Del comerç algorítmic als ‘chatbots’ a la banca
Grans bancs i tecnològiques financeres recorren a la IA per millorar serveis i seguretat
Els experts preveuen que l’impacte en el sector financer creixerà en els pròxims anys
La intel·ligència artificial (IA) està transformant radicalment el sector financer, des de la banca tradicional fins a les inversions i les assegurances. Està canviant la manera com gestionem els nostres diners, com les entitats financeres prenen decisions i com es detecten i prevenen els fraus. Un dels camps en què la IA ha tingut un impacte més profund és el comerç algorítmic. Empreses com Renaissance Technologies, fundada pel matemàtic James Simons, han estat pioneres en l’ús d’algorismes avançats per prendre decisions d’inversió en qüestió de mil·lisegons. El seu fons Medallion, que utilitza models matemàtics i aprenentatge automàtic, ha assolit rendiments anuals del 66% durant més de tres dècades i s’ha convertit així en un dels fons més reeixits.
La IA està contribuint a la detecció del frau i la gestió de riscos en el sector financer. Grans bancs com BBVA i CaixaBank estan implementant sistemes d’IA per detectar transaccions sospitoses i prevenir el blanqueig de capitals. Aquests sistemes són capaços d’analitzar patrons de comportament dels clients i identificar activitats que podrien ser fraudulentes.
A escala global, empreses com Feedzai, amb oficines a Barcelona, lideren la lluita contra el frau financer mitjançant l’ús d’IA. La seva plataforma utilitza aprenentatge automàtic per analitzar milions de transaccions a temps real. Així, detecten i prevenen fraus amb una precisió sense precedents.
Els chatbots i assistents virtuals impulsats per IA estan transformant l’atenció al client en el sector financer. A Catalunya, Banc Sabadell va llançar el 2017 el seu assistent virtual Kelvin, que utilitza processament del llenguatge natural per respondre a les consultes dels clients les 24 hores del dia. Altres entitats com CaixaBank i BBVA també han desenvolupat els seus propis assistents virtuals, que milloren l’experiència del client i redueixen costos.
A escala internacional, JP Morgan Chase ha implementat Coin (Contract Intelligence), un sistema d’IA capaç d’interpretar acords de préstec comercial i fer en segons una tasca que abans requeria 360.000 hores de treball humà a l’any.
La IA està capgirant la manera com les entitats financeres avaluen la solvència dels clients i prenen decisions sobre préstecs. Empreses com Lenddo recorren a dades alternatives, com ara l’activitat a les xarxes socials i els patrons de navegació web, per avaluar la solvència de persones sense historial creditici tradicional.
A Catalunya, start-ups com Nemuru es basen en IA per automatitzar i agilitzar el procés de concessió de préstecs. Permeten així a les petites i mitjanes empreses accedir a finançament de manera més ràpida.
La gestió de carteres d’inversió també s’està beneficiant de la IA. Empreses com Wealthfront i Betterment als Estats Units, i Indexa Capital a l’Estat espanyol, utilitzen algorismes d’IA per crear i gestionar carteres d’inversió personalitzades per a cada client. Aquests assessors automàtics (roboadvisors) prometen democratitzar l’accés a serveis d’assessorament financer professional a costos molt més baixos que els assessors humans tradicionals.
La start-up Finizens lidera aquesta manera de gestionar patrimonis oferint carteres d’inversió automatitzades i personalitzades mitjançant l’ús d’IA i dades massives (big data).
Anàlisi de sentiments
La IA també serveix per predir moviments en els mercats financers i analitzar el sentiment dels inversors. Empreses com Sentifi usen tècniques d’aprenentatge profund per analitzar milions de publicacions en xarxes socials i mitjans de comunicació i generar informacions valuoses (insights) sobre el sentiment del mercat que poden ser rellevants per prendre decisions d’inversió.
L’ús creixent de la IA en el sector financer planteja desafiaments en termes de regulació i ètica. La Unió Europea aplicarà un marc regulatori per a la IA amb disposicions específiques per al sector financer. Iniciatives com l’Observatory for the Ethical and Social Impact of AI and Digital Technologies (OdiseIA) afronten el debat sobre l’ús ètic de la IA en les finances.
Un dels principals reptes és garantir la transparència i explicabilitat dels algorismes utilitzats en decisions financeres crítiques. La iniciativa IA Explicable (XAI) pretén desenvolupar sistemes que puguin argumentar les seves decisions de manera comprensible per als humans, un aspecte important en el sector financer.
