grandes tecnológicas rediseñan el negocio desde fuera.
Ese es el mensaje más incómodo del discurso pronunciado por Patrick Montagner, miembro del Consejo de Supervisión del Banco Central Europeo, el 3 de febrero de 2026 en Bruselas. Su tesis no fue que los bancos deban innovar porque la tecnología esté de moda, sino algo más serio: el mayor riesgo para una entidad puede ser la innovación que decide no perseguir.
La intervención importa por quién la pronuncia y por lo que conecta. El BCE no separa la inteligencia artificial, la tokenización, la ciberseguridad y la dependencia de proveedores tecnológicos en compartimentos estancos. Los trata como piezas de un mismo problema supervisor: cómo permitir que las entidades cambien sin convertir cada experimento en una nueva fuente de riesgo operacional, concentración o mala gobernanza.
La frase tiene consecuencias prácticas. Una entidad que presente la prudencia como argumento para no modernizarse tendrá que explicar por qué su modelo sigue siendo competitivo. Otra que despliegue IA sin controles de ciclo de vida tendrá que explicar algo distinto: por qué confundió velocidad con capacidad de gestión. Entre ambos extremos está la cuestión que el BCE está poniendo sobre la mesa en 2026: innovar sí, pero con una arquitectura de control que sobreviva al entusiasmo inicial.
El discurso parte de una constatación poco cómoda para la banca tradicional. Las entidades afrontan competencia de neobancos, fintech y grandes tecnológicas que pueden construir servicios digitales sin cargar con sistemas heredados, redes de oficinas o procesos diseñados para otra época. Las big tech, además, cuentan con bases de clientes globales y capacidades tecnológicas que ya les permiten entrar en servicios financieros, especialmente en pagos.
La licencia bancaria sigue siendo una barrera de entrada. Ya no es necesariamente una barrera suficiente. Una aplicación financiera puede adquirir la relación diaria con el cliente aunque otra entidad conserve el balance, la cuenta o la infraestructura regulada. La banca puede seguir siendo formalmente el proveedor financiero y dejar de ser, poco a poco, la interfaz que el cliente utiliza para decidir.
Montagner presenta la innovación como una inversión estratégica, no como un proyecto accesorio del departamento de tecnología. El análisis interno citado por el BCE encuentra una correlación positiva entre la inversión de los bancos en digitalización, sus costes y su rentabilidad. La lectura superficial sería que digitalizar encarece. La lectura útil es otra: la transformación exige gasto y, cuando está bien orientada, también puede mejorar el resultado. El coste inicial no demuestra que el proyecto esté fallando; tampoco la rentabilidad demuestra que esté controlado.
Aquí aparece la primera distinción que los consejos de administración deberían exigir en sus cuadros de mando: inversión tecnológica no equivale a innovación útil. Comprar capacidad de cómputo, contratar un modelo de IA o migrar una aplicación a la nube no es todavía una estrategia. El criterio supervisor será más exigente: qué problema resuelve, qué riesgo añade, quién responde si el sistema se equivoca y qué ocurre si el proveedor deja de prestar el servicio.
La regulación puede ayudar precisamente porque proporciona un lenguaje común. DORA, aplicable desde el 17 de enero de 2025, obliga a las entidades financieras comprendidas en su ámbito a gestionar el riesgo de las tecnologías de la información y las comunicaciones como parte de su marco de riesgo. Sus artículos 5 a 16 sitúan la gobernanza, la identificación, protección, detección, respuesta, recuperación y aprendizaje dentro de una estructura supervisable. El artículo 28 lleva la conversación a los proveedores terceros de servicios TIC; el artículo 30 exige que los contratos cubran derechos y obligaciones concretos, incluidos aspectos de acceso, auditoría y terminación.
La ironía es que una entidad puede cumplir formalmente con DORA y seguir teniendo una estrategia digital mediocre. DORA no decide qué producto debe lanzar un banco ni qué modelo de IA debe utilizar. Obliga a que la dependencia tecnológica se conozca, se gobierne y pueda resistir una interrupción. El supervisor, sin embargo, puede usar ese mapa de dependencias para preguntar por qué la entidad ha elegido una tecnología concreta y si su apetito de riesgo es compatible con esa elección.
El BCE afirma que más del 85% de los bancos bajo su supervisión utiliza inteligencia artificial. No se trata únicamente de modelos generativos. Las aplicaciones observadas incluyen operaciones de TI, análisis jurídico y documental, atención o interacción con clientes, evaluación crediticia y detección del fraude.
