Etiqueta: AI – Inteligencia Artificial

Inteligencia artificial en la banca central

Mucho antes de que la inteligencia artificial (IA) se convirtiera en un punto focal de comentarios populares y de fascinación generalizada, los bancos centrales fueron los primeros en adoptar métodos de aprendizaje automático para obtener información valiosa para las estadísticas, la investigación y las políticas (Doerr et al (2021), Araujo et al (2022, 2023)). Las mayores capacidades y rendimiento de la nueva generación de técnicas de aprendizaje automático abren nuevas oportunidades. Sin embargo, para aprovecharlos es necesario que los bancos centrales desarrollen la infraestructura y los conocimientos necesarios. Los bancos centrales también deben abordar las preocupaciones sobre la calidad y la privacidad de los datos, así como los riesgos derivados de la dependencia de unos pocos proveedores.
En primer lugar, este boletín ofrece un breve resumen de los conceptos en el ámbito del aprendizaje automático y la IA. A continuación, se examinan los casos de uso de los bancos centrales en cuatro ámbitos: i) la recopilación de información y la compilación de estadísticas oficiales; ii) análisis macroeconómico y financiero en apoyo de la política monetaria; (iii) supervisión de los sistemas de pago; y iv) supervisión y estabilidad financiera. El Boletín también resume las lecciones aprendidas y las oportunidades y desafíos que surgen del uso del aprendizaje automático y la IA. Concluye analizando cómo la cooperación de los bancos centrales puede desempeñar un papel clave en el futuro.

La ASEAN publica una guía sobre la gobernanza de la IA

En la cuarta reunión de ministros digitales de la Asociación de Naciones del Sudeste Asiático (ASEAN) se presentó una guía sobre la gobernanza de la IA, que ofrece información práctica para las organizaciones regionales. Entre ellas se encuentran las instituciones financieras que utilizan la IA tradicional en aplicaciones comerciales y no militares. La guía hizo hincapié en la alineación y el fomento de la interoperabilidad, proporcionando recomendaciones para que los gobiernos implementen iniciativas de IA responsables tanto a nivel nacional como regional. También incluyó medidas que promueven el uso responsable de la IA, recomendaciones para el diseño de sistemas y casos de uso de organizaciones como EY y Gojek. Las recomendaciones proponen la creación de un grupo de trabajo de la ASEAN para impulsar y supervisar las iniciativas regionales de gobernanza de la IA. Los ministros del bloque regional de diez miembros, que comprende Brunei, Camboya, Indonesia, Laos, Malasia, Myanmar, Filipinas, Singapur, Tailandia y Vietnam, acordaron establecer el grupo de trabajo, lo que marca la primera vez que Singapur colabora con otros Estados miembros en una guía sobre gobernanza y ética de la IA. «Se debe adoptar un enfoque sólido de gestión de riesgos en cada etapa del ciclo de vida del sistema de IA, evaluando y mitigando los riesgos financieros, de reputación, éticos y legales», afirma la guía. «Esto ayuda a generar confianza hacia la aceptación y un mayor uso de las tecnologías de IA en la región.»

La investigación del FRC explora el aumento de la IA en el trabajo actuarial del Reino Unido

