Transformando la banca con modelos de lenguaje

7, 6, 5, 4, 3, 2, 1.

Investigadores por el Mundo, presentado y dirigido por Antonio Armas.

Bueno, la verdad es que qué recuerdos me trae a Ásterdán.

Tuve un momento de mi vida en donde tuve la fortuna de poder viajar varias veces allí.

Tenía un amigo de las líneas aéreas, Caleme, y me colaba.

La verdad es que me lo pasé muy, muy bien en Ásterdán.

Como sé que me lo voy a pasar muy bien, y lo vamos a pasar también todos ustedes y yo, con nuestro invitado.

Él es don Ángel Pérez de Montse.

Es ingeniero en telecomunicaciones y máster en inteligencia computacional.

Ángel tuvo una estancia de investigación por un año en el Instituto Tecnológico de Massachusetts.

Desde hace 2019 trabaja para el Banco ING, la sede global en Ásterdán.

Primero como auditor de riesgo de modelos y actualmente como científico de datos en el Departamento de ING Analytics.

Tanto Ángel Pérez de Montse como yo agradecemos muchísimo a la Fundación Infage su colaboración para generar esta entrevista.

Doctor, bueno, no es doctor, don Ángel Pérez de Montse.

Buenas tardes, noches.

Bueno, buenas tardes, ¿qué tal? ¿Cuándo podré llamarle doctor? ¿Está haciendo usted el doctorado? Bueno, lo empecé.

No deje de terminarlo.

Al final, trabajar en empresa es una cosa que me llamaba más.

Y bueno, mitad, mitad.

Medio doctor, mitad.

Perfecto.

Bueno, Ángel, vamos a hablar con usted de un asunto apasionante que le hemos denominado transformando la banca con modelos de lenguaje.

Vamos a hacer una especie de introducción.

Primero me gustaría que nos comentara, señor Pérez, qué es lo que han implementado usted y su equipo en su último proyecto y qué es lo que hace concretamente usted en la Fundación Infage.

Sí, pues lo que quería contar es el sistema que hemos implementado utilizando los grandes modelos de lenguaje, los famosos LLM, Large Language Models en inglés, para generar resúmenes de riesgo de los clientes de ING de una manera automática.

Y luego en Infage llevo tres años siendo el mentor y como mentor me reúno con doctorandos de diferentes universidades españolas, intento orientarles sus investigaciones, ofrezco asesoramiento profesional e intento ayudarles a desarrollar habilidades para sus carreras académicas y profesionales.

Me comentaba al principio, al presentarle, usted actualmente es científico de datos en el departamento de ING Analytics.

¿Qué es este departamento, Ángel? ¿Y cómo se han organizado ustedes desde hace menos de un año? Pues bien, este departamento de ING Analytics es un departamento global de todo el banco de ING.

Creamos modelos para todo el banco, para todas las entidades en todos los países de la Unión Europea y América.

La idea de este departamento es, bueno, la misión, es la transformación analítica creando un valor medible.

Es importante que sea medible, no simplemente por escrito.

Y ofrecemos productos de una categoría, de tipo analíticos o basados en datos.

Y en este departamento nos encargamos de hacer herramientas de inteligencia artificial, digamos tradicional ahora que se puede decir, de machine learning, pero también de herramientas de inteligencia artificial generativa, de la nueva vía generativa.

Y bueno, hace menos de un año nos hemos organizado para abordar un problema muy concreto, que es ver de qué manera podemos utilizar la inteligencia artificial generativa para mejorar el procesamiento manual de los ficheros dentro del proceso de la inteligencia pedida del cliente.

Claro, la pregunta es obvia, ¿no, Ángel? ¿Este proceso de inteligencia pedida del cliente, qué es lo que es y por qué cree usted que es importante? Sí, pues te cuento sin problemas.

El proceso de inteligencia pedida del cliente, que se llama CBD en inglés, Clients Due Diligence, es parte de, digamos, un departamento más grande que es el de conoce a tu cliente, que está en todos los bancos y es obligatorio para todas las identidades bancarias por los bancos centrales.

Y este proceso de CBD, de inteligencia pedida, consiste en recoger los datos de los clientes, datos personales, estructura, por ejemplo, para las grandes empresas, un perfil de transacciones, con el objetivo de identificar posibilidades de riesgos financieros, como puede ser el de lavado del dinero o la financiación del terrorismo.

¿Y en qué consiste básicamente este proceso, Ángel? Bueno...