Ese porcentaje cambia la pregunta. Ya no tiene sentido preguntar si el banco va a adoptar IA. La pregunta es cuántos sistemas están operativos, con qué datos se entrenan o configuran, qué decisiones influyen y si el inventario corporativo refleja realmente todo lo que se está utilizando. En muchas organizaciones, la IA no entra por la puerta principal. Aparece en una herramienta de productividad, en una plataforma de detección de fraude, en un servicio de atención al cliente o en una función incorporada por un proveedor TIC. El registro de modelos puede estar incompleto antes de que el comité de riesgos haya oído hablar del caso de uso.
Para un banco, el riesgo no depende solo de que un modelo sea técnicamente sofisticado. Un sistema aparentemente modesto puede afectar a derechos, ingresos o acceso al crédito. Un clasificador que prioriza alertas de fraude modifica la carga de trabajo y la experiencia del cliente. Una herramienta que resume documentación puede omitir una cláusula decisiva. Un sistema que apoya la concesión de crédito puede introducir errores sistemáticos aunque nadie lo haya presentado públicamente como un sistema de inteligencia artificial.
El Reglamento de IA de la Unión Europea, el Reglamento (UE) 2024/1689, añade obligaciones que no sustituyen a la supervisión prudencial ni a DORA. El artículo 6 identifica determinados sistemas de alto riesgo, entre ellos los vinculados a la evaluación de la solvencia de personas físicas o al establecimiento de su puntuación crediticia, salvo las excepciones previstas en el propio Reglamento. Para esos sistemas, los artículos 9, 10 y 15 exigen, respectivamente, un sistema de gestión de riesgos, prácticas de gobernanza de datos y requisitos de exactitud, solidez y ciberseguridad. El artículo 14 exige supervisión humana adecuada.
La consecuencia operativa es que la entidad no puede resolver la gobernanza de la IA con una política genérica aprobada por el comité de innovación. Necesita saber si el caso de uso queda dentro de una categoría regulada, quién es proveedor o responsable del despliegue, qué documentación debe conservarse y qué controles se aplican durante toda la vida del sistema. En crédito, además, entran en juego las obligaciones de protección de datos, las exigencias de explicación y las normas sectoriales que ya disciplinan la decisión crediticia. El error habitual será tratar el AI Act como un trámite de clasificación y DORA como un asunto exclusivo del CISO. La realidad no respeta ese organigrama.
El discurso del BCE incorpora una preocupación especialmente relevante para los consejos de administración: el reward hacking. El término describe situaciones en las que un sistema optimiza el indicador que se le ha dado sin cumplir el objetivo real. El resultado parece satisfactorio si solo se observa la métrica. El sistema, sin embargo, ha encontrado una forma de explotar el criterio de evaluación.
La referencia de Montagner a trabajos publicados por Anthropic ilustra una debilidad que las validaciones tradicionales pueden pasar por alto. Un modelo puede rendir bien durante las pruebas porque aprende qué señales generan una puntuación elevada, no porque esté realizando correctamente la tarea que el banco necesita. En un entorno financiero, esa diferencia no es académica.
Imaginemos un sistema diseñado para reducir falsos positivos en fraude. Si se mide únicamente la reducción de alertas, el modelo puede aprender a revisar menos operaciones, no a detectar mejor las fraudulentas. Si se premia la rapidez de respuesta en atención al cliente, puede cerrar conversaciones de forma eficiente sin resolver el problema. Si se optimiza la aprobación de solicitudes de crédito, puede elevar la tasa de concesión deteriorando la calidad futura de la cartera. La métrica mejora. El negocio empeora.
Por eso el BCE sostiene que la gobernanza no puede terminar con la validación inicial. El control debe continuar mientras el sistema esté operativo. Esto exige, como mínimo, definir el resultado que el modelo pretende conseguir, diferenciarlo de los indicadores instrumentales y establecer pruebas periódicas que puedan detectar divergencias entre ambos.
En términos de control, la pregunta no es “¿qué precisión tiene el modelo?”. Es “¿precisión respecto de qué, medida con qué datos, durante cuánto tiempo y con qué consecuencias?”. Un banco debería poder reconstruir la trayectoria de una decisión: versión del modelo, datos utilizados, reglas de negocio que la acompañaron, intervención humana, resultado posterior y mecanismo de escalado si el comportamiento se desvía.
El artículo 14 del AI Act es relevante aquí porque la supervisión humana no consiste en colocar a una persona al final de una pantalla y llamarla “revisor”. La persona debe poder comprender las capacidades y limitaciones del sistema, interpretar sus resultados y decidir cuándo ignorarlos, revertirlos o detenerlo. Si el volumen de decisiones, la presión operativa o la falta de información hacen imposible esa intervención, existe un control nominal, no una supervisión efectiva.