Els experts preveuen que l’impacte de la IA en el sector financer creixerà en els pròxims anys. S’espera veure avenços en àrees com la personalització extrema de productes i serveis financers, la millora en la predicció i gestió de riscos sistèmics, l’automatització completa de processos de back-office i el desenvolupament de noves formes de criptomonedes i actius digitals gestionats per IA.
Iniciatives com el Barcelona FinTech City i el Payment Innovation Hub, una aliança entre CaixaBank, Global Payments, Samsung, Visa i Arval, estan fomentant la col·laboració entre start-ups, grans empreses i institucions acadèmiques per desenvolupar solucions innovadores basades en IA per al sector.
La revolució de la IA en el món financer és imparable. Des de l’assessorament robotitzat fins a la prevenció del cibercrim, aquesta tecnologia està remodelant cada racó del sector. Catalunya, amb el seu ecosistema innovador, s’ha posicionat com un actor clau en aquesta transformació.
No obstant això, el camí cap a un futur financer impulsat per la IA no està exempt de paranys. La bretxa digital, la privacitat de les dades i l’opacitat dels algorismes són aspectes que demanen solucions urgents. El veritable èxit d’aquesta revolució es mesurarà no només en termes d’eficiència, sinó també d’inclusió financera i confiança del consumidor.
En última instància, la IA en el món de les finances no tracta només de tecnologia, sinó de redefinir la relació entre les persones i els seus diners. El repte és aconseguir que aquesta nova era financera sigui més justa, accessible i comprensible per a tothom.
Copilot per a Microsoft 365: millora la productivitat
Copilot per a Microsoft 365 és una funcionalitat d’IA integrada que augmenta l’eficiència i la productivitat a les aplicacions de Microsoft 365 com Word, Excel, PowerPoint, Outlook, Teams i OneNote. Ofereix assistència en temps real, suggeriments de contingut i anàlisi de dades. A Word, genera, edita i resumeix contingut. Ajuda així a fer esborranys i a millorar la qualitat de l’escriptura. A Excel, analitza dades, identifica tendències i proposa escenaris per a la presa de decisions. A PowerPoint, converteix documents de Word en presentacions. A Outlook i Teams, gestiona correus, organitza reunions i resumeix converses.
Perplexity.ai: cerca i troba les respostes precises
Perplexity.ai és un innovador motor de cerca que proporciona respostes generades per IA. Ofereix informació detallada i precisa a les consultes dels usuaris. És ideal per buscar informació, resoldre preguntes complexes i donar suport a tasques d’investigació. Utilitzant models avançats de llenguatge, entén les consultes dels usuaris i genera respostes informatives i rellevants. Amb la seva capacitat per processar grans volums de dades i extreure’n la informació més pertinent, aquesta amenaça per a Google esdevé indispensable per a qualsevol persona que necessiti accedir ràpidament a coneixements fiables.
Diccionari
Processament del llenguatge natural
El processament del llenguatge natural (NLP) és una branca de la intel·ligència artificial que permet a les màquines entendre, interpretar i generar llenguatge humà. Les tècniques d’NLP s’utilitzen en diverses aplicacions com ara els assistents virtuals, traductors automàtics i anàlisi de sentiments. Faciliten així la interacció entre els humans i les màquines.
Optimització
L’optimització en intel·ligència artificial és el procés de trobar la millor solució possible per a un problema, ajustant els paràmetres del model per minimitzar o maximitzar una funció objectiu. Tècniques com ara el descens del gradient, la programació lineal i els algorismes evolutius són utilitzades per millorar el rendiment dels models i aconseguir resultats més precisos i eficients.
Sobreajustament
El sobreajustament (overfitting) passa quan un model d’aprenentatge automàtic aprèn massa bé els detalls i el soroll del conjunt de dades d’entrenament. Perd així la capacitat de generalitzar-se a noves dades. Això fa que funcioni molt bé amb les dades d’entrenament, però malament amb dades no vistes. Per evitar-ho, es poden utilitzar tècniques com la validació encreuada i la regularització.
‘Prompt’
Un prompt és una entrada o instrucció donada a un model d’intel·ligència artificial, sobretot en el context del processament del llenguatge natural. Per exemple, en un model de generació de text, el prompt és la frase inicial que guia la resposta del model. Els prompts ajuden a definir el context i la direcció de la sortida generada.
