Cómo define SR 11-7 un modelo y su riesgo
SR 11-7 define modelo de forma amplia: cualquier método, sistema o enfoque cuantitativo que aplique teorías estadísticas, económicas, financieras o matemáticas para convertir datos de entrada en estimaciones cuantitativas. Eso abarca las tarjetas de puntuación crediticia, los modelos de valoración, los motores de capital y de pruebas de resistencia, los modelos de gestión de activos y pasivos, la monitorización de transacciones para prevención de blanqueo y, cada vez más, los modelos de aprendizaje automático.
El riesgo de modelos es el riesgo de consecuencias adversas —pérdida financiera, malas decisiones, daño reputacional o regulatorio— por modelos con errores fundamentales, o usados incorrectamente, o para fines para los que no se diseñaron. La guía es explícita: incluso un modelo técnicamente sólido genera riesgo si se aplica en el contexto equivocado.
Primer pilar: desarrollo, implantación y uso
Una gestión sólida del riesgo de modelos empieza en el desarrollo. Un modelo debe apoyarse en una teoría defendible, usar datos apropiados y estar documentado con suficiente detalle para que una parte independiente pueda entenderlo y reproducirlo. Las pruebas deben examinar su comportamiento, sus limitaciones y su sensibilidad a las hipótesis antes de que entre en producción.
SR 11-7 insiste en que la documentación no es burocracia: es lo que hace un modelo mantenible y revisable cuando sus desarrolladores originales ya no están. El «uso» también importa: quienes se apoyan en la salida de un modelo deben entender sus hipótesis y limitaciones.
Segundo pilar: validación y cuestionamiento efectivo
La validación es el conjunto de actividades independientes que verifican que un modelo funciona según lo previsto. SR 11-7 describe tres elementos centrales: una evaluación de la solidez conceptual (¿son sólidos el diseño y la teoría?), una monitorización continua (¿sigue funcionando, mediante benchmarking y verificación de procesos?) y un análisis de resultados (¿coinciden sus salidas con la realidad, mediante backtesting?).
Todo ello se sostiene sobre el «cuestionamiento efectivo»: el análisis crítico por partes independientes del desarrollo, técnicamente competentes y con la posición y el incentivo para objetar. La validación debe ser genuinamente independiente; el responsable de un modelo no puede validar su propio modelo. La profundidad de la validación debe escalar con la materialidad y complejidad del modelo.
Tercer pilar: gobernanza, inventario y roles
El tercer pilar es la maquinaria organizativa: supervisión del consejo y la alta dirección, políticas escritas, roles definidos (responsables, desarrolladores, validadores, funciones de control) y, en el centro, un inventario completo de modelos. El inventario registra cada modelo en uso, su finalidad, su responsable, su estado de validación, sus limitaciones y su nivel de riesgo.
Un inventario vigente es lo que permite a una entidad responder a las preguntas que hacen los examinadores: qué modelos están en uso, cuándo se validaron por última vez, cuáles tienen hallazgos abiertos y cuáles alimentan cifras regulatorias. Sin él, la gestión del riesgo de modelos resulta inmanejable a escala.
De SR 11-7 a la gobernanza de la IA
SR 11-7 es anterior a la ola del aprendizaje automático, pero sus principios se trasladan bien. Solidez conceptual, monitorización continua, análisis de resultados, cuestionamiento independiente e inventario vivo son exactamente los controles que un supervisor quiere ver alrededor de un modelo de aprendizaje automático o de IA, sumados a preocupaciones más nuevas como la deriva de datos, la explicabilidad y el sesgo.
El reto práctico es el volumen y el ritmo. Una entidad moderna puede tener cientos o miles de modelos, y el desarrollo de IA avanza más rápido que los ciclos anuales de validación. Ejecutar el inventario de modelos, el flujo de validación, la monitorización y las evidencias sobre una única plataforma gobernada —en lugar de hojas de cálculo y correo— es lo que hace sostenible una gobernanza al nivel de SR 11-7 conforme crece la población de modelos.