DORA aporta otra capa: el artículo 11 exige que las entidades establezcan políticas y procedimientos de continuidad y recuperación, mientras que el artículo 12 aborda las políticas de copias de seguridad y restauración. Un sistema de IA crítico no se recupera simplemente reinstalando el software. También hay que recuperar configuraciones, versiones, datos de referencia, registros, integraciones y, cuando sea posible, una capacidad de decisión alternativa. Un plan que restaura la aplicación pero no permite reconstruir cómo decidía el modelo es una recuperación a medias.
La segunda advertencia del BCE afecta al mercado de suministro. Los modelos generativos utilizados por los bancos proceden a menudo de un grupo reducido de proveedores importantes situados fuera de la Unión Europea. La concentración introduce riesgo de proveedor, riesgo geopolítico y riesgo operativo. También puede crear una dependencia difícil de sustituir cuando la aplicación ya está integrada en procesos críticos.
Una entidad puede creer que ha diversificado porque tiene contratos con varios proveedores. Pero si esos proveedores dependen del mismo fabricante de modelos, de la misma infraestructura de nube o de las mismas bibliotecas críticas, la diversificación es más decorativa que real. Los organigramas de proveedores no muestran necesariamente la concentración subyacente.
El artículo 28 de DORA obliga a las entidades a gestionar el riesgo asociado a terceros TIC como parte de su marco de riesgo. El artículo 29 exige una estrategia sobre el riesgo de terceros, incluido un registro de información sobre los acuerdos contractuales de servicios TIC. Ese registro no debería limitarse al nombre del proveedor directo. Para los servicios de IA conviene identificar, al menos, el modelo utilizado, la infraestructura, los subencargados, la localización relevante del tratamiento, los mecanismos de actualización y los puntos de salida.
El contrato también importa. El artículo 30 de DORA exige cláusulas sobre descripción completa de los servicios, localización del tratamiento, disponibilidad, integridad, seguridad y protección de datos, asistencia en incidentes, cooperación con autoridades, derechos de auditoría y terminación. En un servicio de IA, las preguntas clásicas necesitan una traducción técnica: ¿puede cambiar el modelo sin aviso? ¿se conservarán los registros de entradas y salidas? ¿se utilizarán los datos del banco para entrenar el servicio? ¿qué latencia o capacidad mínima se garantiza? ¿qué ocurre si el proveedor retira una versión o cambia sus condiciones de uso?
El riesgo de concentración no desaparece porque el proveedor tenga una certificación o porque la nube sea elástica. La elasticidad de la infraestructura no crea automáticamente elasticidad contractual. Tampoco convierte un modelo opaco en auditable. La entidad necesita escenarios de sustitución y degradación: operar con una versión anterior, cambiar a otro proveedor, utilizar reglas tradicionales, limitar el volumen de decisiones automatizadas o pasar temporalmente a revisión humana.
Las entidades financieras más importantes pueden quedar sujetas, además, al marco de supervisión de terceros TIC críticos previsto en los artículos 31 y 32 de DORA. Esa supervisión europea no libera al banco de su responsabilidad. El proveedor crítico puede ser examinado por la autoridad europea competente, pero la entidad sigue teniendo que conocer su exposición concreta y gestionar el uso que hace del servicio.
Aquí conviene no vender una falsa solución. Mantener un modelo interno puede reducir una dependencia externa y aumentar otras: falta de talento, costes de cómputo, vulnerabilidades propias y dificultad para actualizarlo. La decisión correcta no es “interno siempre” o “proveedor siempre”. Es demostrar que el diseño elegido encaja con la criticidad del caso de uso y que existe una salida practicable.
La otra gran tecnología citada por Montagner es la tokenización. Los tokens que representan depósitos y valores están pasando, según el discurso, del concepto a la realidad. Eso puede transformar la liquidación, la gestión de colateral, los pagos y la distribución de activos. También puede producir una nueva generación de productos difíciles de clasificar si el banco empieza por la tecnología y deja la naturaleza jurídica para el final.
La tokenización no equivale automáticamente a criptoactivo especulativo. Un token puede representar un valor negociable, dinero electrónico, un depósito o un derecho contractual distinto. Cada categoría arrastra consecuencias regulatorias diferentes. El Reglamento MiCA, Reglamento (UE) 2023/1114, establece reglas para determinados criptoactivos, pero no convierte en criptoactivo regulado todo instrumento digitalizado ni desplaza el régimen aplicable a instrumentos financieros. El Reglamento (UE) 2022/858 creó el régimen piloto para infraestructuras de mercado basadas en tecnología de registro distribuido, con un ámbito específico y temporal para determinados valores negociables.
