#17 Hacia dónde va el JP Morgan Chase con la inteligencia artificial
Caso de estudio
Según el estudio “Sociedad digital en España 2023” presentado por la Fundación Telefónica, la velocidad con la que aprenden los modelos de inteligencia artificial ha aumentado por un factor de 100 millones de veces en solo 10 años. A esta velocidad de cambio las organizaciones no tienen otra alternativa que prepararse para “correr” no una ola, sino una serie de olas. Una forma de hacerlo es analizar cómo están enfrentando este desafío las organizaciones que operan en los mercados más desarrollados.
En este artículo (nueva categoría en este blog llamada “Caso de estudio”) revisamos cómo está enfrentando el banco más grande del mundo según el valor de capitalización bursátil, JP Morgan Chase, el desafío de la inteligencia artificial (IA) a partir del análisis de cuatro patentes que ha presentado relacionadas con esta tecnología.
Contenido
Tinder de la inversión
Analítica financiera como servicio
Reclutador inteligente
Practicante inteligente
Conclusiones finales
Tinder de la inversión
Fecha de publicación: 13 de abril 2023. Código: US 20230110458 A1
Al mismo estilo del aplicativo móvil Tinder que busca emparejar románticamente dos personas con ciertas afinidades, esta patente (Method and systems for matching inverstors with companies) busca “emparejar” inversionistas con empresas.
El desafío
Según JP Morgan Chase, poner en contacto a las empresas con los inversores y a los inversores con las empresas ha sido durante mucho tiempo un problema en la banca de inversión. Este ejercicio de emparejamiento es muy beneficioso tanto para los inversores como para las empresas que buscan financiación. Por un lado, ayuda a los inversores a identificar en qué empresas invertir y, por otro, ayuda a orientar a las nuevas empresas sobre a qué inversores dirigirse cuando buscan financiación.
Además, en las organizaciones financieras, esta búsqueda de socios puede tener consecuencias financieras directas, tanto para los inversores como para las empresas. De ahí que la capacidad de explicar por qué una determinada oportunidad de inversión es beneficiosa para los inversores y por qué una empresa emergente debería dirigirse a un inversor concreto para obtener financiación sea fundamental.
Sin embargo, emparejar inversores y empresas y ofrecer explicaciones suele ser muy costoso, ya que implica la búsqueda manual de empresas e inversores, el análisis de su historial, su rendimiento y sus preferencias, por lo que se convierte en una tarea tediosa que implica una cantidad significativa de trabajo manual. Además, también conlleva errores humanos y los resultados suelen depender de la experiencia y los conocimientos individuales de las personas que intervienen en este proceso.
La solución
Lo primero que hace el modelo es recoger mucha información. Del lado de la empresa busca información como el sector de operación, tamaño, antigüedad, ubicación y capital ya levantado. Del lado del inversionista el modelo toma en cuenta factores como la industria preferida, estilo de inversión y ubicación.
A continuación, mediante un algoritmo basado en inteligencia artificial, esta tecnología calcula una "métrica de similitud" para saber si una pareja de empresa e inversor encajará bien, así como una explicación de por qué el algoritmo decidió que encajaban bien.
Esta tecnología tiene el potencial de ahorrar tiempo y dinero en el proceso manual de emparejamiento, eliminando la necesidad de mano de obra humana para analizar los antecedentes y el rendimiento de las empresas, o la fuente de inventores.
Reclutador inteligente
Fecha de publicación: 27 de abril 2023. Código: US 20230127725 A1
JP Morgan Chase busca dejar en manos de la inteligencia artificial la búsqueda del talento que requiere.
El desafío
Identificar y reclutar nuevos empleados es una parte importante de cualquier organización. Encontrar personas con valores y objetivos que estén en línea con los de JP Morgan Chase es fundamental para contratar un trabajador que se quede en la organización por un largo plazo. Los equipos de contratación externos muchas veces no entienden la cultura de la empresa por lo que les es difícil identificar a los candidatos que durarán mucho tiempo como trabajadores.
La solución
Esencialmente, esta tecnología utiliza datos públicos de los empleados, como su red interna o externa, para identificar a los candidatos y generar una "puntuación de confianza" para esa posible contratación. Esta puntuación indica lo estrechamente relacionado que puede estar el candidato con el empleado actual, lo fácil o difícil que puede ser contratar a ese candidato y si es o no adecuado para el puesto.
Una vez que el sistema identifica a un buen candidato, genera una "comunicación de contratación específica" para ponerse en contacto con él y supervisar su solicitud y situación laboral. Dado que este sistema se basa en el aprendizaje automático, la tecnología supervisa su eficacia a la hora de encontrar candidatos óptimos, si han sido contratados y si permanecen en la empresa, aprendiendo y mejorando a partir de experiencias anteriores.
Practicante inteligente
Fecha de publicación: 03 de agosto 2023. Código: US 20230244724 A1
JP Morgan Chase busca automatizar el tedioso trabajo de la investigación que usualmente es asignada a los practicantes.
El desafío
En una gran institución financiera como un banco, muchos equipos empresariales pueden basarse en diversos tipos de datos basados en la empresa, como los perfiles del equipo directivo, los productos y servicios, y las políticas medioambientales, sociales y de gobernanza (ESG) para tomar decisiones empresariales y servicios clave. Sin embargo, muchos de estos tipos de datos e información pueden no estar completos o incluso no existir en las bases de datos del banco.
