IA generativa en la industria financiera: ChatGPT como turbo y sandbox para estrategias de IA
ChatGPT ha tenido el lanzamiento más exitoso de todos los tiempos. Ni siquiera Tiktok ha ganado 100 millones de usuarios registrados más rápido que el chatbot impulsado por inteligencia artificial (IA). Mucho se ha escrito sobre cómo funciona ChatGPT, los modelos de lenguaje, sus fortalezas y debilidades, y lo que significa el avance de la IA generativa para todas las áreas de la vida y los negocios en general. ChatGPT en la industria financiera.
La pregunta es qué consecuencias estratégicas y operativas tiene el éxito de ChatGPT para los bancos, fintechs y proveedores de servicios financieros en general – considerando también que la tecnología detrás de ChatGPT no es tan nueva.
Sin querer volver a explicar por completo el chatbot inteligente, veamos una introducción sobre algunos de los aspectos más relevantes de su funcionamiento, y así sentar las bases para reflexiones posteriores.
ChatGPT, IA generativa y modelos básicos
El motor detrás de ChatGPT es la IA GPT-3.5, el llamado “Large Language Model” (LLM), que ya se desarrolló en 2020 en la versión 3.0. LLM son modelos de lenguaje que están entrenados para calcular la probabilidad de secuencias de palabras. Los modelos de lenguaje que funcionan con el enfoque de Transformer, como GPT-3.5 (en lo sucesivo, GPT), pueden generar rápidamente conocimientos a partir de grandes cantidades de datos a través del aprendizaje automatizado y en paralelo. GPT ha sido entrenado con el contenido de todo Internet, y así ha interiorizado estadísticamente el conocimiento del mundo allí representado. Por eso, las respuestas a las preguntas formuladas, calculadas sobre la base de probabilidades, son tan buenas que en algunos casos ya no se pueden distinguir de las respuestas de los interlocutores humanos. GPT no solo trata con preguntas en el sentido más estricto, sino que también completa tareas mentales complejas que se formulan como instrucciones de lenguaje natural: responder preguntas es solo una pequeña tarea especial que GPT domina, sin líneas de código complicadas.
A diferencia de los modelos de IA anteriores, los LLM como GPT – Generative Pre-trained Transformer – están “solo” pre-entrenados y ya no están entrenados para tareas especiales. Es por eso que GPT y sus familiares también son llamados Foundation Models por Google u otras empresas tecnológicas. Los Foundation Models son “inteligencias en bruto” que reciben su entrenamiento especial a través de los llamados ajustes finos (Fine-tuning). Por el contrario, esto significa que ya no es necesario desarrollar un modelo de IA completamente separado para casos de uso especiales de IA. Un usuario puede acceder a uno de los Foundation Models y desarrollar una IA de segunda capa para su caso especial con un ajuste fino comparativamente simple.
Foundation Models
Los modelos básicos – Foundation Models – forman plataformas de IA como servicio basadas en API en las que se pueden construir innumerables soluciones de IA. ChatGPT no es el primer ejemplo de esto, pero es el ejemplo de alto perfil desarrollado por la misma OpenAI. ChatGPT ha sido entrenado especialmente para comunicarse con humanos, y lo hace bastante bien.
Es importante reconocer que ChatGPT no es solo una aplicación única que produce contenido excelente en interacción con las personas, sino que detrás hay toda una infraestructura para la IA generativa que se puede integrar en los procesos o productos de la empresa a través de API.
El término “IA generativa” – inteligencia artificial generativa – significa inteligencia que produce contenido, en lugar de solo evaluar datos, por ejemplo. Estas IA han sido referidas en publicacions como “Generator of Everything” (generadores de todo) o “Text-to-Everything”, en alusión a la formulación textual de tareas. A pedido, generan textos, imágenes, películas de vídeo completas, código informático o incluso proteínas para la investigación de fármacos en lenguaje natural.
El efecto de ChatGPT
Básicamente, los Foundation Models en general y GPT no son completamente nuevos. La tecnología para esto ya se desarrolló en 2017, ya existen los primeros modelos de negocios tempranos que se han desarrollado sobre su base, principalmente en el área de producción de contenido creativo.
Sin embargo, con ChatGPT, por primera vez el público en general tiene un acceso muy simple a una IA generativa, y podemos comprobar por nosotros mismos las cosas increíbles que puede hacer. Hasta ahora, la experiencia de los usuarios “normales” se ha limitado a las IA “estrechas” que hacen que los teléfonos inteligentes sean inteligentes, están en los asistentes de lenguaje que impulsan los procesos de recomendación y publicidad de las plataformas de redes sociales y los proveedores de comercio electrónico, o forman parte de las funciones de piloto automático de los automóviles.
El impacto de este simple acceso masivo a una IA no se puede subestimar. Ya se ha llamado el momento iPhone para la IA. Más de 100 millones de personas, incluidos empresarios, emprendedores, gerentes, científicos y otros creativos de las empresas, se ocupan de las posibilidades de la IA generativa y los Foundation Models a través de ChatGPT. Esto tendrá un efecto tanto de atracción como de empuje: los consumidores esperarán inteligencia similar a ChatGPT en los productos del futuro, los creadores desarrollarán modelos de negocio, productos, servicios, obras de arte, etc., impulsados por IA.
