La IA en la que confían Inversis y el Santander: «Trabajamos con modelos transparentes y explicables»

Oscar Vicente Plaza es consejero delegado de Node.ai después de más de 25 años en el sector financiero. Comenzó su andadura en Banif, después pasó por UBS y por ultimo al banco Espirito Santo en España y en el año 2018 montó su propia consultora donde ayuda desarrollar proyectos de negocio dentro del sector financiero.

El origen de la compañía es suiza y montada por extrabajadores de UBS de Francia, Suiza y también España. Personas que decidieron montar un proyecto en el que pudiesen evolucionar el desarrollo de gestión basado en modelos cuantitativos o modelos algorítmicos. El siguiente paso era la inclusión de inteligencia artificial dentro de todos estos modelos. Una vez desarrollado el modelo era el momento de mostrarlo a los principales agentes del sector para que apuesten por él.

Óscar atiende a El Debate en su sede de Madrid donde trabaja con un equipo deslocalizado por toda Europa. Openbank e Openfinance (Inversis) son sus dos casos de éxito más conocidos de IA aplicada al sector financiero, pero la desconfianza sigue presente en este campo y es momento de dar respuestas a algo tan delicado.

–La inteligencia artificial no es algo tan novedoso como pensamos. ¿Qué aporta a las finanzas?

–Es un proceso evolutivo de la inteligencia artificial. Al principio, todo es muy algorítmico, muy tradicional en los modelos que se utilizan. Queríamos empezar a utilizar machine learning para introducir también algunos procesos de deep learning. En 2018 provocaba ciertas reticencias, sobre todo en grandes grupos. Eso provocó el hecho de montar este spinoff.

–¿Qué miedo había?

– Fundamentalmente no controlar lo que se está haciendo. Uno de los hándicaps que tiene la inteligencia artificial es la posibilidad de desarrollar una black box donde existe dificultad para poder conocer y controlar qué es lo que realmente están haciendo los modelos. Eso es algo que nos preocupamos mucho. Intentamos huir de los modelos establecidos donde, de alguna manera, lo único que tienes es el output que sale, pero no sabes el racional o la causalidad de ese output.

El miedo es soberano, muy subjetivo, muy particular y es muy complicado de derrotar si no estás aportando transparencia

Uno de los elementos más importantes que intentamos explicar siempre a nuestros clientes es el nivel de transparencia y de explicabilidad que tienen siempre nuestros modelos, porque de hecho, se lo ponemos a su disposición y huimos de ese black box porque al final es una barrera muy dura para traspasar porque el miedo es soberano, muy subjetivo, muy particular y es muy complicado de derrotar si no estás aportando transparencia, luz, taquígrafos... a lo que estás desarrollando.

–¿Desde qué año se están entrenando vuestros modelos?

–Desde el año 2018 estamos entrenando y desarrollando los modelos en función de las necesidades puntuales de los clientes. Hemos ido a la tecnología a buscar soluciones que mejoren nuestros procesos. En este caso utilizamos inteligencia artificial, si procede, si no procede, no utilizamos inteligencia artificial, pero sí que es cierto que nos está aportando muchas mejoras dentro de las soluciones que desarrollamos.

Utilizamos inteligencia artificial, si procede, si no procede, no

Solamente si tienes sensibilidad ante lo que estás haciendo y tienes experiencia en lo que estás haciendo desde la base, desde el origen, desde la formación básica y en este caso nuestra formación en el mundo financiero es crítica, solo así puedes dar una explicabilidad completa a lo que luego estás haciendo dentro de los modelos. Surgimos de la casualidad o huimos de la casualidad. Intentamos trabajar siempre la causalidad. Y eso es algo que para mí es importantísimo dentro del mundo de la inteligencia artificial.

–¿Se trabaja igual con todos los clientes?

–Cada cliente es un mundo y tiene una visión de la inteligencia artificial distinta. También el nivel de sofisticación que incorporamos es diferente en función del cliente. Hay clientes que nos proponen sólo búsqueda de soluciones en donde ni tan siquiera es procedente la incorporación de inteligencia artificial, porque es mucho más sencillo e incluso se obtienen muchos mejores resultados utilizando metodologías tradicionales, regresiones lineales, ordinarias... y otros en los que es mucho más interesante la inclusión de inteligencia artificial.

El nivel de sofisticación que incorporamos es diferente en función del cliente

También va muy relacionado con la cantidad de datos que se quiera gestionar. Lo que está claro es que con metodologías más tradicionales, la explicabilidad es más sencilla, con metodologías más más complejas, la explicabilidad se torna un poquito más complicada.

–¿Cómo es vuestro modelo de negocio?

–Los servicios de inversión son como un restaurante. Dentro hay dos partes muy claras que son la cocina y que tienen un chef y la sala donde existe un jefe de sala. El salón comedor es donde los clientes se sientan, escogen un menú, se presentan los platos, trabajan camareros que velan por generar una experiencia adecuada para el cliente y entregarle lo que ha pedido. Por otro lado tenemos la cocina que son los equipos de inversión cuyo chef es el CIO o Director de Inversiones

Los servicios de inversión son como un restaurante. Dentro hay dos partes muy claras que son la cocina y la sala

Nuestro modelo de negocio está focalizado en la cocina mientras que la mayor parte de la competencia que está aplicando inteligencia artificial en el sector financiero, está más focalizada en el comedor que en la cocina. La mayor parte de esas compañías se dedican fundamentalmente a construir herramientas que garanticen que el proceso de distribución y comercialización del servicio de inversión. No existe tanta competencia centrada en intentar ayudar a los equipos de gestión mediante la aplicación de inteligencia artificial.

