Data e IA generativa en BBVA: Caso Perú

Un gran reto en el sector financiero peruano es integrar herramientas como la IA generativa sin comprometer la seguridad y exactitud que exige su modelo de negocio, y para entender cómo se está gestionando esta transformación desde las bases de una de las entidades financieras más importantes en Perú, conversé con Benjamín Chávez, Gerente General Adjunto de Engineering de BBVA en Perú.

Entrevista a Benjamín Chávez (BBVA Perú)

1) Benjamín, como Líder del equipo a cargo de Data e IA en BBVA, comprendes la naturaleza probabilística de los LLMs (predicen palabras, no verdades). Sin embargo, la banca y las finanzas son industrias deterministas (el saldo debe ser exacto). Desde una perspectiva técnica, ¿es posible reconciliar estas dos naturalezas? ¿O la industria financiera debe aceptar que la IA Generativa nunca tocará el ‘Core Bancario’ y solo servirá para capas de asistencia?

Sí, sí es posible reconciliar ambas naturalezas probabilísticas y deterministas, la clave no está en pedirle a la IA que realice tareas deterministas (como cálculos de tasas o comisiones), sino en pedirle que orqueste a los componentes que mejor sabe hacerlas (APIs, procesos o reglas de negocio). En el banco, hemos adoptado este enfoque mixto lo que significa que usamos el LLM (el cerebro probabilístico) para lo que es mejor: entender la intención del cliente, el contexto y el lenguaje natural. Pero cuando llega el momento de ejecutar una transacción (consulta de saldo o cálculo de tasa) utilizamos nuestros sistemas transaccionales que son 100% deterministas y exactos.

Por otro lado, la IA Generativa abre una gran oportunidad para modernizar los sistemas “core” de los bancos con nuevas técnicas que harán posible acelerar la transformación de dichos sistemas.

2) BBVA acaba de completar hace poco la migración de ADA a AWS en Perú, consolidando una plataforma de datos a escala global. Si todos los bancos tienen acceso a las mismas nubes (AWS, Azure, GCP) y modelos fundacionales, ¿dónde reside la ventaja competitiva técnica real? ¿Está en la arquitectura de la plataforma de datos, en la velocidad de adopción, o en algo más?

La migración a la nube era un imperativo. Casi todos los bancos ya están trabajando en la nube y esto, en efecto, por sí mismo no es un diferencial, la ventaja no está en la infraestructura. La diferencia está en explotar al máximo las virtudes de trabajar en la nube: tener los datos debidamente gobernados, con trazabilidad y listos para ser consumidos por nuestros modelos de forma industrial, mejorar nuestra velocidad de ingesta de tal forma que podemos desarrollar los modelos analíticos que necesitamos para crecer más rápidamente y con mayor calidad de datos.

De esta forma, lograremos convertirnos genuinamente en un banco data driven, es decir, que todas nuestras decisiones sean basadas en data y que la data sea el gran habilitador para crecer de manera rentable y ofrecer soluciones a nuevos grupos de clientes a los que hasta ahora aún no llegamos.

3) El proyecto ADA involucró a más de 400 usuarios y migración de datos críticos sin interrupciones. Al escalar hacia Agentes de IA y sistemas autónomos, ¿cuál es el mayor cuello de botella técnico para que estos agentes operen en entornos bancarios de producción donde el downtime no es opción? ¿Es confiabilidad del modelo o complejidad de integración?

El mayor desafío para escalar agentes de IA en la banca es integrarla de manera segura al corazón del banco: el core bancario. Este core procesa millones de transacciones críticas al día y no puede fallar.

A diferencia de otras industrias, en un banco no hay margen para errores, duplicidades........

© Gestión