El FEAT en contexto: el liderazgo de Singapur en la gobernanza de la IA

La Autoridad Monetaria de Singapur (Monetary Authority of Singapore, MAS) publicó sus Principios para Promover la Equidad, la Ética, la Responsabilidad y la Transparencia (FEAT, por sus siglas en inglés) en el Uso de la Inteligencia Artificial y la Analítica de Datos en noviembre de 2018, lo que la convirtió en uno de los primeros grandes reguladores financieros del mundo en emitir directrices de gobernanza específicas para la IA. Desde entonces, los Principios FEAT se han convertido en el marco fundacional de la gobernanza de la IA en el sector financiero de Singapur y han influido en los marcos de gobernanza de la IA de toda la región de la ASEAN y más allá.

Aunque los Principios FEAT son formalmente voluntarios (el MAS aún no los ha convertido en jurídicamente vinculantes), en la práctica funcionan como expectativas regulatorias. Las conversaciones de supervisión del MAS, las revisiones temáticas y el diálogo con el sector hacen referencia sistemáticamente al FEAT como el estándar frente al cual se evalúan las prácticas de gobernanza de la IA de las instituciones financieras. La consulta de noviembre de 2025 sobre las directrices de gestión de riesgos de IA indica que se avecinan requisitos formales de obligado cumplimiento, pero las instituciones que aún no hayan implementado el FEAT no deberían esperar a las normas definitivas.

Equidad (fairness): más allá del cumplimiento legal

El principio de equidad del FEAT tiene dos componentes. El primero es la no discriminación: los sistemas de IA no deben producir resultados que discriminen injustamente a personas o grupos por razón de características protegidas. El segundo, más exigente, es la equidad de los resultados: los sistemas de IA no deben perpetuar los sesgos históricos incorporados en los datos de entrenamiento, incluso cuando esos sesgos no hagan referencia explícita a características protegidas. Este segundo componente va más allá de lo que exige la mayoría de la legislación antidiscriminación y crea una obligación proactiva de identificar y abordar la discriminación indirecta.

La metodología de evaluación de la equidad del Consorcio Veritas ofrece criterios cuantitativos específicos para evaluar la equidad en la IA de servicios financieros. La metodología especifica: qué métricas de equidad son adecuadas para qué tipos de decisiones (crédito, seguros, asesoramiento de inversión), qué umbrales indican un problema de equidad que requiere investigación, y cómo evaluar las compensaciones entre las distintas definiciones de equidad. Implementar la metodología Veritas exige invertir en capacidad de ciencia de datos y experiencia estadística, pero aporta evidencia defendible de la evaluación de la equidad que satisface las expectativas de supervisión del MAS.

Explicabilidad: el enfoque de Singapur

El principio de transparencia del FEAT exige que las instituciones financieras puedan explicar sus decisiones basadas en IA tanto a los clientes afectados como al MAS. El requisito de explicabilidad tiene una dimensión técnica y otra operativa. La dimensión técnica: el sistema de IA debe generar explicaciones de sus decisiones, no solo una puntuación, sino los factores que contribuyeron a esa puntuación y su importancia relativa. La dimensión operativa: las explicaciones deben comunicarse a los clientes de una manera precisa, comprensible y procesable; un cliente al que se le deniegue el crédito debe poder entender qué podría hacer de forma distinta para mejorar su resultado.

Lecturas adicionales: PDPC AI Governance

Lecturas relacionadas

Lecturas adicionales: PDPC AI Governance