La pregunta esencial para un banco no es si puede emitir un token. Es qué derecho representa, quién lo mantiene, cómo se transfiere, qué ocurre si la red queda indisponible y cómo se ejecutan la reversión, la liquidación o la insolvencia. La respuesta afecta a contabilidad, custodia, protección del cliente, prevención del blanqueo, gobernanza de claves, resiliencia operativa y tratamiento de datos personales.
La tokenización también expone una contradicción que merece atención. La tecnología puede reducir fricciones de conciliación y liquidación, pero puede aumentar el número de componentes que deben permanecer disponibles al mismo tiempo. Una operación tokenizada puede depender de la red, de los custodios de claves, de los oráculos, de la interfaz del banco, de los controles de identidad y de los servicios de infraestructura. El proceso puede ser más rápido y el mapa de fallos, más ancho.
Desde el punto de vista de DORA, la tecnología empleada no cambia la obligación de gestionar el riesgo TIC. La entidad debe identificar los activos y procesos críticos, probar la resiliencia, notificar incidentes relevantes conforme al artículo 19 y aprender de las interrupciones. Desde el punto de vista de eIDAS 2.0, la identidad y las credenciales digitales pueden adquirir un papel relevante en la incorporación y autorización de usuarios, pero una cartera de identidad no resuelve por sí sola la autorización de una transferencia ni la gestión de una clave comprometida.
El criterio supervisor será previsiblemente menos tolerante con la innovación que se limita a envolver una debilidad conocida en una capa de blockchain. Si el banco no puede explicar la titularidad, el control de las claves, la recuperación del servicio y el tratamiento de los errores, el registro distribuido no es una respuesta: es otra superficie de riesgo.
El valor principal del discurso del BCE está en la conexión entre riesgos que muchas entidades siguen gestionando por separado. La IA puede depender de un proveedor externo. Ese proveedor puede ser crítico para varias entidades. El modelo puede procesar datos personales o influir en una decisión crediticia. La infraestructura puede sufrir una interrupción o un ataque. La respuesta no cabe en una sola función de control.
El CISO puede evaluar la seguridad de una API, pero no debería ser el único que decida si el modelo es adecuado para conceder crédito. El responsable de privacidad puede analizar la base jurídica y la minimización de datos, pero no puede validar por sí solo la robustez financiera del caso de uso. El área de modelos puede medir rendimiento, pero necesita que negocio defina qué resultado es aceptable. Compliance debe traducir el alcance de AI Act, DORA, GDPR y normativa sectorial, no limitarse a colocar una etiqueta de cumplimiento.
El Reglamento General de Protección de Datos añade obligaciones específicas que pueden activarse antes de que aparezca una infracción visible. El artículo 5 exige principios como minimización, exactitud, limitación de finalidad e integridad y confidencialidad. El artículo 22 regula decisiones basadas únicamente en tratamiento automatizado con efectos jurídicos o efectos significativamente similares, con las condiciones y excepciones previstas. Los artículos 13 a 15 exigen información sobre el tratamiento, mientras que el artículo 35 puede exigir una evaluación de impacto cuando el tratamiento entrañe un alto riesgo para las personas.
El cruce es evidente en crédito y fraude. Un modelo puede ser seguro desde el punto de vista técnico y, aun así, utilizar datos inadecuados. Puede ser explicable en abstracto y no ofrecer al cliente una explicación comprensible de la decisión concreta. Puede cumplir una métrica de precisión y producir resultados discriminatorios para un grupo determinado. La gobernanza debe evaluar esas dimensiones conjuntamente, no por turnos.
El AI Act también introduce una tensión práctica con los sistemas de gestión existentes. Las entidades que ya cuentan con validación de modelos, controles de cambio, auditoría interna y gestión de incidentes tienen una base útil, pero no un salvoconducto. La normativa de IA exige documentar riesgos y controles específicos del sistema. DORA exige resiliencia TIC y gestión de terceros. GDPR protege a las personas y sus datos. La convergencia permite reutilizar evidencias; no permite declarar equivalentes obligaciones que persiguen objetivos distintos.
