BNP PARIBAS en AI Finance» de Artefact descubriendo el potencial oculto de AI

Adrien Vesteghem comenzó su ponencia aclarando que, a diferencia de AI más habituales, como los coches autónomos o la creación de contenidos, su trabajo se centra en aprovechar AI añadir valor a las operaciones empresariales. Destacó la importancia de determinar el valor esperado de AI en función del nivel de madurez de la organización y señaló que, incluso sin hacer nada, se podrían obtener algunos beneficios pasivos AI. Sin embargo, la adopción activa AI aportar un valor significativo, comenzando con un enfoque «generativo simple», que podría proporcionar eficiencia operativa y aumentar los márgenes en torno a un 5 %.

A medida que BNP Paribas avanzaba en su AI , la siguiente etapa consistió en incorporar competencias data y operaciones de aprendizaje automático (MLOps). Vesteghem comparó esta etapa con convertirse en «buscadores de oro», en busca de casos AI de gran valor que pudieran aumentar los márgenes en un 10 % adicional. Comentó que BNP Paribas lleva varios años en este nivel y explicó que esta fase consiste en implementar AI en toda la empresa y descubrir valiosas «pepitas de oro». Vesteghem destacó que identificar e implementar estos casos de uso ha sido fundamental para impulsar AI de BNP Paribas.

El tercer nivel de AI , tal y como lo describe Vesteghem, es un AI global AI », que integra AI todas las áreas de negocio para potenciar el valor y aumentar potencialmente los márgenes hasta en un 25 %. Sin embargo, Vesteghem destaca la importancia de pasar de un enfoque basado en casos de uso a una mentalidad centrada en el producto. Pone como ejemplo la unificación de diversas necesidades empresariales en un único AI para ofrecer contenidos personalizados a los clientes, optimizando así los recursos y reduciendo los costes.

Para explicar con más detalle el enfoque basado en productos, Vesteghem compartió la historia de un proyecto llamado «Smart Inbox», concebido inicialmente como una sencilla solución de clasificación de correos electrónicos. Aunque al principio el proyecto parecía tener un retorno de la inversión negativo, con el tiempo el equipo se dio cuenta de su potencial como AI . Smart Inbox evolucionó hasta convertirse en una solución más completa, incorporando funciones como respuestas automáticas a correos electrónicos y gestión de documentos. Esta transformación demostró el valor de mirar más allá de los casos de uso individuales e invertir en AI escalables que satisfagan necesidades empresariales más amplias.

La primera lección clave de Vesteghem fue «mirar a largo plazo» y no abandonar AI prematuramente. Subrayó que una visión a largo plazo permite que las soluciones sencillas evolucionen hasta convertirse en productos complejos, como ocurrió con Smart Inbox. Su segundo consejo fue «mirar en profundidad» y cuestionar continuamente las soluciones existentes. Compartió una lección aprendida de un AI para el procesamiento de documentos, en el que los resultados iniciales, con una precisión del 50 %, mejoraron significativamente al reevaluar la tecnología y optar por soluciones de código abierto más eficaces, lo que elevó la precisión al 90-99 %.

Su tercera y última lección hizo hincapié en la importancia de «medir» la eficacia de AI , especialmente a la hora de implementar AI generativa. Vesteghem explicó cómo el temor a las limitaciones AIgenerativa, 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 AI orientadas al cliente, como los chatbots generativos, algo crucial para el entorno sensible al riesgo del sector bancario.

Adrien Vesteghem concluyó su ponencia reflexionando sobre los posibles niveles AI que BNP Paribas podría alcanzar en el futuro. Aunque el futuro es incierto, se mostró convencido de que el aprendizaje y la adaptación continuos darán lugar a nuevos conocimientos, y cerró su intervención con un mensaje de optimismo y una invitación a seguir debatiendo el tema.