Las entidades deberían desarrollar capacidades internas de inteligencia artificial, validar los resultados, documentar los supuestos y evitar usos acríticos, dice el supervisor.
"El problema de la información climática no es sólo que falten datos, sino que a menudo son heterogéneos, poco comparables o difíciles de verificar. La inteligencia artificial tiene un papel relevante al momento de certificar o auditar la información: pueden usarse sensores para captar emisiones donde no hay reporte, pero también para comprobar la veracidad de lo que sí se declara", aseguran a EXPANSIÓN desde el Banco de España (BdE), que apuesta por la inteligencia artificial (IA) en su labor de supervisión y prevención de los riesgos climáticos.
El supervisor sigue así la línea del BCE que, por ejemplo, ya considera algunos indicadores climáticos elaborados a partir de datos del programa europeo de observación de la Tierra, Copernicus, en concreto, sobre tormentas e incendios. "Los riesgos climáticos nos obligan a trabajar con datos muy distintos de los financieros tradicionales. Aquí no sólo importan los balances, las exposiciones sectoriales o lo que declaran las entidades, sino también información no estructurada", explican en el Banco de España, refiriéndose a imágenes de satélite, sensores remotos, fotografías, textos corporativos o datos geoespaciales, "y esa información no se puede explotar a mano", dicen.
Finanzas climáticas
En su Revisión de literatura sobre uso de aprendizaje automático en finanzas verdes, el BdE aboga por el uso de tecnologías de aprendizaje automático (ML, por sus siglas en inglés) para analizar problemas relacionados con las finanzas climáticas e identifica siete áreas del conocimiento donde está desempeñando un papel relevante: catástrofes naturales, biodiversidad, riesgo agrícola, mercados de carbono, energía, inversión responsable y datos climáticos.
El Banco de Pagos Internacionales (BIS) y sus socios Deutsche Bundesbank y BCE cuentan con el Proyecto Gaia, del que también es impulsor el BdE, una aplicación que explora cómo la extracción de texto mediante IA puede proporcionar datos accesibles y de alta calidad a gran escala para una amplia gama de aplicaciones en el ámbito monetario y financiero, y un aspecto clave son los riesgos relacionados con el clima, donde la falta de estándares globales de información dificulta la comparación.
Otros supevisores también investigan en este terreno. Un informe del Banco de Francia analiza cómo la IA podría ayudar a estimar las emisiones de carbono corporativas y concluye que predice la intensidad de carbono en el 69% de las veces, pero presenta dificultades con casos extremos. Desde el BdE ven líneas sugerentes en lo que está haciendo el supervisor galo, como utilizar redes neuronales para interpretar imágenes de satélite y obtener información casi en tiempo real de la producción de cemento.
A nivel internacional, el Banco de España presidió hasta el pasado año el grupo de trabajo en finanzas verdes del BIS Innovation Network, trabajando en el uso de nuevas tecnologías para ayudar a escalar las finanzas climáticas, además de ser uno de los impulsores del Proyecto Gaia.
La estrategia del BdE se orienta a enriquecer la medición de eventos climáticos físicos y su conexión con variables económicas y financieras: datos satelitales y aprendizaje automático para mejorar la información sobre, por ejemplo, sequías, incendios y desertificación, y analizar su impacto en la producción agrícola, el empleo o el crédito bancario. "No obstante, estamos sólo comenzando a entender lo que este nuevo conjunto de información nos puede ofrecer", dicen.
Trazabilidad y prudencia
Desde la entidad supervisora advierten que "avanzar en el uso de IA y la ciencia de datos será cada vez más importante, pero habrá que hacerlo con gobernanza, trazabilidad y prudencia", y añaden: "La IA no es una solución automática ni un sustituto del juicio experto. La calidad del resultado depende de la del dato, de la metodología y de la capacidad de explicar el modelo. Las entidades deberían desarrollar capacidades internas, validar los resultados, documentar los supuestos y evitar usos acríticos que amplifiquen sesgos o generen una falsa sensación de precisión".
Desde el BdE también destacan "una cautela fundamental: la IA tiene un enorme potencial para mejorar el análisis climático, pero también forma parte del problema que analiza. La expansión de la IA generativa y de los grandes modelos de lenguaje implica un aumento del consumo energético, de la demanda de cómputo y, a menudo, también del agua necesaria para refrigerar los centros de datos".
Tres planos prioritarios
En sus Prioridades Analíticas 2025-2030, el Banco de España busca enfatizar la adopción de avances recientes como la IA y la ciencia de datos.
1 Análisis de datos no estructurados, en especial imágenes satelitales y sensores remotos, que ayudan a cubrir lagunas que las estadísticas oficiales no siempre capturan con suficiente detalle. El Banco de España ya ha trabajado conceptualmente sobre el potencial de la información satelital para cerrar brechas de datos climáticos.
2 Procesamiento de lenguaje natural. Buena parte de la información de sostenibilidad procede de informes corporativos, disclosures climáticos y planes de transición. Las técnicas de text mining, NLP y los modelos de lenguaje permiten extraer, clasificar y comparar esa información.
3 Modelización de impactos. Trabajos sobre sequías, producción agrícola, incendios y desertificación y su efecto sobre el crédito o el empleo. Un ejemplo: en un estudio que saldrá publicado a finales de año, el BdE ha identificado que las métricas de sequía tomadas desde el suelo no "ven" que un cultivo aparentemente seco se está regando por goteo, pero el satélite, al fijarse en la tonalidad de la hoja, sí puede evaluar la calidad del cultivo.
El Ferrari Luce es una opción con un riesgo limitado en un mercado completamente nuevoLa habilidad de UniCredit para cerrar acuerdos ingeniosos demuestra ser inesperadamente costosaSabadell impulsa la inversión en Bolsa con su nuevo bróker Comentar ÚLTIMA HORA