Aplicación de la inteligencia artificial para la identificación, clasificación y mitigación de los riesgos en proyectos tecnológicos para el sector financiero en Colombia

Abstract

El sector financiero colombiano avanza en un proceso acelerado de transformación digital, lo que ha impulsado el desarrollo de numerosos proyectos tecnológicos con altos niveles de complejidad e incertidumbre. Sin embargo, la gestión de riesgos continúa presentando limitaciones cuando se emplean únicamente métodos tradicionales, los cuales no permiten anticipar adecuadamente riesgos emergentes asociados a datos, ciberseguridad, infraestructura o adopción tecnológica. Este estudio evalúa el papel de la inteligencia artificial como herramienta para mejorar la identificación, clasificación y mitigación de riesgos en proyectos tecnológicos de banca y fintech. Para ello, se analizó un conjunto de datos compuesto por 80 proyectos implementados entre 2018 y 2025. Se aplicaron técnicas descriptivas y correlacionales para examinar la relación entre la adopción de IA, los niveles de riesgo (RPI), y los resultados del proyecto en términos de sobrecostos y retrasos. Los hallazgos evidencian que la IA reduce desviaciones de tiempo y presupuesto, mejora la detección temprana de riesgos y fortalece la capacidad predictiva. Finalmente, se propone un modelo integral de adopción de IA que articula dimensiones estratégicas, técnicas, organizacionales y éticas, orientado a optimizar la gestión de riesgos en el sector financiero colombiano.

The Colombian financial sector is undergoing a rapid digital transformation, driving the development of numerous technological projects characterized by high complexity and uncertainty. However, risk management continues to face limitations when relying solely on traditional methods, which are insufficient for anticipating emerging risks related to data, cybersecurity, infrastructure, and technological adoption. This study evaluates the role of artificial intelligence as a tool to improve risk identification, classification, and mitigation in technological projects carried out by banks and fintechs. A dataset of 80 projects implemented between 2018 and 2025 was analyzed using descriptive and correlational techniques to examine the relationship between AI adoption, risk levels (RPI), and project outcomes such as cost overruns and delays. The results show that AI reduces deviations in time and budget, enhances early risk detection, and strengthens predictive capabilities. Finally, an integrated AI adoption model is proposed, articulating strategic, technical, organizational, and ethical dimensions to optimize risk management in the Colombian financial sector.