Inteligencia artificial en gestión de riesgos: de los reportes decorativos a la toma de decisiones reales
La inteligencia artificial está transformando la forma en que las organizaciones analizan riesgos, pero su verdadero valor no está en producir matrices, mapas de calor o registros extensos. Su aporte más relevante está en ayudar a tomar mejores decisiones bajo incertidumbre.
Recientemente, RISK-ACADEMY publicó el documento “Top Ten AI Tools for Risk Management”, en el cual plantea una evaluación crítica sobre herramientas de inteligencia artificial aplicadas a la gestión de riesgos corporativos. La publicación fue realizada el 21 de septiembre de 2025 y se presenta como un estudio orientado a distinguir entre capacidades reales de análisis y promesas comerciales alrededor de la IA.
El punto central del análisis es claro: muchas organizaciones incorporan herramientas de IA esperando revolucionar su gestión de riesgos, pero terminan reproduciendo prácticas tradicionales poco efectivas, tales como registros de riesgos extensos, matrices de probabilidad e impacto o mapas de calor que consumen recursos sin mejorar de forma directa la calidad de las decisiones empresariales.
La IA no debe limitarse a documentar riesgos
Uno de los mensajes más relevantes del informe es que la inteligencia artificial no debería utilizarse únicamente para llenar formularios, generar reportes o embellecer documentación de cumplimiento. Una herramienta efectiva de IA en gestión de riesgos debe integrarse antes de la decisión, no después de que la decisión ya fue tomada.
Esto implica pasar de una visión de la gestión de riesgos como ejercicio de cumplimiento a una visión centrada en decisiones. En ese enfoque, la IA debe ayudar a identificar incertidumbres relevantes, cuantificar escenarios, detectar riesgos no evidentes y sugerir acciones prácticas para la administración.
De acuerdo con RISK-ACADEMY, las herramientas especializadas y ajustadas al dominio de gestión de riesgos pueden superar a los modelos generales de lenguaje, especialmente cuando se evalúan en tres áreas: identificación de riesgos no obvios, análisis cuantitativo e integración del pensamiento de riesgos en los procesos reales del negocio.
¿Qué debe hacer una IA útil para la gestión de riesgos?
Una herramienta de IA con valor real para la gestión de riesgos debería cumplir, como mínimo, con los siguientes criterios:
- Integrarse en los procesos de decisión empresarial.
- Cuantificar la incertidumbre mediante probabilidades, escenarios o simulaciones.
- Identificar riesgos que no son evidentes para los equipos humanos.
- Proponer acciones prácticas y comprensibles.
- Adaptarse al contexto operativo, financiero y cultural de la organización.
El documento base compartido señala que la evaluación consideró preguntas reales de gestión de riesgos, tareas cualitativas y cuantitativas, y criterios como integración con decisiones, acción práctica, rigor cuantitativo, prevención de errores comunes y entendimiento del contexto empresarial.
Hallazgos relevantes del análisis
Según el material revisado, el informe destaca que herramientas especializadas en gestión de riesgos, como SIMON / RAW@AI, obtuvieron mejor desempeño que modelos generales cuando se aplicaron a problemas específicos de riesgos corporativos. También se menciona que modelos avanzados de propósito general pueden ser útiles si se utilizan con instrucciones bien estructuradas, marcos metodológicos claros y plantillas orientadas a decisiones.
No obstante, este tipo de evaluación debe interpretarse con prudencia. Un benchmark basado en respuestas escritas mide principalmente capacidad argumentativa, estructuración de análisis y razonamiento textual. La gestión de riesgos real requiere, además, acceso a datos, integración con sistemas corporativos, modelización financiera, simulaciones, controles internos, trazabilidad y validación humana.
Por ello, la IA debe verse como una herramienta de apoyo, no como sustituto del juicio profesional, la gobernanza corporativa ni la responsabilidad de la administración.
Relevancia para auditoría, control interno y gobierno corporativo
Para los auditores, consultores y responsables de control interno, este debate es especialmente importante. La gestión moderna de riesgos debe estar vinculada con los objetivos del negocio, los procesos críticos, los indicadores financieros y las decisiones estratégicas.
Desde la perspectiva de auditoría y aseguramiento, el uso de IA puede aportar valor cuando permite:
- Evaluar riesgos de forma más dinámica.
- Identificar patrones inusuales o señales tempranas.
- Priorizar áreas críticas de revisión.
- Fortalecer la documentación del juicio profesional.
- Mejorar la comunicación de riesgos a la administración y órganos de gobierno.
Sin embargo, también exige controles. Las organizaciones deben validar las fuentes de datos, documentar los supuestos utilizados, revisar la razonabilidad de los resultados y mantener supervisión humana sobre las conclusiones generadas por IA.
Conclusión
La principal lección es que la inteligencia artificial no debe convertirse en una herramienta para producir más reportes, sino en un medio para mejorar decisiones empresariales bajo incertidumbre.
En gestión de riesgos, el valor no está en la apariencia del reporte, sino en la calidad de la decisión que ayuda a tomar. Las empresas que utilicen IA con enfoque técnico, cuantitativo y orientado a decisiones estarán mejor posicionadas para anticipar riesgos, asignar recursos y fortalecer su gobierno corporativo.
En JGutierrez Auditores Consultores S.A., consideramos que la tecnología debe complementar el juicio profesional, fortalecer el control interno y apoyar una gestión de riesgos más útil, trazable y orientada a resultados.
Jorge Gutiérrez Guillén, CPA
Socio Fundador & Representante Legal
JGutierrez Auditores Consultores S.A.
#InteligenciaArtificial #GestiónDeRiesgos #GobiernoCorporativo #ControlInterno
#JGutierrezAuditores
