La inteligencia artificial y el cálculo económico

La inteligencia artificial está en el candelero, más después de las últimas noticias sobre la china DeepSeek, y el ambiente general es de optimismo. El pensamiento popular es que esta nueva tecnología va a provocar que todos los procesos productivos sean más sencillos. Si bien es verdad que es muy probable que mejore la productividad, la IA también va a generar una mayor complejidad en los mercados. Una complejidad que conlleva riesgos en sectores como el bancario, en especial por el sistema de reserva fraccionaria actual.

Existe una posibilidad que pocos han contemplado. Y es que la inteligencia artificial se está comenzando a utilizar en estudios de solvencia a la hora de conceder préstamos, algo que ya han anunciado entidades como Abanca. Por ello, dados los incentivos que genera el sistema actual, cabe la posibilidad de que esto traiga problemas imprevistos.

Una mayor facilidad para llevar a cabo estudios de solvencia siguiendo parámetros cuantificables (no cualitativos) a través de una inteligencia artificial puede acabar expandiendo el crédito. Los costes de oportunidad de realizar estos exámenes a los candidatos se reducen, los procesos se acortan y se facilita llegar a tipos de interés aparentemente óptimos según cada riesgo.

Esto se suma a la posible falsa sensación de seguridad que puede provocar confiar en una IA a la hora de analizar la solvencia de un cliente. Los bancos pueden, potencialmente, confiar en estas herramientas para encontrar lo que para ellos parecerán buenos acuerdos, pero que, sin embargo, no van a tener en cuenta el contexto global.

Surge así la oportunidad para que la reducción de barreras en la concesión de créditos y la falsa sensación de seguridad por confiar en una IA provoquen una expansión de los préstamos y, dado el sistema de reserva fraccionaria, se retroalimente el multiplicador bancario, pudiendo hasta generar crisis económicas.

Esto es algo que muchas escuelas no tienen en cuenta, pues para ellos es sólo importante la calidad del respaldo de los depósitos, y no su cantidad. Una calidad que puede verse tambaleada a la mínima, como pasó con el famoso caso del Silicon Valley Bank.

Evidentemente, la demanda, la liquidez de la banca y otras variables también condicionan la concesión de préstamos. Sin embargo, la simplificación del proceso, así como los avances dirigidos a establecer ofertas personalizadas y tranquilizadoras para ambas partes, es, indiscutiblemente, un elemento que puede potenciar el crédito de las entidades financieras (y, por tanto, la oferta monetaria).

Desde luego, este riesgo y otros similares se acabarían con un sistema de coeficiente de caja del 100%. En él, los depósitos se sostendrían de forma real, con un buen respaldo, y el multiplicador bancario dejaría de generar ciclos económicos e inflación.

La inteligencia artificial en la Economía

Claro está, por tanto, que los errores de base no se arreglan con la IA. Pasa lo mismo con aquellos que suponen que el cálculo económico centralizado, en un sistema puramente socialista y estatal, va a funcionar por el aumento de las capacidades tecnológicas. Las nuevas tecnologías, además de analizar la información, también la generan de forma dinámica, creando una complejidad en los mercados cada vez mayor.

Una complejidad que, además, se parece mucho al conocimiento tácito. Si bien no es lo mismo, a priori, no se puede conocer el proceso que ha llevado a una IA generativa a llegar a tal o cual conclusión. Esa es la idea, las redes neuronales y esta tecnología opera de tal forma que, tras un entreno, comienza a detectar patrones y a ser capaz de adaptarse a diferentes circunstancias. Esta capacidad de adaptación simula la impredecibilidad propia del Ser Humano.

Con todo, lo que es seguro es que ninguna tecnología, ni la propia inteligencia artificial, va a ser capaz de computarizar matemáticamente la experiencia subjetiva, pues ésta es, de forma natural, esencialmente diferente a lo material. Por muchos avances que haya, no se puede realizar un cálculo económico centralizado a partir de informaciones no objetivas dispersas, de la multiplicidad de experiencias subjetivas.

Y, yendo al caso de la concesión de préstamos como ejemplo, alguien puede utilizar una IA para predecir la probabilidad de riesgo de impago en base a su renta, inversiones o cualquier cosa similar, pero jamás podrá deducir, de datos objetivos, que esa persona puede vivir una inestabilidad familiar pronto que le lleve por el camino de la ruina, algo que podría causar, también, no poder cumplir con el contrato.

Vemos, pues, que existen elementos humanos y subjetivos que imposibilitan una captación completa de la realidad y su complejidad mediante la tecnología y, para poder entender y actuar, es necesario poseer también esa parte subjetiva, ese conocimiento tácito, que nos hace ser como somos.