Dicha información suele estar disponible públicamente a partir de fuentes de datos heterogéneas, como sitios web de empresas, informes anuales, registros reglamentarios, noticias y redes sociales. Sin embargo, la recopilación manual de estos datos a gran escala, que puede aproximarse a millones de empresas, plantea enormes dificultades. A medida que aumenta el número de empresas nuevas, se hace evidente la necesidad de disponer de herramientas autónomas completas para identificar y extraer información pública relevante sobre estas empresas.
Más concretamente, el problema que se plantea es que hay un gran número de startups, tanto privadas como públicas, e identificar y extraer información pública relevante sobre estas empresas es una tarea tediosa que implica una cantidad significativa de trabajo manual, con una alta probabilidad de pasar por alto varias empresas y también el riesgo de que se pierda mucha información relevante. Además, dado que existen muchas fuentes de datos públicos, cada una de ellas asociada a sus propias advertencias, encontrar y extraer información relevante de forma autónoma se convierte en un problema difícil de resolver
JPMorgan Chase busca ahorrar a los banqueros el tiempo, los “dolores de cabeza” y las peleas entre becarios que supone informarse sobre otras empresas.
La solución
Un sistema para descubrir y extraer automáticamente información sobre empresas públicas y privadas. Utilizando lo que denomina un "marco basado en la inteligencia artificial" que incluye el aprendizaje automático y el procesamiento del lenguaje natural, el sistema esencialmente desentierra toda la información disponible públicamente sobre una empresa y la agrega en un solo lugar.
En primer lugar, el usuario indica al sistema la empresa que le interesa, y el sistema accede a una fuente de datos públicos sobre la empresa mediante lo que denomina una "operación de rastreo web recursivo". A continuación, el usuario puede elegir de ese pozo qué datos en concreto quiere, y el sistema muestra la información a través de una interfaz de usuario.
Este sistema puede profundizar un poco más en una empresa o empleado que una búsqueda normal en Google o LinkedIn. El sistema puede rastrear información relacionada con personas, productos y empresas en su conjunto, incluido el número de empleados, el liderazgo, los activos bajo gestión, los medios sociales y la información sobre la política de la empresa, señalando específicamente que puede encontrar información ESG.
Analítica financiera como servicio
Fecha de publicación: 26 de octubre 2023. Código: US 20230342668 A1
JPMorgan Chase quiere hacer la ciencia de datos más accesible a los inversionistas principiantes en tecnología.
El desafío
JPMorgan señaló que las organizaciones pueden recopilar y crear millones de conjuntos de datos en un día cualquiera, lo que puede requerir un análisis manual. Esto afecta a la capacidad de un equipo de tecnología de la información para responder a un problema, ya que se tarda mucho tiempo en procesar un ticket. Además, el procesamiento puede ser impreciso e implicar una serie de pasos laboriosos, manuales y repetitivos.
La solución
Un sistema para ofrecer ciencia de datos automatizada como servicio. Si los clientes de JPMorgan tienen acceso a muchos datos, pero carecen de conocimientos técnicos, este sistema pondrá el análisis de datos y el modelado predictivo al alcance de su mano.
En primer lugar, este sistema toma el conjunto de datos de entrenamiento de un usuario y éste selecciona el tipo de motor de aprendizaje automático que desea que el sistema entrene con sus datos. A continuación, el sistema realiza un "análisis de datos de alto nivel" de los datos, que podría incluir la limpieza y el preprocesamiento de los datos para que el modelo de aprendizaje automático pueda entenderlos mejor.
A continuación, el sistema elige qué características de los datos puede utilizar para hacer predicciones, y el usuario clasifica esas características por orden de importancia. Por último, el sistema entrena al motor de aprendizaje automático para que realice las tareas que el usuario desea.
Una vez entrenado el modelo, el cliente puede empezar a utilizarlo: El motor de aprendizaje automático puede empezar a tomar "datos de producción", los datos con los que el usuario quiere que el modelo haga predicciones.
Comentarios finales
JP Morgan Chase busca ser el banco líder en el uso de la IA. Para ello segura ya tener más de 300 aplicaciones de IA en uso y tener un equipo de más de 1,500 ingenieros y científicos de datos.
Una de las decisiones más importantes que tiene que tomar todo líder de negocio en este 2024 es cómo abordar el uso de la IA en su organización, ya sea que ya la estén usando o empezando a evaluar. Identificar cuál o cuáles son las organizaciones líderes en el uso de la IA en su industria, es uno de los elementos a evaluar para dicha decisión.
Incluso ese análisis debería llevar un elementos de prospección sobre los pasos que estarían evaluando esas organizaciones referentes en el uso de la IA. Una herramienta muy útil es identificar y evaluar las solicitudes de patentes que han ingresado para el uso de IA.
Al 2030 no habrá empresa que opere en el mercado que no haga uso intensivo de la IA. Cómo definas hoy su uso para los próximos cinco años decidirá el éxito o fracaso de tu organización.
¡Gracias por llegar hasta aquí! Si te ha gustado este artículo no olvides de compartirlo.
Y si deseas profundizar sobre este tema y evaluar cómo desde Moddula podemos ayudarte, puedes hacerlo programando una sesión exploratoria en este enlace:
¡Hasta la próxima semana!