Para Société Générale, la IA está asociada a una ambición declarada públicamente: generar 500 millones de euros en creación de valor al año a partir de 2026 gracias a esta tecnología y a estos datos. “Llevamos poco menos de 10 años ejecutando aplicaciones de aprendizaje automático en producción”, explica Etienne Guibout, responsable de datos de IA del Banque de la Défense. El desafío es integrar estos casos de uso en los procesos de negocio, ya sea en escenarios defensivos, como la lucha contra el fraude o la gestión de riesgos, o en escenarios ofensivos, en torno a la creación de nuevas actividades o la relación con el cliente. » Ya se están produciendo aplicaciones, por ejemplo para la identificación de casos de fraude en pagos o la optimización de emisiones de bonos.
Para el experto, la IA generativa es, ante todo, una “nueva etapa, no una revolución tecnológica”. Las características de los modelos LLM - modelos ya entrenados, que permiten ir más allá en el procesamiento de datos no estructurados y operar de forma genérica sobre diferentes tipos de documentos - los convierten en palancas particulares de eficiencia operativa dentro de los bancos. “Hemos identificado cuatro tipos principales de casos de uso de la IA generativa, que llamamos las cuatro C”, indica Etienne Guibout, que intervino la semana pasada en el escenario del evento organizado en París por la editorial Dataiku. Primero la concisión, a través de agentes que apoyan a los empleados en la producción de resúmenes de documentos. Luego el contenido, la tecnología que permite crear contenido con fines de marketing, por ejemplo. De nuevo el cliente, ya sea interno o externo, con avances reales en las capacidades de interacción del lenguaje natural. Y finalmente el código, una IA generativa que permite acelerar su producción, pero también documentarlo o traducirlo de un idioma a otro. » Para Société Générale, las funciones potencialmente afectadas son múltiples: desarrolladores, relaciones con los clientes, marketing y ventas, así como todos los departamentos centrales, como riesgos, cumplimiento y legal.
8 aplicaciones prioritarias entre 80 casos de uso
Queda por llevar estos escenarios de uso a producción e integrarlos en los procesos de estas diferentes funciones. Esto requiere una aculturación de los empleados al potencial, pero también a los límites de la IA generativa. "No debemos sobrestimar la capacidad de los usuarios para realizar ingeniería rápida", señala Sébastien Brasseur, ingeniero distinguido del banco, que está considerando incluir un entrenador virtual rápido directamente en la plataforma puesta a disposición de los usuarios, construida alrededor de la tecnología del editor. Especializado en Ciencia de Datos. “Aquí también espero el apoyo de Dataiku”, afirma en el escenario del evento organizado por la empresa de origen francés.
Hasta ahora, Société Générale ha identificado internamente más de 80 casos de uso de IA generativa. “Priorizamos estos escenarios por valor y los obstáculos que impiden su implementación, para llevar el total a 40. Y, al priorizar nuevamente según la madurez tecnológica y el potencial de transformación, aislamos 8 aplicaciones, para las cuales desarrollaremos un modelo arquitectónico”, dice Étienne Guibout.
“Conecta y desconecta fácilmente un modelo”
Para emprender estos despliegues, Sébastien Brasseur insiste en la necesidad de desacoplar los casos de uso de la plataforma técnica subyacente. “Además, esta arquitectura técnica no debe limitarse a la conversación, debe poder ampliarse con costos razonables y estar disponible internamente para científicos de datos, ingenieros de datos y otros expertos en datos”, explica el ingeniero, que también prevé capacitar a estas poblaciones en nuevas modelos como uno de sus principales retos.
Además, según Sébastien Brasseur, la plataforma Data Science debe ser lo suficientemente flexible para hacer frente a los rápidos avances de la IA generativa. “Necesitamos poder conectar o desconectar un modelo sin mucho esfuerzo. Y tener telemetría de aplicaciones para medir qué modelos se utilizan y cuáles no”. Esta plataforma debe, por último, integrar las limitaciones regulatorias asociadas a las profesiones bancarias, como la trazabilidad, la auditabilidad o la explicabilidad de los modelos, señala el especialista.
Otras noticias que te pueden interesar