Nuevo

Soluciones de inteligencia artificial para el análisis de datos financieros

En la charla que tuvo lugar el pasado viernes en el Auditorio ABANCA Seguros de A Coruña, expliqué cómo utilizamos en nuestros diferentes proyectos técnicas de procesamiento del lenguaje natural (NLP) y aprendizaje automático (ML) para analizar grandes cantidades de datos y generar información valiosa para una gran variedad de servicios financieros.

Tabla de Contenidos

Como siempre, quise poner en valor los 8 años que llevamos trabajando para entidades de primer nivel, como Banco Santander, EVO Banco, Bankinter, NN, entre otras. El uso de técnicas de ML nos ha permitido ser líderes en categorización de datos transaccionales en España y son ya 3 los papers de investigación publicados, además de haber colaborado con el grupo AttlanTiC de la Universidad de Vigo.

Óscar Barba

Cofundador, CTO de Coinscrap Finance y SenseiZero

Inteligencia artificial: Historia y situación actual

La agenda del día comenzó con un recorrido por la trayectoria de la IA hasta nuestros días. Pudimos conocer el ciclo de I+D de esta tecnología: expectativas, inversión, investigación científica y, finalmente, desarrollos sectoriales y resultados aplicados. Y es que, desde la Conferencia de Darmouth en 1956– donde el científico John McCarthy empleó el término por primera vez– hemos descubierto multitud de aplicaciones y, actualmente, se impone la necesidad de una regulación que controle sus repercusiones legales y sociales.

Google tendencias IA

Las consultas de Google sobre el tema: “inteligencia artificial” continúan una escalada imparable y los medios nos inundan con todo tipo de noticias al respecto. Es importante destacar que la estrategia de España en cuanto a su aplicación hace referencia a su enorme potencial de transformación desde el punto de vista tecnológico y económico. Para cerrar esta parte de la charla, analicé el Artificial Intelligence Index Report 2022 de la Universidad de Stanford. Como se puede comprobar en el enlace, el interés académico y la inversión privada se dispararon en los últimos años.

Descarga el caso de éxito HUCHA SANTANDER ES

Datos: El origen de todo

Las Data-Driven Companies (DDC) utilizan la inteligencia artificial (IA) para aprovechar al máximo los datos. La IA procesa grandes volúmenes de datos, descubre patrones ocultos y brinda información para la toma de decisiones. Estas compañías automatizan tareas, mejoran la experiencia del cliente y obtienen una ventaja competitiva en el mercado actual. La combinación de DDC e IA impulsa el éxito empresarial al tomar decisiones basadas en datos y adaptarse a un entorno empresarial dinámico.


Pero… ¿Cómo puedes descubrir qué datos son los más interesantes para tu entidad? Se ha demostrado que la recopilación de información sobre el proceso de creación de productos y servicios, la mejora de los diferentes puntos de contacto con el usuario y los datos personales del cliente final son los más útiles para bancos y aseguradoras. Para entendernos, lo que hace la IA con ellos es: comprenderlos, interpretarlos, razonar sobre ellos y aprender de cara a futuras interacciones.


La realidad es que el estado actual de la inteligencia artificial ha sido fomentada por el Big Data. Personas y máquinas realizan a diario actividades que dejan una traza digital susceptible de ser analizada. Son datos tan masivos y complejos que necesitan aplicaciones informáticas no tradicionales para descifrarlos. Y todo esto se traslada al sector financiero con aplicaciones de procesamiento de lenguaje natural que comprenden el lenguaje humano y responden correctamente a las cuestiones que plantean los usuarios.

Aquí te dejo un artículo sobre cómo los bancos ya están aplicando la inteligencia artificial.

Casos de uso

Actualmente realizamos un análisis contextual que nos permite establecer los indicadores de sentimiento. Etiquetamos automáticamente cada noticia con tópicos que incluyen entidades, personas relevantes y categorías de eventos. Se pueden reconocer miles de entidades, personas, ubicaciones geográficas, productos y servicios. Nuestra categorización personalizada permite además descubrir eventos que puedan influir en la cotización de una acción. Estas son algunas de las aplicaciones del procesamiento del lenguaje natural (NLP) por parte de los bancos:

  • Análisis del sentimiento de mercado en bolsa.
  • Automatización PBC y AML a partir de fuentes digitales.
  • Clasificación y análisis de documentos.
  • Categorización de feedback no estructurado.
  • Generación automática de respuestas (chatbots inteligentes).

Además, el NLP puede ayudar en el proceso de inversión en bolsa de varias maneras. Por un lado, permite analizar grandes cantidades de datos de medios y redes sociales para entender cómo los inversores y el público en general perciben una empresa o sector. También extrae automáticamente información relevante de las noticias y los documentos financieros. Detecta y sigue eventos relevantes, noticias que podrían tener un impacto significativo en los mercados financieros y realiza notificaciones a los inversores de forma automatizada.

Es capaz de analizar las tendencias para entender las preferencias del mercado, permitiendo a los inversores tomar decisiones informadas sobre qué acciones comprar o vender.

La inteligencia artificial en el futuro

Los medios no paran de hacerse eco de prohibiciones por parte de empresas y países al uso de Chat GPT. El marco legal que plantea la UE, todavía en estudio, incluye cuatro niveles de riesgo: inaceptable, alto, limitado y mínimo. Varios de estos niveles exigirán pruebas rigurosas, documentación sobre la calidad de los datos y supervisión humana.

“Para tener verdadero éxito, la implantación de IA debe hacerse de manera responsable. Por eso
los abogados y los tecnólogos deben operar como aliados estratégicos para el negocio.”

Eva Garcia San Luis. Socia de Lighthouse de KPMG en España.

Ante un futuro tan prometedor como incierto es necesaria la colaboración entre los departamentos legales de las entidades y las áreas de IT de las FinTech. De esa manera podremos garantizar que estamos construyendo una IA realmente responsable, trazable y confiable para la sociedad.

ebook enrichment

Sobre el autor

Óscar Barba es cofundador y CTO de Coinscrap Finance y SenseiZero. 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 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.

Apúntate a nuestra newsletter y recibe nuestras últimas noticias directamente en tu bandeja de entrada