Las reacciones de las Big Tech, que provocó el éxito de ChatGPT, también muestran que el desarrollo continuará a gran velocidad: Google se vio obligada a renunciar a su reticencia a acceder a sus propios modelos generativos e inmediatamente presentó un producto competidor con Bart. Como uno de los inversores en OpenAI, Microsoft está comenzando a integrar ChatGPT en su propio motor de búsqueda Bing.
IA y ChatGPT en la industria financiera
ChatGPT por sí solo no revolucionará la industria financiera. Pero el doble efecto de la disponibilidad de la IA como servicio y la adopción masiva de la IA generativa está obligando a los bancos, fintechs y otros proveedores de servicios financieros a repensar estratégicamente la IA. Incluso si la industria financiera fue uno de los primeros y principales usuarios de IA estrecha. Los fondos cuantitativos desarrollan estrategias comerciales impulsadas por IA, los préstamos se otorgan automáticamente con procesos de scoring inteligentes. Los chatbots que no son tan inteligentes se han utilizado en la comunicación con los clientes durante algún tiempo.
El fácil acceso a las plataformas de inteligencia (ChatGPT es solo el comienzo) y el esfuerzo drásticamente reducido para desarrollar aplicaciones de IA de segunda capa, pondrán en marcha un proceso de desarrollo muy amplio y creativo. En este, todos los procesos esenciales en la industria son pensados y replanteados desde una perspectiva de IA. Por lo tanto, los actores establecidos deben considerar estratégica y operativamente cómo pueden utilizarla para optimizar sus propios procesos y/o desarrollar nuevos productos. De lo contrario, corren el riesgo de verse arrastrados por la vorágine creativa de la IA – aunque, como en las anteriores oleadas de innovación, la regulación ofrezca a los bancos y otras empresas reguladas un cierto grado de protección.
ChatGPT como un sandbox de IA
Afortunadamente, como cualquier otra empresa, ChatGPT proporciona a los bancos una especie de sandbox listo para usar para experimentar con IA generativa. “Traducido” al mundo empresarial, ChatGPT es una interfaz de usuario sencilla e intuitiva que permite a los departamentos especializados trabajar con un modelo básico (Foundation Model) potente en su propio idioma sin conocimientos técnicos, sin soporte de TI y sin una integración API compleja. Por un lado, los departamentos especializados pueden aprender a trabajar con una IA – por ejemplo, cómo escribir “Prompts” (indicaciones), como se denomina la formulación de tareas, de tal forma que la IA dé las respuestas deseadas – y, por otro, pueden utilizar su conocimiento de los procesos para probar dónde el uso de la IA puede añadir valor mediante la optimización de procesos o el desarrollo de procesos completamente nuevos.
Sin embargo, el uso de ChatGPT como sandbox de IA está limitado por las restricciones relativas a la seguridad de la información y los datos, especialmente aplicables a las instituciones reguladas, así como por los requisitos normativos que deben observarse cuando se utiliza software como servicio externo. Pero más allá de estas restricciones, existe un amplio campo de experimentación no crítico.
Una vez identificados los posibles campos de aplicación de las IA generativas, pueden desarrollarse para ellos sus propias soluciones de segunda capa afinadas sobre la base de GPT o modelos de cimentación especiales para empresas financieras, que ya existen. Es concebible, por ejemplo, que la propia IA de segunda capa de un banco se entrene con manuales de organización, instrucciones de trabajo, descripciones de procesos, etc., con el fin de crear una base para otras aplicaciones internas del banco. Por cierto, una “ventaja inicial” de los bancos es que sus procesos suelen estar óptimamente documentados, de modo que hay suficiente “material de entrenamiento” con el que se pueden entrenar los modelos.
Seis pasos desde el sandbox de IA hasta una estrategia de IA que cumpla la normativa
No existen estrategias estándar para el uso de la IA generativa en las empresas financieras. Más bien, cada empresa debe encontrar su propio camino para no salir perdiendo en el uso de las tecnologías de inteligencia. Como se ha descrito, ChatGPT puede proporcionar un punto de partida para desarrollar una estrategia individual de IA. A modo de ejemplo, los bancos y otras empresas reguladas pueden avanzar hacia un uso de la IA que cumpla la normativa con los seis pasos siguientes.
- Establecimiento de un marco estratégico/operativo para el uso potencial de la IA generativa (identificación de los campos de aplicación, impacto estratégico de la aplicación, localización de los campos de aplicación en departamentos especializados).
- Aclaración de las posibilidades desde el punto de vista de la seguridad de la información, la protección de datos y la ley de supervisión para el uso de modelos de IA de terceros proveedores.
- Introducción de ChatGPT y formación básica para el uso de ChatGPT.
- Formulación de tareas a nivel departamental para el manejo basado en pruebas de ChatGPT (objetivos, escenarios de prueba, periodo de tiempo, informe de evaluación/resultados).
- Criterios para los propios proyectos de ajuste basados en los escenarios de prueba (casos empresariales/eficacia en la relación coste-rentabilidad, tiempos de ciclo de los procesos, eficiencia de los recursos, etc.).
- Inicio de proyectos de perfeccionamiento propios (integración de API, recopilación y preparación de datos de entrenamiento).
Algunos casos de uso de la IA generativa como la GPT son evidentes:
- la comunicación con los clientes a través de los canales más diversos,
- la interpretación de textos normativos,
- la redacción de informes y dictámenes para auditores, autoridades de supervisión o clientes,
- la generación de código informático, etc.
Otros casos de uso que hoy en día no siempre resultan evidentes pueden identificarse y ponerse en práctica mediante esta estrategia.