Continuando con el tema, el Consejo de Información Financiera (FRC) publicó recientemente un informe de investigación que profundiza en la mayor adopción de la Inteligencia Artificial (IA) y el Aprendizaje Automático (ML) en el panorama actuarial del Reino Unido.
Amplias entrevistas con profesionales de la industria revelaron que la IA y el ML se están incorporando al conjunto de herramientas actuariales, particularmente cuando se trata de evaluar los riesgos de siniestros, pronosticar los comportamientos de los grupos de asegurados y mejorar las interacciones con los clientes.
El informe también anticipa un aumento significativo en la adopción de IA y ML en este dominio, impulsado principalmente por el potencial transformador de estas tecnologías y acelerado por la aparición de modelos de lenguaje avanzados de gran tamaño como ChatGPT.
Sin embargo, una preocupación predominante que se refleja en los hallazgos de la investigación es la necesidad de «explicabilidad» con respecto a los modelos de IA y ML. Su naturaleza opaca, con modelos a menudo denominados «cajas negras», plantea un desafío considerable en el sector.
De particular interés es la identificación de riesgos que podrían afectar la calidad del trabajo actuarial. Estos incluyen preocupaciones sobre la calidad de los datos de origen que surgen de la capacidad de AI/ML para utilizar fuentes de datos extensas, a menudo no estructuradas, con supervisión humana limitada y una dependencia excesiva de los resultados sin una comprensión integral de sus limitaciones.
Además, el informe reconoce los riesgos relacionados con un etiquetado deficiente de los datos, con potencial de imprecisiones. Los entrevistados también expresaron su preocupación por posibles sesgos o imprecisiones sistemáticas en los datos utilizados para entrenar modelos de IA/ML, lo que da como resultado patrones de juicio defectuosos y una baja adaptabilidad de los modelos en diversos contextos.
¿La comida para llevar? Si bien la IA y el aprendizaje automático son muy prometedores en este campo, es clave continuar entrenando estas herramientas emergentes con datos de alta calidad, con las habilidades adecuadas y las pruebas necesarias para respaldar las conclusiones.
Mark Babington, director ejecutivo de Estándares Regulatorios del FRC, subraya la necesidad de abordar estas preocupaciones para garantizar la calidad y confiabilidad del trabajo actuarial a medida que la IA y el ML continúan dando forma a la industria. «El FRC espera que esta investigación estimule una mayor reflexión en la industria sobre cómo gestionar estos riesgos», afirma.

Un enfoque favorable a la innovación para la regulación de la IA

La Inteligencia Artificial (IA) desempeñará un papel fundamental en la consecución y consecución de estos objetivos, y este libro blanco garantizará que estamos poniendo al Reino Unido en camino de ser el mejor lugar del mundo para construir, probar y utilizar la tecnología de IA. Pero no partimos de cero. Habiendo invertido más de 2.5 millones de libras esterlinas en IA desde 2014, este documento se basa en nuestros recientes anuncios de 110 millones de libras esterlinas para nuestro Fondo de Misiones Tecnológicas de IA, 900 millones de libras esterlinas para establecer un nuevo recurso de investigación de IA y desarrollar una supercomputadora a escala capaz de ejecutar grandes modelos de IA, respaldada por nuestra nueva Red Global de Talentos de IA de 8 millones de libras esterlinas y 117 millones de libras esterlinas de financiación existente para crear cientos de nuevos doctorados para IA Investigadores.
La mayoría de nosotros recién ahora estamos comenzando a comprender el potencial transformador de la IA a medida que la tecnología mejora rápidamente. Pero en muchos sentidos, la IA ya está brindando fantásticos beneficios sociales y económicos para personas reales, desde mejorar la atención médica del NHS hasta hacer que el transporte sea más seguro. Los avances recientes en cosas como la IA generativa nos permiten vislumbrar las enormes oportunidades que nos esperan en un futuro próximo si estamos preparados para liderar el mundo en el sector de la IA con nuestros valores de transparencia, responsabilidad e innovación.

Las estadísticas configuran el entorno de la política monetaria

Se dice que la economía estudia la incertidumbre, pero la estadística mide la incertidumbre. Al reducir la incertidumbre a un valor cuantificable, las estadísticas permiten a la política monetaria gestionar sus compensaciones y trazar su curso a través de incógnitas conocidas y desconocidas. Esto mejora la rendición de cuentas y, por lo tanto, la credibilidad. Ese es el poder de las estadísticas.
Para mis colegas en el DSIM, este empoderamiento implica montar una montaña rusa interminable todos los días a través de capas de recopilación, validación, procesamiento, análisis e investigación de datos. Esto es cierto no sólo de los importantes requisitos de política monetaria que se les han encomendado, sino también de casi todas las demás funciones del RBI. Además de su compromiso inquebrantable con su vocación, han demostrado una notable adaptabilidad al aceptar nuevos desafíos, técnicas y fuentes de datos. Son ellos los que marcan la diferencia. En una visión influyente, los números no tienen forma de hablar por sí mismos; Son nuestros estadísticos quienes hablan por ellos y los impregnan de significado.4. A mis colegas de DSIM, por lo tanto, todo el poder y algunas palabras de consejo, basándose en el libro indiscutible de David Spiegelhalter titulado El arte de la estadística.5, y cito: «-las reclamaciones basadas en datos deben ser accesibles; Inteligible; Valorables; Utilizable.»

