Actualmente preparo mi Doctorado en la Universidad de Vigo, enfocado a la captación de información, su análisis semántico, clasificación y aplicación al sector financiero. De esta manera nació el motor de categorización que empleamos en Coinscrap Finance para ayudar a las personas a mejorar su salud financiera: COCO (que además es mi apodo cariñoso desde niño). Se trata de una herramienta que utiliza Inteligencia Artificial, Machine learning y Procesamiento de Lenguaje Natural.
Hoy vamos a hablar de esa primera pata, inteligencia artificial.
Empecemos con algo de contexto:
Óscar Barba
Cofundador y CTO de Coinscrap Finance
Antes de Chat GPT. Qué es y cuándo surge la inteligencia artificial
La RAE define la IA como: “la disciplina científica que se ocupa de crear programas informáticos que ejecutan operaciones comparables a las que realiza la mente humana, como el aprendizaje o el razonamiento lógico” (por cierto, nombrada expresión del año por la FundéuRAE en 2022). Este término fue incorporado al Diccionario de la lengua española en 1992, nada menos.
El blog de la Universidad de Harvard realiza un interesante resumen de la historia de la IA, desde sus inicios en los años 50.
Veamos el gráfico con su evolución hasta el S.XXI:
Para muchos, aquella partida de ajedrez de 1997 en la que Deep Blue derrotó al campeón Gary Kasparov supuso un antes y un después. Con una mezcla de incredulidad y (¿por qué no decirlo?) miedo, nos dábamos cuenta de que la IA había llegado a nuestras vidas (aunque lo primero que nos venía a la mente eran algunas escenas de ciencia-ficción). Pero la realidad es que su aplicación masiva no llegó hasta años después, con la explosión del “Big Data”, un mercado global valorado en 2013 en 10.000 millones de dólares.
La aplicación de la inteligencia artificial a la industria
Arthur Samuel, ingeniero en la compañía IBM, desarrolló el primer programa de juego de damas con la habilidad suficiente para desafiar a cualquier aficionado. Logró que las acciones de su empresa se disparasen 15 puntos al día siguiente. Estamos hablando del año 1955. Algo más reciente es el caso de Google, que en 2012 desarrolló una red neuronal profunda llamada Google Brain, capaz de mejorar significativamente la capacidad de las computadoras para reconocer imágenes y voz.
Por supuesto, los gobiernos siempre han estado muy interesados en las bondades del reconocimiento facial y el análisis de datos. Multitud de empresas han realizado desarrollos en este ámbito. En los últimos años, disfrutamos de una vida más sencilla gracias a la IA: presente en: el asistente virtual que enciende la luz cuando se lo pedimos, el recomendador de contenido de Netflix, la nevera que se encarga de realizar la compra online o –el cada vez más utilizado– GPT Chat, por mencionar algunas aplicaciones.
Podríamos seguir durante horas, pero centrémonos en lo que nos interesa: el mundo de la banca y los seguros.
Por qué es tan importante la IA para el sector financiero?
Como decíamos, el auge actual de la Inteligencia Artificial se debe al Big Data, ya que permite gestionar volúmenes ingentes de información y procesarla en tiempo real. Cuanto mayor es el volumen de información, mejor entrenamiento se genera y por tanto más acertadas son las respuestas. Esto es algo que interesa mucho a bancos y aseguradoras, puesto que sus clientes generan diariamente miles de millones de transacciones.
El análisis y procesamiento de estos datos se lleva a cabo gracias al desarrollo de algoritmos, que son capaces de aprender y tomar decisiones de manera autónoma. Es una disciplina que busca conseguir un razonamiento similar al del cerebro humano. El hecho de que las entidades puedan llegar a comprender la situación financiera de sus clientes en profundidad supone poder ofrecer un asesoramiento hiper personalizado.
Una vez que la IA hace su trabajo, se obtienen valiosos insights , como fechas de vencimiento de seguros, gastos recurrentes, suscripciones, comportamientos de riesgo, ingresos habituales y un largo etcétera.
Pongamos un ejemplo:
"Si el usuario recibe un ingreso extra, la entidad podrá recomendarle que ahorre una parte para aumentar su hucha digital y acercarse a sus objetivos (un viaje, un ordenador nuevo…)."
El poder de una herramienta Insights puede hacer despegar tu negocio
De este modo, los mensajes son hiperpersonalizados y las comunicaciones se limitan a los mensajes que realmente interesan a los clientes. El secreto de los insights es que sirven de activadores de decisiones para las personas, que al fin pueden tomar el control de su economía doméstica, gracias a los datos. Además, permiten centrar la estrategia de negocio de bancos y aseguradoras y multiplicar el engagement de los usuarios, que ven mejorar su experiencia en sus plataformas digitales.
Nuestro motor de IA se nutre de las enseñanzas de un Premio Nobel de Economía
Me gustaría mencionar también que muchos de los casos de uso de COCO tienen en cuenta los principios en los que Richard H. Thaler. El Premio Nobel de Economía en 2017 basó su investigación sobre las finanzas conductuales. Su teoría explica cómo las personas necesitan un pequeño “empujón” para poder tomar las mejores decisiones en materia económica.
“Si quieres animar a alguien a hacer algo, hazlo fácil.”
Richard Thaler
Sus estudios arrojaron luz sobre el comportamiento, limitaciones y dificultades que encontramos las personas en lo relativo a la economía doméstica. Inspirados por su trabajo, nuestras soluciones muestran datos comprensibles a los usuarios para que, con toda la información de sus hábitos, sean capaces de establecer objetivos, anticipar eventos y mejorar su salud financiera.
70% de los hogares tiene problemas para ahorrar
Nos encontramos en un entorno económico turbulento y, precisamente por eso, nuestra misión es mejorar la vida de las personas. Tal y como se refleja en el último “Índice OCU de Solvencia Familiar”, el 70% de los hogares tiene problemas para ahorrar y el 11% para llegar a fin de mes. Ante esta situación, muchas personas eligen su entidad financiera en función de las herramientas digitales disponibles para la gestión de sus finanzas. No debemos olvidar que la penetración de la banca móvil se sitúa en más de un 90% para la franja de edad situada entre los 16 y los 74 años.
Sobre el autor
Óscar Barba es cofundador y CTO de Coinscrap Finance. Es un experto Scrum Manager con más de 6 años de experiencia en la recolección y análisis semántico de datos en el sector financiero, clasificación de transacciones bancarias, deep learning aplicado a los sistemas de análisis del sentimiento bursátil y a la medición de la huella de carbono asociada a datos transaccionales.
Con amplia experiencia en el sector bancario y asegurador, Óscar está finalizando su Doctorado en Tecnologías de la Información en este momento. Es Ingeniero y Máster en Ingeniería Informática por la Universidad de Vigo, Máster en Comercio Electrónico por la Universidad de Salamanca, Certificado Scrum Manager y Project Management por el CNTG, Certificado en Arquitectura SOA y Servicios Web por la Universidad de Salamanca y más.