Cumbre de la IA para las finanzas por Artefact - 17 de septiembre de 2024 - París
Principales conclusiones de la ponencia de Adrien Vesteghem, Director del Programa de IA en BNP Paribas.
Introducción y enfoque de la IA para las empresas
Adrien Vesteghem abrió su ponencia aclarando que, a diferencia de las aplicaciones de IA más generalizadas, como los coches autoconducidos o la creación de contenidos, su trabajo se centra en aprovechar la IA para añadir valor a las operaciones empresariales. Subrayó la importancia de determinar el valor esperado de las iniciativas de IA en función del nivel de madurez de una organización y cómo incluso no hacer nada podría reportar algunos beneficios pasivos derivados de la IA. Sin embargo, adoptar activamente la IA puede proporcionar un valor significativo, empezando por un enfoque “generativo simple”, que podría aportar eficiencia operativa y aumentar los márgenes en torno a un 5%.
Data Ciencia y MLOps
A medida que BNP Paribas avanzaba en su viaje hacia la IA, la siguiente etapa consistió en adoptar habilidades científicas y de operaciones de aprendizaje automático (MLOps) data. Vesteghem comparó esta etapa con convertirse en “buscadores de oro”, buscando casos de uso de IA de alto valor que pudieran aumentar los márgenes en 10% adicionales. Compartió que BNP Paribas ha estado en este nivel durante varios años y explicó que esta fase consiste en desplegar soluciones de IA en todo el negocio y descubrir “pepitas de oro” valiosas. Vesteghem hizo hincapié en que la identificación y el despliegue de estos casos de uso han sido fundamentales para el avance de las capacidades de IA de BNP Paribas.
El enfoque global de la IA: Integración y ampliación
El tercer nivel de madurez de la IA, tal y como lo describe Vesteghem, es un “enfoque global de la IA”, que integra la IA en todas las áreas de negocio para impulsar el valor y aumentar potencialmente los márgenes hasta en 25%. Sin embargo, Vesteghem subraya la importancia de pasar de un enfoque centrado en el caso de uso a una mentalidad centrada en el producto. Pone como ejemplo la unificación de varias necesidades empresariales en un solo producto de IA para personalizar el contenido de los clientes, racionalizar los recursos y reducir los costes.
Ejemplo de bandeja de entrada inteligente: De caso de uso a producto de IA
Para explicar mejor el enfoque basado en el producto, Vesteghem compartió la historia de un proyecto llamado “Smart Inbox”, pensado inicialmente como una simple solución de triaje de correo electrónico. Aunque al principio el proyecto parecía tener un ROI negativo, con el tiempo el equipo se dio cuenta de su potencial como producto de IA. La Bandeja de entrada inteligente evolucionó hasta convertirse en una solución más completa, incorporando funciones como respuestas automatizadas al correo electrónico y gestión de documentos. Esta transformación demostró el valor de mirar más allá de los casos de uso individuales e invertir en productos de IA escalables que sirvan a necesidades empresariales más amplias.
Busque lejos el valor a largo plazo
La primera lección clave de Vesteghem fue “mirar lejos” y no abandonar los proyectos de IA prematuramente. Subrayó que la visión a largo plazo permite la evolución de soluciones sencillas a productos complejos, como fue el caso de la Bandeja de entrada inteligente. Su segundo consejo fue “mirar en profundidad” y cuestionar continuamente las soluciones existentes. Compartió una lección aprendida de un proyecto de IA de procesamiento de documentos, en el que los resultados iniciales de 50% de precisión mejoraron significativamente al reevaluar la tecnología y optar por soluciones de código abierto más eficaces, lo que elevó la precisión a 90-99%.
Medir la eficacia de la IA y mitigar los riesgos
Su tercera y última lección hizo hincapié en la importancia de “medir” la eficacia de las iniciativas de IA, sobre todo cuando se despliega la IA generativa. Vesteghem compartió cómo el temor a las limitaciones de la IA generativa, como las alucinaciones, les llevó a asociarse con entidades externas como J. Gard para evaluar y medir los riesgos. Esto ayudó a BNP Paribas a mitigar mejor los riesgos en las aplicaciones de IA de cara al cliente, como los chatbots generativos, cruciales para el entorno sensible al riesgo del sector bancario.
Conclusión
Adrien Vesteghem concluyó su ponencia reflexionando sobre la posibilidad de futuros niveles de madurez de la IA que BNP Paribas puede alcanzar. Aunque el futuro es incierto, expresó su confianza en que el aprendizaje y la adaptación continuos conducirán a nuevos conocimientos, cerrando su intervención con un mensaje de optimismo y una invitación a seguir debatiendo.

BLOG