Los bancos centrales en la encrucijada

Los bancos centrales se encuentran en una encrucijada. Cinco bifurcaciones principales ya están con nosotros: (1) la «última milla» para la convergencia de la inflación a la meta; 2) cambio climático; 3) desigualdad; 4) innovación digital; y (5) inteligencia artificial. Las decisiones que los bancos centrales tomen hoy sobre estas bifurcaciones en el camino afectarán las condiciones macroeconómicas en los próximos años. Y dado el importante papel que desempeñan los bancos centrales en las sociedades, tendrán que considerar sus implicaciones. Y para responder mejor a estos desafíos, también tendrá que ayudar a fomentar en la comunidad de bancos centrales una cultura de diversidad e inclusión.
Los efectos combinados de estos desafíos son difíciles de entender, precisamente debido a la interacción incierta entre las decisiones tomadas a través de diferentes bifurcaciones. Una conclusión obvia es que nuestros modelos económicos y monetarios tradicionales no parecen estar diseñados para capturar esta complejidad y necesitamos nuevos modelos y enfoques innovadores para guiar las políticas de los bancos centrales. Si bien en muchos casos ya estamos incluyendo más instrumentos en nuestro conjunto de herramientas, que van desde herramientas macroprudenciales, compras de activos, intervenciones en el mercado en circunstancias específicas y nuevas formas de comunicación, y si bien podemos calibrar de manera más efectiva la política monetaria y abordar los nuevos riesgos emergentes, también debemos mantener nuestros modelos manejables y mantener cierta simplicidad al comunicar nuestro papel y función en la sociedad.
Cuando nos fijamos en las bifurcaciones o los desafíos que probablemente tendrá que enfrentar, en pocas palabras, todos afectan a los parámetros actuales que guían la formulación de la política monetaria o las «estrellas» generalmente asociadas con el concepto de un nivel neutral para la tasa de interés y también el desempleo. Los cambios estructurales en la oferta de mano de obra, la relocalización, una nueva geografía para el comercio, las tensiones geopolíticas y la ecologización de nuestras economías son, aparentemente, factores que aumentan los costos. Obviamente, muchos cambios mejorarán la productividad a su debido tiempo, como los asociados con el uso de más innovación financiera digital e IA. Pero tendrá que pasar por un período en el que será difícil evaluar los efectos netos combinados de todo esto y, especialmente, el momento en que se manifestarán todos y cada uno de estos factores. Por lo tanto, su arte como futuros responsables de la formulación de políticas será analizar estas compensaciones futuras, su naturaleza transitoria o más permanente, y construir una estrategia decidida y creíble para salvaguardar la estabilidad financiera y de precios. Confío en que lo hará y alcanzará con éxito sus objetivos con la intensidad adecuada y el momento adecuado para sus acciones políticas. Y también podría reflexionar sobre otros posibles objetivos que las sociedades podrían obligarle a cumplir. Finalmente, como se mencionó anteriormente, muchos de estos desafíos tienen consecuencias distributivas: es posible que también tenga que analizar cómo sus futuros colegas del departamento de tesorería diseñarán sus políticas fiscales para responder a estas nuevas necesidades de financiamiento, posiblemente adoptando un reparto innovador de la carga fiscal en un formato sostenible y equilibrado que debería mejorar el de nuestros estados de bienestar social existentes.
Si bien las cinco bifurcaciones que mencioné anteriormente son desafíos en los que pensar, el camino a seguir tal vez no sea desesperarse cuando se enfrenta a ellos, y no tratar de abarcar todo, sino usar la sabiduría tradicional del principio de separación de Tinbergen, y tratar de construir marcos políticos que, con objetivos e instrumentos definidos, tengan el objetivo de servir mejor al bien común. Y cuando miro a los jóvenes estudiantes inteligentes que reciben sus títulos en banca central hoy, estoy absolutamente seguro de que todos ustedes ayudarán a avanzar hacia el cumplimiento de estos desafíos críticos para la banca central.

