DBS Bank descubre desafíos de big data con el uso de IA – y también soluciones
DBS Bank descubre desafíos y soluciones de big data con IA.
DBS Bank ha tenido que superar obstáculos significativos en sus esfuerzos de varios años para adoptar la inteligencia artificial (IA), durante los cuales se dio cuenta de que el éxito va más allá de descubrir los modelos de entrenamiento.
Según Sameer Gupta, director de análisis de DBS, los datos en particular representaron una barrera importante. En 2018, el banco de Singapur inició su camino para aprovechar la IA en cuatro áreas principales que abarcan el desarrollo de capacidades analíticas, la cultura y el currículo de datos, la capacitación en datos y la habilitación de datos.
También: La próxima gran amenaza para la IA podría estar acechando en la web
“La visión aquí era utilizar los datos para generar mayores beneficios para la organización”, dijo Gupta en una entrevista con ENBLE. Para lograrlo, el banco reconoció la necesidad de hacer que el acceso a la IA sea generalizado en toda la empresa y también de generar valor económico a partir de la IA. También se necesitaba reducir continuamente el costo de implementar soluciones de IA.
Los esfuerzos se dirigieron a desarrollar los casos de uso y el talento adecuados, incluidos los ingenieros de aprendizaje automático, y a construir una cultura de datos que alentara a todos los empleados a pensar constantemente en cómo los datos y la IA podrían ayudar en su trabajo. Esto implicaba proporcionar un programa de capacitación que guiara al personal sobre cómo y cuándo usar, y no usar, los datos.
- TSMC ingresará a ‘Silicon Saxony’ con una planta de chi...
- La startup alemana de cohetes obtiene 30 millones de euros mientras...
- Por qué los anunciantes en Canadá se están retirando de Instagram y...
También: Cómo bloquear al nuevo rastreador web de entrenamiento de IA de OpenAI para que no absorba tus datos
El banco comenzó a establecer la infraestructura para facilitar la adopción de la IA, lo que incluye la plataforma de datos, la estructura de gestión de datos y la gobernanza de datos. Implementó un marco en el que se deben evaluar todos los casos de uso de datos. Denominado PURE, se basa en cuatro principios: con propósito, previsible, respetuoso y explicable; principios que DBS considera esenciales para guiar al banco en el uso responsable de los datos.
Su plataforma de datos, ADA, sirve como una fuente central única, lo que permite al banco garantizar una mejor gobernanza, calidad, descubribilidad y seguridad de los datos.
Actualmente, más del 95% de los datos considerados útiles y necesarios para facilitar las operaciones impulsadas por la IA de DBS son descubribles en la plataforma. La plataforma alberga más de 5.3 petabytes de datos, que incluyen 32,000 conjuntos de datos que comprenden videos y datos estructurados.
Sin embargo, llegar a este punto resultó una tarea titánica, según reveló Gupta. En particular, organizar los datos y hacerlos descubribles requirió un trabajo significativo, en su mayoría manual y basado en la experiencia humana. Se pasaron horas laboriosas identificando los metadatos, y faltaban herramientas para automatizar estas tareas.
También: Nvidia potencia su ‘superchip’ Grace-Hopper con memoria más rápida para IA
Agregó que el banco utilizaba muchas aplicaciones, cada una de las cuales contenía datos necesarios para respaldar sus iniciativas de IA.
Con los datos dispersos en diferentes sistemas, señaló que se necesitaba “mucho trabajo duro” para llevar los conjuntos de datos a una plataforma única y hacerlos descubribles. Los empleados deben poder extraer los datos que necesitan y el banco debe asegurarse de que esto se haga de manera segura.
DBS actualmente lleva a cabo más de 300 proyectos de IA y aprendizaje automático, que según Gupta generaron un aumento de ingresos de SG$150 millones ($112.53 millones) el año pasado y un ahorro de SG$30 millones ($22.51 millones) en la evitación de riesgos, por ejemplo, a través de una mejor monitorización crediticia. Estos casos de uso de IA abarcan una variedad de funciones, incluyendo recursos humanos, legal y detección de fraudes, según Gupta.
Las iniciativas de IA del banco están en camino de generar más valor económico y beneficios de evitación de costos este año, duplicándose a SG$350 millones ($262.56 millones). La meta es alcanzar una cifra de SG$1,000 millones ($750.17 millones) en los próximos tres años. DBS, el banco más grande de Singapur, actualmente cuenta con unos 1,000 ingenieros de datos, científicos de datos e ingenieros de datos.
No hay una “bala mágica” con la adopción de IA
Al preguntarle si estaba explorando el uso de IA generativa, Gupta confirmó que el banco ya estaba implementando más de 10 proyectos piloto, pero destacó que aún era demasiado pronto. Los diferentes equipos, incluidos marketing, ventas y TI, necesitarán tener más conversaciones en los próximos meses para comprender mejor a partir de estas pruebas cómo la IA generativa puede beneficiar al banco.
