DATA·TRENDS
Latam
Buenos Aires, ArgentinaNewsletter
DGL Talent - El talento en datos. Lo conocemos.
Legal AIExplicativo

SEC bajo la lupa: qué pasa cuando la IA interpreta divulgaciones financieras

LR
La Redacción
10 de nov de 2026 · 5 min de lectura
SEC bajo la lupa: qué pasa cuando la IA interpreta divulgaciones financieras

La Comisión de Bolsa y Valores de Estados Unidos (SEC) puso el foco en un problema que ya no es hipotético: los sistemas de inteligencia artificial que interpretan divulgaciones financieras presentan desafíos de gobernanza de datos que los marcos regulatorios vigentes no cubren con claridad. El debate abre una pregunta incómoda para toda la región: ¿qué ocurre cuando una IA saca conclusiones erróneas de un reporte que un regulador luego usa como verdad?

La preocupación de la SEC no es menor. Las divulgaciones financieras —estados contables, reportes de riesgo, documentos 10-K y 10-Q en el sistema estadounidense— son textos densos, con convenciones semánticas específicas y matices legales que varían según el sector y la jurisdicción. Un modelo de lenguaje entrenado de forma genérica puede leer “riesgo de liquidez” y clasificarlo de forma distinta a como lo haría un analista con contexto sectorial. El problema no es solo técnico: si esa interpretación alimenta una decisión regulatoria o de inversión, el error tiene consecuencias jurídicas concretas.

Qué examina la SEC y por qué importa más allá de Wall Street

Según se informó, la SEC está evaluando cómo los sistemas de IA que procesan información financiera pública afectan la integridad de los datos y la cadena de responsabilidad sobre esas interpretaciones. La discusión involucra al menos tres capas: la calidad de los datos de origen que alimentan los modelos, la trazabilidad de las decisiones que esos modelos producen, y la rendición de cuentas cuando una inferencia automatizada resulta incorrecta o sesgada. Para los reguladores de valores, esto no es solo un problema de tecnología —es un problema de evidencia y de due diligence.

El escenario no es exclusivo del mercado estadounidense. En América Latina, las comisiones de valores de Brasil (CVM), México (CNBV), Colombia (SFC) y Argentina (CNV) han comenzado a incorporar —o están considerando— herramientas de análisis automatizado para supervisar emisoras, detectar inconsistencias contables y monitorear mercados en tiempo real. Si los modelos que subyacen a esas herramientas tienen problemas de linaje de datos o de sesgo de entrenamiento, el riesgo de supervisión deficiente es directo.

El linaje de datos como requisito legal, no como buena práctica

Uno de los ejes del análisis regulatorio es el concepto de data lineage —la capacidad de rastrear el origen, las transformaciones y el uso de cada dato desde su fuente hasta la decisión que genera. En el contexto de divulgaciones financieras interpretadas por IA, el data lineage deja de ser una recomendación del DAMA-DMBOK para convertirse en un requisito de auditoría. Si un regulador cuestiona una inferencia producida por un sistema automatizado, la organización debe poder mostrar exactamente qué datos alimentaron el modelo, con qué versión fue entrenado, y qué reglas de transformación se aplicaron.

Este requisito choca con la realidad de muchas organizaciones financieras en la región, donde los catálogos de datos son incompletos, los modelos de IA se despliegan sin documentación formal de entrenamiento, y los equipos de compliance no tienen visibilidad sobre las decisiones que toman los sistemas que sus propias áreas de tecnología pusieron en producción. El marco CDMC (Cloud Data Management Capabilities) del EDM Council identifica la trazabilidad end-to-end como una capability crítica —y en LATAM, según evaluaciones informales del sector, pocas instituciones financieras medianas alcanzan el nivel de madurez necesario para cumplirla.

AI Act europeo y el vacío regulatorio en LATAM para sistemas de alto riesgo

El AI Act de la Unión Europea clasifica los sistemas de IA que intervienen en decisiones sobre servicios financieros como sistemas de alto riesgo (Anexo III), lo que implica obligaciones de transparencia, documentación técnica, supervisión humana y gestión de riesgos antes del despliegue. Ningún país de América Latina cuenta aún con un marco equivalente en vigor, aunque Brasil avanza con su proyecto de ley de IA (PL 2338/2023, aprobado en el Senado en 2024 y en proceso en la Cámara de Diputados) y Colombia tiene lineamientos de política pública sobre IA que no alcanzan fuerza normativa vinculante.

Ese vacío crea una asimetría: las instituciones financieras que operan en la región y también en mercados europeos o estadounidenses deben cumplir estándares externos más exigentes que los que exigen sus propios reguladores locales. Para los CDO de bancos, aseguradoras y fondos con presencia regional, esto implica construir capacidades de gobernanza de IA hacia el estándar más alto —no hacia el mínimo local.

Cuándo aplica esta preocupación regulatoria — y cuándo no

La preocupación de la SEC aplica directamente cuando un sistema de IA procesa divulgaciones financieras para producir inferencias que luego inciden en decisiones regulatorias, de inversión o de crédito. También aplica cuando el output del modelo se presenta como evidencia en un proceso de supervisión. No aplica —o aplica con menor intensidad— cuando la IA se usa exclusivamente como herramienta exploratoria interna, sin que sus conclusiones salgan al mercado ni sean usadas como base de decisiones formales. La distinción entre uso exploratorio y uso decisional es, precisamente, uno de los criterios que reguladores como la SEC están intentando definir.

Para los equipos de gobernanza de datos en instituciones financieras latinoamericanas, la acción concreta no pasa por esperar la norma local. Pasa por mapear hoy qué sistemas de IA producen outputs que alimentan reportes regulatorios, auditorías internas o decisiones de crédito; documentar el data lineage de los datasets de entrenamiento de esos modelos; y establecer un proceso formal de revisión humana antes de que cualquier inferencia automatizada llegue a un regulador o a un cliente. Ese inventario —y la brecha que probablemente va a revelar— es el primer entregable.

Para profundizar en el marco regulatorio aplicable, el texto del AI Act europeo (Reglamento UE 2024/1689) y el PL 2338/2023 de Brasil son los dos documentos de referencia que cualquier equipo legal y de datos financieros en la región debería tener sobre la mesa.

El briefing semanal de datos, privacidad e IA en LATAM

Análisis, regulación y noticias curadas. Sin ruido, directo al punto.