orm_icon

 

Gestión de riesgos operacionales

Identifica, mide, controla y monitorea fácilmente los riesgos operativos de tu organización →
isms-icon

 

Gestión
de seguridad de la información


Garantizar la confidencialidad, integridad y disponibilidad de tus activos de información →
compliance_icon-16

 

Cumplimiento
normativo


Lleva el control de todas las normativas y regulaciones que debe cumplir tu organización →
aml-17

 

Gestión de riesgos de lavado de activos

Identifica, establece controles y monitorea fácilmente los riesgos LAFT→
icono_auditoria

 

Auditoría

Mejora tus procesos de auditoría, apoya el cumplimiento normativo y genera valor a tu organización a través de la mejora continua →
header_academy_v2

Conoce sobre el riesgo de modelo y la importancia de su gestión

Por Mónica María Jiménez, en abril 26, 2023

gestion-riesgo-de-modelo-Pirani

También llamado como riesgo de modelación o riesgo de modelado, este riesgo tiene que ver con la posibilidad de que los modelos utilizados para la toma de decisiones en una organización no den cuenta de la complejidad del mundo real o estén basados en suposiciones inadecuadas, razón por la cual pueden generar resultados erróneos o inexactos.

En este artículo te contamos más sobre qué es el riesgo de modelo, por qué es importante gestionarlo, cuáles son las industrias que más deberían incluirlo en su gestión de riesgos y cómo realizar una adecuada gestión de este

¿Qué es un modelo?

Para entender de qué se trata el riesgo de modelo, lo primero es tener claro qué es un modelo en el contexto organizacional. 

Un modelo es un método cuantitativo, sistema o enfoque utilizado para el procesamiento de datos de tipo cuantitativo y cualitativo en valores netamente cuantitativos que sirvan para la toma de decisiones. 

Los modelos deben estar compuestos por tres elementos: un componente de entrada de información, que proporciona los datos y supuestos al modelo; un componente de modelado o procesamiento, es decir, el que transforma los datos de entrada en valores estimados a través del uso de técnicas matemáticas o estadísticas; y un componente de generación de recursos, que traduce los valores estimados en información útil para la toma de decisiones organizacionales.

En síntesis, el uso de modelos permite obtener información de valor que sirve para tomar mejores decisiones, sin embargo, como ocurre con cualquier otra área, si no se gestionan adecuadamente pueden presentar errores y generar sesgos.

Inteligencia artificial en la gestión de riesgos

¿Qué es el riesgo de modelo?

El riesgo de modelo o riesgo de modelación, de acuerdo con la Reserva Federal (FED) consiste en la posibilidad de tener consecuencias adversas a raíz de decisiones basadas en salidas, resultados o informes incorrectos de un modelo, o del uso inadecuado de este, es decir, cuando es utilizado en un ámbito diferente para el que fue creado.  

Algunos factores que pueden materializar el riesgo de modelo son la falta de datos adecuados, el uso de datos con errores o sin una calidad óptima, el uso de variables inadecuadas, no comprender o tener la claridad suficiente sobre el problema que se quiere resolver, el uso de aproximaciones o supuestos erróneos, la falta de validación del modelo y no actualizarlo / recalibrarlo según los cambios que se presenten en las condiciones.

Es importante tener en cuenta que este riesgo, así como pasa con otro tipo de riesgos, no se puede eliminar en su totalidad. Lo que hay que hacer es minimizar su probabilidad de ocurrencia por medio de una adecuada gestión, que debe garantizar el uso de datos sin errores y de calidad, así como la validación del modelo y la calibración del mismo en un periodo de tiempo determinado. 

¿Por qué es importante gestionar el riesgo de modelo?

Es importante incluir en la gestión de riesgos empresariales el riesgo de modelo porque cada vez más las organizaciones de todo tipo de industrias están utilizando modelos para la toma de decisiones y es necesario que estos sean lo más confiables y precisos posibles para evitar decisiones erróneas que puedan afectar no solo a la organización sino también a las personas y tener consecuencias negativas. 

En el sector financiero, por ejemplo, son utilizados para la evaluación del riesgo de crédito, la gestión de carteras y la valoración de activos; en el sector salud se utilizan para el diagnóstico y tratamiento de enfermedades, gestión de pacientes y recursos; en la logística se usan para gestionar las cadenas de suministro, planificar rutas y optimizar el proceso. Incluso, los gobiernos utilizan modelos para la planeación urbana y la gestión de recursos naturales.

Estas y otras industrias que hacen uso de modelos de base matemática o estadística para la toma de decisiones deben gestionar el riesgo de modelo, previniendo así que se conviertan en algo insostenible debido al uso de datos deficientes, errores técnicos o falta de calibración periódica que se ajuste a las condiciones.

riesgo-de-modelo-riesgo-de-modelacion-gestion-Pirani

¿Cómo gestionar el riesgo de modelo?

La gestión del riesgo de modelo debe ser un proceso continuo en cualquier organización que utilice modelos para la toma de decisiones. Este proceso incluye etapas básicas de la gestión de riesgos como la identificación, evaluación y monitoreo; además, considera la validación y actualización del modelo, así como la comunicación de los resultados del mismo. 

¿Qué se hace en cada una de las etapas de gestión?

  1. Identificación de los riesgos del modelo. Previo al diseño y construcción del modelo se deben considerar los posibles riesgos asociados a este, por ejemplo, datos inadecuados, con errores y de baja calidad, la selección de variables erróneas, entre otros.

  2. Evaluación de los riesgos del modelo. Como con cualquier otro riesgo, después de identificar los riesgos asociados al modelo, se debe evaluar tanto la probabilidad de ocurrencia como el impacto que tendrían cada uno de estos en la ejecución del modelo.

  3. Diseño y validación del modelo. Para que el modelo sea el adecuado y cumpla con su objetivo, debe incluir variables relevantes para el negocio y eliminar los posibles sesgos existentes. Y antes de ponerlo en ejecución, debe ser validado, esto es, verificar que cumple con las condiciones esperadas de precisión y fiabilidad para la toma de decisiones de negocio. 

  4. Actualización frecuente del modelo. Esta es una de las tareas más importantes dentro de la gestión del riesgo de modelo, pues los modelos deben actualizarse a la par que cambian las condiciones del mercado o la información y disponibilidad de los datos. No realizar esta actualización o calibración del modelo lo puede hacer impreciso y poco útil para tomar decisiones porque va a estar alejado de la realidad. 

  5. Monitoreo del modelo. El modelo debe ser monitoreado periódicamente para identificar posibles errores, sesgos o fallas que pueda tener y poder corregirlas oportunamente. Este monitoreo debe considerar qué tan preciso está siendo el modelo implementado. 

  6. Comunicación de los resultados del modelo. Los modelos usados deben estar debidamente documentados y así mismo, se deben comunicar los resultados obtenidos a todas las partes interesadas para con base en esto, poder tomar las mejores decisiones que beneficien a la organización.

En conclusión, una adecuada gestión del riesgo de modelo debe servir para minimizar su ocurrencia y su impacto negativo en las decisiones organizacionales, es decir, poder evitar que las decisiones se tomen con base en información inexacta, sesgada o errónea. 

¿Conocías este tipo de riesgo?, ¿en tu organización lo consideran dentro de la gestión de sus riesgos? Cuéntanos en los comentarios. 

Inteligencia artificial en la gestión de riesgos

 

Escribe tu comentario