A menudo relacionamos la Inteligencia Artificial (IA) con películas de Hollywood sobre robots que conquistan el mundo o con series con evoluciones futurísticas como Black Mirror. Pero la IA está ya en nuestro día a día mucho más de lo que creemos y con un gran potencial de desarrollo de nuevas funcionalidades y servicios en los próximos años gracias a la explosión de la capacidad de utilización de los datos, el incremento de la capacidad computacional y las redes neuronales, así como el uso del cloud.
Casi sin darnos cuenta, la IA está transformando la forma de trabajar en las empresas, así como nuestra manera de interactuar con el mundo. Google, Amazon, Netflix, Facebook, Spotify por citar algunos, utilizan algoritmos de IA para acercarse más a nuestras preferencias o facilitarnos la vida y solemos usarlos sin pensar que detrás hay una máquina inteligente que trabaja para ello. La consultora Gartner estima que en el año 2020, el 85% de las interacciones de las empresas con los clientes estarán gestionadas por IA y KPMG acaba de estimar en un informe que la inversión en IA en 2025 será de 232.000 millones de dólares respecto a los 12.400 millones de dólares en 2018.
Pero, ¿cómo definimos la IA? La IA es un conjunto de disciplinas de informática, lógica, software y filosofía que estudia y desarrolla sistemas destinados a hacer que las máquinas realicen tareas como una mente humana e incluso que puedan comportarse de manera autónoma.
Un poco de historia
Antes de continuar, merece la pena hacer un alto en la historia de la AI y de cómo hemos llegado hasta aquí. Se considera a Alan Turing como el padre de la IA. En 1936 diseñó una máquina capaz de resolver problemas matemáticos que se pudiesen representar por algoritmos predefinidos y en 1950 creó el test de Turing que se utiliza todavía, para poder analizar el nivel de inteligencia de una máquina.
Poco después, 1956 es una fecha clave cuando tres científicos, John McCarthy, Marvin Minsky y Claude Shannon acuñaron el término Inteligencia Artificial en la Conferencia de Dartmouth, en la que comentan: se intentará encontrar cómo hacer que las máquinas usen el lenguaje, formen abstracciones y conceptos, resuelvan tipos de problemas ahora reservados para los humanos y se mejoren a sí mismos. ... Para el presente propósito, se considera que el problema de la inteligencia artificial es el de hacer que una máquina se comporte de una forma que se llamaría inteligente si un ser humano se comportara de esa manera. Aunque los tres fueron extremadamente positivos ya que esperaban que en la década de los 70 estuviésemos rodeados de IA en nuestra vida cotidiana y esto llevó a una bajada de interés en el tema.
A partir de los 80 y los 90 empieza un primer boom en la IA que culmina con el ordenador Deep Blue de IBM ganando en 1997 la famosa partida de ajedrez al campeón Gari Kaspárov. El impacto de su victoria hizo que las empresas tecnológicas empezasen a ver en serio las posibilidades de desarrollo de la IA. Desde entonces se han ido desarrollando numerosos proyectos visibles liderados principalmente por las empresas tecnológicas, como Watson de IBM (2011) o asistentes virtuales como Siri de Apple (2010), Google Now (2012), Alexa de Amazon (2015) o Amelia de IpSoft (2017).
Tipos de inteligencia artificial
Podemos definir principalmente cuatro grupos de IA:
- Exclusivamente reactiva: es la forma más básica de IA, está especializada en un área particular y actúa exclusivamente en función de lo que ve. Aquí entraría la robótica o los procesos automatizados.
- Memoria limitada: considera información del pasado y la incorpora a su realidad. Por ejemplo los chatbots, coches sin conductor o asistentes virtuales que utilizan las tecnologías de lenguaje natural.
- Teoría de la mente: puede entender pensamientos y emociones que afectan al ser humano. Se encuentra en desarrollo y podría ser el próximo nivel que veamos.
- Son la futura generación súper-inteligente, consciente y sensible.
Beneficios para nuestra industria
Un punto importante es que para poder aplicar procesos de IA se necesita tener una fuente de datos estructurados cuanto más grande posible, ya que la IA se alimenta de ellos. La IA es directamente dependiente de tecnologías de big data que permitan acceder, limpiar y normalizar los datos para poder utilizarlos lo mejor posible. Esto debería ser el primer paso.
Dicho esto, un primer beneficio directo de la forma más básica de IA es el procesamiento de la gestión de los activos de una forma más rápida y segura gracias a la automatización de procesos repetitivos y de poco valor añadido. Los procesos se vuelven más resistentes y los riesgos operacionales disminuyen.
Otro ejemplo son robots, entendidos como procesos automatizados, capaces de escanear y procesar documentos legales, de normativas o antifraude que pueda activar alertas de seguridad de una forma más rápida y efectiva.
En definitiva, un primer paso en la automatización permite que los equipos de procesos puedan dedicar menos tiempo a las tareas repetitivas y poder crear servicios de un mayor valor añadido, una mejor relación y más dedicada al cliente final y en definitiva una mejor experiencia humana y de cliente.
La gestión de los datos junto con la IA permite también proveer de informes automatizados y personalizados para las gestoras de activos o aseguradoras que permiten utilizar y procesar los datos de una forma más productiva; analistas que reciben y procesan datos en tiempo real para poder establecer sus predicciones; acceso a algoritmos predictivos que permitan invertir y simular en tiempo real no solamente en los mercados tradicionales de acciones, bonos y fondos, sino en inversiones alternativas como recursos naturales, inmobiliario, tipos de cambio o incluso criptomonedas. Todo ello para lo que es más importante, poder tomar mejores decisiones sobre datos concretos por parte de los responsables de inversión de una gestora de activos o compañía de seguros.
Y estos son solamente algunos de los primeros beneficios tangibles de la adopción de la IA a día de hoy en la gestión de activos. Sabiendo que la IA tiene un crecimiento exponencial, podrá suponer un cambio de modelo muy grande. Por ejemplo, probablemente los gestores de activos tendrán que ir ajustando su modelo de negocio para focalizarse en el largo plazo donde el razonamiento tiene un mayor peso, ya que las inversiones a corto plazo podrán ser cubiertas por algoritmos avanzados. Aunque es difícil predecir a medio o largo plazo.
Retos para nuestra industria
La IA no es sólo un software que se instala, sino una manera de trabajar y procesar la información y datos. Para ello se necesitan por una parte profesionales que puedan gestionar este cambio especializados en transformación digital, nuevas tecnologías y gestión de los datos. Y por otra parte trabajar en una extensión del conocimiento de la IA en los empleados, lo que conlleva un cambio en la cultura interna empresarial.
El rápido crecimiento de los roboadvisors o gestores de activos automatizados, que optimizan sus procesos al máximo y aprovechan algoritmos predictivos basados en IA, eleva la presión sobre las gestoras de fondos tradicionales para una optimización y reducción de costes y una aplicación más pronto que tarde de las posibilidades que ofrece la IA.
Un socio y proveedor que tenga una infraestructura y visión, que permita delegar y automatizar procesos repetitivos o de poco valor añadido, y disponga de una cultura y proyectos avanzados de transformación digital, sería el complemento ideal para una gestora de activos o compañía de seguros en estos tiempos de cambio y evolución.
¿A dónde nos llevará la IA?
Hay un punto importante a tener en cuenta, no se trata de una carrera entre máquinas y seres humanos sino de complementar la inteligencia humana con la inteligencia artificial para ser más competitivos y dar un mayor valor añadido. Así que nuestra competencia no serán las máquinas, sino otros seres humanos con el complemento de IA dando servicios con un mayor valor añadido que nosotros.