También: El equipo de pruebas de Microsoft ha monitoreado la IA desde 2018. Aquí están cinco grandes ideas clave
Agregó que también necesita asegurarse de que el uso de estas aplicaciones de IA continúe adhiriéndose a sus principios PURE y a los principios FEAT de Singapur que guían el uso de la IA en el sector. También será necesario evaluar otros riesgos conocidos como las alucinaciones y las infracciones de derechos de autor, dijo.
Actualmente, DBS ejecuta 600 algoritmos de IA y aprendizaje automático, que en conjunto ayudan a alimentar las interacciones con sus cinco millones de clientes en toda la región, incluyendo China, Indonesia e India.
El hecho de que utilice 600 modelos de IA, sin embargo, es irrelevante, dijo Gupta, quien enfatizó en cambio el objetivo de lograr la eficiencia y precisión óptimas con el menor número de modelos de IA.
Destacando el error de concepción de que el modelo en sí es todo, señaló que en realidad desempeña un papel pequeño en garantizar que las empresas se beneficien de su uso de la IA.
También: ChatGPT Plus puede analizar sus datos corporativos para obtener ideas poderosas. Así es cómo
En cambio, necesitan trabajar en todos los elementos técnicos, que deben incluir la incorporación de mecanismos para monitorear el uso de su IA y recopilar continuamente comentarios para identificar áreas de mejora. Esto garantizará que la organización aprenda de su aplicación de IA y realice cambios donde sea necesario, incluidos sus modelos de IA y procesos operativos, a medida que resuelva los problemas y solucione las fallas.
“Necesitas perseverar para obtener el beneficio completo. No hay una solución mágica”, dijo Gupta.
Al preguntar si DBS estaba utilizando IA para anticipar mejor interrupciones, como las interrupciones que experimentó en el último año, dijo que el banco está trabajando para identificar cómo puede hacerlo mejor, incluyendo el uso de análisis de datos. Señalando que muchos factores pueden causar picos en la demanda, dijo que existe el potencial de aprovechar la IA, por ejemplo, en operaciones para detectar anomalías y determinar el próximo curso de acción.
No pudo comentar específicamente sobre las interrupciones del servicio, pero dijo que un comité especial compuesto por cuatro miembros de la junta del banco está liderando una revisión completa de la resiliencia tecnológica de la compañía. También se ha recurrido a expertos externos para ayudar con la revisión, dijo, y se proporcionarán más detalles una vez que se complete.
También: Entrena modelos de IA con tus propios datos para mitigar riesgos
“Las interrupciones del servicio que experimentamos en marzo y mayo nos han hecho reflexionar a todos en DBS”, dijo Gupta. “Garantizar servicios bancarios digitales ininterrumpidos las 24 horas del día, los 7 días de la semana, siempre ha sido nuestra principal prioridad. Desafortunadamente, no cumplimos con eso. Nuestros clientes esperan legítimamente más de nosotros y tenemos que hacerlo mejor”.
El mes pasado, se reveló que el error humano fue la causa de la interrupción de DBS en mayo, pero no estaba relacionado con la interrupción de marzo. El Ministro Senior de Singapur y Ministro a cargo de MAS, Tharman Shanmugaratnam, dijo en una respuesta parlamentaria por escrito que se encontró un error en el software utilizado para el mantenimiento del sistema y que había resultado en una “reducción significativa” en la capacidad del sistema.
Esto afectó su capacidad para procesar transacciones bancarias en línea y móviles, pagos electrónicos y transacciones en cajeros automáticos, dijo Tharman, citando la investigación preliminar del banco.
Fondos para ayudar al sector a adoptar IA
Singapur anunció el lunes que destinará SG$150 millones ($112.53 millones) durante tres años para apoyar aún más los esfuerzos del sector financiero para innovar a través del uso de la tecnología.
El Esquema de Tecnología e Innovación del Sector Financiero (FSTI 3.0) continuará facilitando el desarrollo de capacidades y la adopción en áreas clave como la IA y el análisis de datos, así como la tecnología de regulación, o regtech. Específicamente, el regulador de la industria, la Autoridad Monetaria de Singapur (MAS), buscará impulsar la adopción de la IA y el análisis de datos entre las pequeñas empresas financieras.
FSTI 3.0 también abarca nuevas áreas en las que los fondos se ampliarán para incluir entidades de capital de riesgo corporativo y proyectos de ESG (ambientales, sociales y de gobierno). MAS también lanzará convocatorias abiertas para casos de uso en tecnologías emergentes, como Web 3.0, con subvenciones para ensayos y comercialización.
También: La fiebre del oro de la IA hace que la higiene básica de seguridad de datos sea fundamental
Para DBS, el enfoque ahora es asegurar que sus proyectos de IA puedan escalar y el acceso siga siendo generalizado en toda la organización, dijo Gupta.
“Necesitamos asegurarnos de industrializar cómo se desarrolla e implementa la IA en el banco, para poder reducir el esfuerzo requerido para implementarla. No se puede lograr esto si cada caso de uso se hace de manera personalizada”, señaló.
También enfatizó la importancia de asegurarse de que la IA siga siendo medible, para que el banco pueda determinar si está generando resultados positivos. “Necesitamos asegurarnos de que haya beneficios tanto para los empleados como para los clientes”, añadió.