–¿En qué parte del proceso se encuentra Node.ia?

–Nos posicionamos al principio de la cadena de valor con los equipos de gestión para ayudarles a construir los mejores platos posibles. Hemos estructurado nuestra propuesta de valor en torno a cinco grandes módulos que entendemos que componen un proceso de construcción de carteras. El primero y más importante es el dato. Es crítico porque es el que va a garantizar el mejor o peor funcionamiento de los modelos. Identificamos cuáles son los datos relevantes y cuáles son los que me generan ruido para la toma de decisiones.

El dato es crítico porque es el que va a garantizar el mejor o peor funcionamiento de los modelos

Entendemos que hay mucho por avanzar, mucho por desarrollar y por profesionalizar en los equipos de inversión y la inteligencia artificial, lejos de sustituir equipos de inversión, lo que va a hacer es robustecerlos. La aplicación de inteligencia artificial es un complemento a la actividad y una mejora del trabajo que van a desarrollar los equipos de inversión.

–En este tipo de empleos, ¿se necesitan perfiles que controlen el machine learning?

–Nosotros tenemos en la empresa, por un lado, la parte de producto innovación y, por otro, la parte de tecnología. Innovación es gente que tiene un perfil con una base financiera muy sólida, pero con skills importantes en el mundo de la tecnología y de la inteligencia artificial. El core de la gente de tecnología es tecnológico. El proceso está muy controlado. Tecnología desarrolla productos. Innovación válida. La gente de innovación tienen la sensibilidad para saber si lo que se está haciendo y lo que está escupiendo el modelo, tiene sentido o no.

La gente de innovación tienen la sensibilidad para saber si lo que está escupiendo el modelo tiene sentido o no

Una cosa es la explicación matemática y otra cosa es la explicación económico financiera. Entonces, ese proceso de ida y vuelta es muy importante para nosotros desde el punto de vista de auditar la calidad de lo que estamos entregando a los clientes.

–¿Cómo gestionáis ese primer contacto de vuestros clientes con la inteligencia artificial para que no cause rechazo?

– Hablar de inteligencia artificial no debe dar miedo. Lo que es importante es saber qué es la inteligencia artificial, los pros y los contras que tiene y poder gestionarlos. Puede provocar reticencia, miedo, pero existe una labor muy importante de formación. Al igual que todas las nuevas tecnologías cuando se han ido aplicando, al principio han generado algún tipo de desconfianza.

Hablar de inteligencia artificial no debe dar miedo

Esto es el efecto del péndulo. Cuando dejas caer el péndulo, se va al otro extremo, vuelve al extremo contrario y termina quedándose en el medio. Esto ocurre con los procesos de implementación de las nuevas tecnologías, al principio no hay nadie, luego aparecen como champiñones y terminan quedándose los que realmente han sido capaces de aportar valor, y construir un modelo robusto, el resto son expulsados del mercado. Nuestras soluciones están basadas en construir relaciones de medio y largo plazo, es decir, la inteligencia artificial, aunque creamos que pueden estar más asociadas al corto plazo, cobran más robustez y mejor funcionamiento cuanto más entrenamiento tienen, con lo cual tienes que tener un plazo de relación suficientemente amplio para para para obtener esas mejoras que tienen los modelos.

–¿Se puede enseñar a la máquina a gestionar la incertidumbre del mercado y de la sociedad global?

–A la máquina no se no se la enseña a gestionar, aprende en función de la experiencia de un proceso de aprendizaje propio. Ese trabajo está más relacionado con la tipología de inputs que estás metiendo de datos y con la incorporación cada vez de mayor cantidad de datos y diferentes tipología. Todo aquel dato que está menos tratado y menos manipulado es el dato que tiene más valor.

La máquina aprende en función de la experiencia de un proceso de aprendizaje propio

Sin ir más lejos, la posibilidad de tratar los datos que proyecta la imagen de un satélite en el Estrecho que analiza la cantidad de barcos que están transitando tiene mucho más valor que otros datos que podamos encontrar en el mercado. Ahí es donde está un escenario por descubrir y donde vas a estar enriqueciendo tus modelos. Esto es una secuencia progresiva de prueba, experimentación, aprendizaje y por eso los modelos son elementos vivos, no solamente los diseñamos, los entrenamos y los lanzamos. Los modelos se entrenan porque con el tiempo pueden ir perdiendo precisión.

–¿Podéis hablar ya de casos de éxito de estos modelos?

–En el mes de febrero salimos con una solución que hemos desarrollado para para Openbank. Nosotros somos los que hemos construido esos motores y esos son los estimadores que Openbank está está introduciendo dentro de su plataforma. También trabajamos con Inversis donde hemos desarrollado una solución para su herramienta para asesores comerciales, que es CoPilot, donde utilizando inteligencia artificial, ayudamos a automatizar el proceso de decisión en la selección de alternativas a productos que tiene un cliente en una cartera y con una parte lógicamente de explicabilidad de por qué se ha elegido esas otras alternativas en vez de la alternativa que tiene el cliente.

Copilot es una solución con Openfinance para los asesores comerciales

Ese tipo de soluciones ayuda mucho a las entidades financieras y al regulador que está más tranquilo cuando ve que todo está bastante más enrutado. También estamos desde hace ya más de más de dos años en el proceso de selección de picking basado en Inteligencia artificial para, para para Palatine Asset Management, que es la gestora de banca privada del grupo Natixis en Francia, donde les ayudamos con el proceso de selección de producto y de optimización para su mandato de renta variable americano.

El sector está abierto a intentar evolucionar y a dar un paso hacia adelante con la incorporación de inteligencia artificial, cosa que a lo mejor hace dos tres años era un poquito más más limitado.