El laboratorio analiza la IA

El Laboratorio del Consejo de Informes Financieros del Reino Unido, diseñado como un espacio de taller para que inversores y empresas trabajen juntos en soluciones para las necesidades de informes, ha publicado su última visión sobre la inteligencia artificial emergente en los informes.
Con la IA avanzando en la agenda popular debido a su creciente prevalencia en soluciones tecnológicas emergentes como ChatGPT, el laboratorio realizó una mesa redonda para comprender la opinión de las partes interesadas sobre este tema. El evento atrajo mucho interés, y la IA se convirtió en el principal foco de discusión, mostrando la importancia de este tema para muchos. ¡Las conclusiones señalaron en gran medida la necesidad de una mayor comprensión, más experiencia y más datos!
Para fin de año, el FRC planea publicar estudios de casos que exploren la intersección de la IA con marcos de orientación e informes, ¡algo que estaremos vigilando! En el futuro, el laboratorio también tiene como objetivo analizar cómo las empresas incluyen la IA en los informes anuales y consideran las buenas prácticas emergentes; como hemos cubierto aquí antes , la combinación de datos estructurados, que es lo que funciona mejor con la IA, y las tecnologías emergentes podrían generar una poderosa herramienta para la creación de informes y análisis de divulgaciones estructuradas.

Suptech en la supervisión de seguros

Dada la importancia del papel de la tecnología de supervisión (suptech) en la «nueva normalidad», los supervisores de seguros ven la necesidad de comprender claramente el potencial de suptech para ayudar a su trabajo. Este documento tiene como objetivo contribuir a esta comprensión citando ejemplos concretos de cómo las herramientas suptech son utilizadas por 22 supervisores de seguros. El documento cubre 38 herramientas de sucesión, que se clasifican de acuerdo con su uso previsto, ya sea para supervisión prudencial o de conducta, o ambas. El documento encuentra que las herramientas de tecnología de apoyo utilizadas por los supervisores de seguros para la supervisión prudencial son similares a las utilizadas por los supervisores bancarios. La mayoría de las herramientas de conducta denunciadas, por otra parte, son específicas del sector de los seguros. Mientras tanto, la mayoría de las herramientas que pueden utilizarse tanto para la supervisión prudencial como para la supervisión de la conducta se ocupan de la recopilación de datos. En el futuro, muchos supervisores de seguros tienen como objetivo específico desarrollar sistemas integrados que cubran diferentes aplicaciones y cubran todo el proceso de supervisión.

El procesamiento del lenguaje natural está aquí para quedarse

Encontramos elementos para pensar en un artículo reciente de Irene Liu y el equipo de Accenture, que explora el uso del procesamiento del lenguaje natural (NLP) para el cumplimiento normativo. La PNL implica el uso de inteligencia artificial para analizar datos basados en texto y generar información relevante para la toma de decisiones. Tiene el potencial de aumentar la automatización en el cumplimiento, hacer que los procesos sean más efectivos y eficientes, y reducir los errores humanos. Los casos de uso comunes relacionados con el cumplimiento discutidos por los autores incluyen interpretación regulatoria, uso en procesos AML / KYC (antilavado de dinero y conozca a su cliente) y monitoreo de riesgos.
Los desafíos clave para la adopción de PNL identificados en el artículo son la disponibilidad de datos, particularmente para ajustar constantemente los modelos de PNL; la escasez de conocimientos técnicos; y la complejidad de los datos de texto y la necesidad de sensibilidad cultural para extender la PNL a idiomas desatendidos.