El término “machine learning” (aprendizaje automático) ha logrado relevancia como parte del avance tecnológico y como consecuencia de la globalización. En cuanto a su definición, se entiende como un conjunto de técnicas que usan modelos matemáticos para que las computadoras u ordenadores aprendan de forma rápida y automática, mediante instrucciones o datos programados.
¿Cómo ha sido la incorporación del Machine Learning en el sector financiero?
No ha sido un proceso sencillo, si bien, la parte de la economía siempre requiere analizar el comportamiento de las personas para planear y diseñar medidas que impacten en la política económica, hay cierta complejidad en los algoritmos para su implementación en actividades financieras.
En el más reciente informe del Banco de España, Andrés Robisco y José Manuel Carbó, hablan sobre la alianza estratégica entre la inteligencia artificial y la economía y comparten que uno de los aspectos importantes a considerar es la debilidad del sector financiero, porque no siempre es sencillo interpretar los resultados que arroja. Hay un término conocido como caja negra, y si se habla en términos económicos y financieros, es de mucho interés para quienes lo elaboran y finalmente para quienes necesitan este tipo de información rápida y eficaz.
¿Cuáles son algunos de los ejemplos en el sector financiero?
Para efectos prácticos veamos lo que pasa en países como Estados Unidos o Europa, donde, en caso de no otorgarse un préstamo a un cliente, la institución o entidad debe explicar la razón por la cual se le niega este beneficio. Sin embargo, cuando se habla de la incorporación de machine learning o de inteligencia artificial en estos procesos, muchas veces se convierte en un obstáculo, lo cual preocupa a las autoridades financieras. En 2021, la Autoridad Bancaria de Europa se pronunció en caso del uso de machine learning, sobre todo cuando es utilizada para la toma de decisiones.
¿Qué ventajas tiene utilizar el machine learning?
La tecnología ha traído grandes avances, pero también áreas de oportunidad, sobre todo cuando se analizan los riesgos que se pueden generar. Un aspecto relevante es el tema de la regulación que implica el uso razonado y atendiendo valores fundamentales, evitando la discriminación y garantizando el respeto a la privacidad.
Todo lo anterior hace que se tenga que analizar el impacto del aprendizaje automático y la inteligencia artificial en temas financieros, tal es el caso de las predicciones que ayudan a economizar tiempo y dinero, sin embargo, a la hora de realizar las predicciones y analizar datos es necesaria la participación de personas expertas en diferentes áreas.
Por todo lo anterior, vale la pena preguntarse ¿Es el machine learning lo más apropiado para transformar al sector financiero?, ¿Serán reemplazadas las profesiones que analizan y hacen predicciones financieras por el machine learning?, ¿Está preparado el Gobierno para afrontar al machine learning? Son cuestionamientos que tienen que seguirse estudiando e investigando entre todos los actores que intervienen dentro del sector financiero, ante un escenario en constante cambio.