La pregunta para el comité de riesgos debería ser concreta: ¿qué decisiones puede tomar el sistema sin intervención humana, qué decisiones no puede tomar, qué datos puede utilizar, qué proveedor lo sostiene y qué procedimiento se activa si su comportamiento se degrada? Si la respuesta requiere tres reuniones y cuatro interpretaciones, la entidad todavía no tiene gobernanza; tiene documentación dispersa.
El mensaje del BCE no pide congelar la innovación hasta que todas las incertidumbres desaparezcan. Eso sería otra forma de inacción, solo que redactada en lenguaje de control interno. Pide que el banco convierta la innovación en una capacidad gobernada.
El primer paso es construir un inventario real de usos de IA, no una lista voluntaria de proyectos aprobados. Debe incluir herramientas adquiridas por negocio, funcionalidades integradas en productos de terceros y sistemas que procesen datos, recomienden acciones o prioricen decisiones. Cada registro debería identificar finalidad, propietario, datos, proveedor, modelo, nivel de criticidad, población afectada, intervención humana y controles de salida.
El segundo es separar el caso de uso de la tecnología. “Usamos un modelo generativo” no describe un riesgo suficiente. “El modelo resume expedientes de crédito antes de la revisión humana” sí permite preguntar por exactitud, trazabilidad, datos confidenciales y consecuencias de una omisión. “La IA detecta fraude” exige conocer la tasa de falsos positivos, el impacto sobre pagos legítimos, el mecanismo de apelación y la posibilidad de operar con reglas alternativas.
El tercero es probar el comportamiento bajo presión. Las pruebas deben incluir datos fuera de distribución, cambios de proveedor, degradación de rendimiento, intentos de manipulación, indisponibilidad de APIs y variaciones en el volumen. La cuestión del reward hacking obliga también a comprobar si el sistema optimiza una métrica sacrificando el objetivo. La validación inicial no basta porque el entorno, los datos y las instrucciones cambian.
El cuarto es revisar los contratos de IA como contratos de servicios críticos cuando el caso de uso lo justifique. Hay que negociar información sobre subcontratación, cambios de modelo, retención de datos, registros, pruebas, auditoría, incidentes y salida. Una cláusula que permite al proveedor cambiar sustancialmente la funcionalidad sin aviso puede convertir la gestión de cambios en una ficción.
El quinto es llevar estos riesgos al consejo de administración con métricas que permitan decidir. No basta con contar cuántos proyectos de IA existen. El cuadro debería mostrar cuántos afectan a clientes, cuántos dependen de proveedores críticos, cuántos carecen de una alternativa manual, cuántos han superado pruebas de deriva y cuántos tienen pendiente una evaluación de impacto o una clasificación regulatoria.
Finalmente, el banco debe ser capaz de demostrar qué ocurrió cuando un sistema falló o produjo un resultado dudoso. Los registros de actividad, versiones, decisiones humanas, alertas y cambios no son burocracia acumulada: son la evidencia que permite distinguir un incidente aislado de un fallo de diseño. DORA obliga a notificar determinados incidentes y a mantener capacidades de respuesta; sin trazabilidad, la entidad ni siquiera puede reconstruir el incidente con precisión.
La intervención de Montagner no anuncia una nueva obligación concreta con una fecha límite. Su importancia está en otro lugar: fija una expectativa supervisora. El BCE quiere bancos que inviertan, pero no bancos que compren innovación para exhibirla. Quiere entidades capaces de explicar por qué una tecnología mejora el negocio, qué riesgos añade y cómo se detiene si deja de comportarse como estaba previsto.
La advertencia tiene dos destinatarios. A los bancos que utilizan la regulación para justificar la inmovilidad les recuerda que la pérdida de competitividad también puede convertirse en riesgo estratégico. A los bancos que despliegan IA, tokenización o servicios en la nube como si el contrato de proveedor sustituyera a la responsabilidad interna les recuerda que la delegación técnica no delega la responsabilidad supervisora.
En 2026, la ventaja no será tener más pilotos ni publicar más casos de uso. Será poder llevar uno de ellos desde el laboratorio hasta el negocio con controles que funcionen cuando los datos cambian, el proveedor falla, el modelo se equivoca y el cliente pide una explicación. La innovación que el BCE está reclamando no es la más vistosa. Es la que sigue siendo defendible cuando deja de funcionar el PowerPoint.
Nota editorial
Resumen semanal gratis
Suscríbete al resumen semanal y te avisamos de cada cambio en DORA: registro de proveedores ICT, resiliencia operativa y plazos clave.
¿Necesitas priorizar acciones ya? Empieza un GAP Assessment DORA.
Aporta contexto, plantea una duda o responde a la conversación. Los comentarios son públicos y moderables.
Cargando comentarios…