El centro especializado en el desarrollo de soluciones de IA desembarca en M茅xico y Turqu铆a con el fin de crear productos de manera global y aprovechar el conocimiento de todo el grupo.
La factor铆a de inteligencia artificial (IA) de BBVA investiga las听煤ltimas tendencias mundiales en la citada tecnolog铆a听y desarrolla componentes anal铆ticos para habilitar soluciones tecnol贸gicas. Ahora, con la apertura de dos nuevos centros en M茅xico y Turqu铆a 鈥搇as regiones con mayor volumen de clientes y negocio del grupo junto a Espa帽a鈥�,听la entidad financiera internacionaliza esta factor铆a听para impulsar la creaci贸n a escala global de sus productos y servicios y la transformaci贸n de sus procesos internos con IA.
Para dotar a los nuevos centros,听BBVA ha contratado a 230 nuevos profesionales en anal铆tica avanzada e IA, que se suman a los 200 de la sede espa帽ola. Entre las nuevas incorporaciones se encuentran cient铆ficos de datos, ingenieros de machine learning, desarrolladores, arquitectos de datos y expertos en producto digital. De esta forma el banco听duplica as铆 su talento hasta alcanzar los听m谩s de 400 profesionales.
Modus operandi
Los tres centros est谩n impulsando ya de manera coordinada los distintos desarrollos de IA del banco. Algunos trabajos nacen sincronizados de manera global desde el primer momento, mientras que en otros casos se toma un desarrollo local para adaptarlo al resto de mercados de BBVA. El proceso de ideaci贸n de los proyectos se coordina de forma conjunta, lo que permite听aprovechar al m谩ximo la diversidad de conocimientos y talento de todo el grupo.
Algunos de los proyectos en los que est谩 inmerso el banco incluyen la creaci贸n de un asistente virtual plenamente conversacional que simplificar谩 la experiencia de usuario en los canales digitales, o el desarrollo de herramientas copilot que ayudar谩n a los gestores a aumentar la eficacia de su trabajo y mejorar el modelo de relaci贸n con los clientes.
鈥�Nos alineamos totalmente con las necesidades de las 谩reas de negocio y desarrollamos nuestros componentes anal铆ticos para responder a ellas, lo que nos permite听trasladar el m谩ximo valor de la IA a los clientes鈥�, explica听Ignacio Teul贸n, responsable global de BBVA AI Factory. 鈥淧ero al mismo tiempo, tenemos un enfoque transversal que nos permite ver c贸mo podemos听reutilizar estas 鈥榩iezas de Lego鈥�听en otros problemas de negocio totalmente distintos para optimizar el trabajo que hacemos鈥�.
En este sentido el ejecutivo dirige el foco hacia dos grandes l铆neas de trabajo: por un lado, la transformaci贸n del negocio bancario, 鈥減orque听la IA nos da un conocimiento profundo de nuestros clientes, con el que podemos ofrecerles soluciones de gesti贸n de salud financiera aut茅nticamente personalizadas鈥�; y por otro, la transformaci贸n interna que pasa por dotar a las distintas unidades del banco de herramientas que les permitan ser m谩s productivas y generar nuevos prototipos con m谩s rapidez, como la IA generativa y la听alianza con OpenAI听para introducir ChatGPT Enterprise en los procesos internos de BBVA.
Estrategia definida: reutilizaci贸n de c贸digo
鈥淟a IA nos da unos medios a煤n m谩s potentes para seguir situando al cliente en el centro de nuestra estrategia, pero tambi茅n nos ayuda a听aproximarnos a los problemas bajo una nueva perspectiva鈥�, afirma Teul贸n, en cuya trayectoria de m谩s de 20 a帽os en BBVA ha contribuido a impulsar su transformaci贸n digital, dar el salto a la banca m贸vil con su app y, ahora, a reforzar la estrategia de IA del grupo.
La reutilizaci贸n de c贸digo es uno de los pilares en el que se basan los desarrollos de IA en BBVA, ya que permite acortar los tiempos de creaci贸n de los productos y su puesta en marcha en todos sus mercados. Los desarrolladores de BBVA AI Factory centralizan sus componentes en la听librer铆a Mercury, que en la actualidad cuenta con听m谩s de 500 piezas de c贸digo听y听cada mes utilizan de media en torno a 100 cient铆ficos de datos de BBVA.
Los recursos disponibles en Mercury ayudan a crear muchas de las funcionalidades basadas en datos que el banco pone a disposici贸n de los clientes, como el categorizador de movimientos bancarios, la previsi贸n de gastos e ingresos o la detecci贸n de situaciones an贸malas en la cuenta. Este c贸digo tambi茅n se emplea internamente para听evaluar el funcionamiento de los modelos de datos, como por ejemplo un componente que se ha utilizado para aportar transparencia y听explicabilidad听a los modelos de machine learning con los que el banco detecta y hace una gesti贸n temprana de deuda.
Como retos a futuro, Teul贸n destaca la necesidad de seguir creando componentes anal铆ticos que respondan a retos de negocio espec铆ficos, pero mantengan un potencial de reutilizaci贸n, as铆 como compartir las mejores pr谩cticas globales en anal铆tica avanzada que se puedan trasladar a los negocios a nivel local. Adem谩s, considera crucial no perder el equilibrio entre el desarrollo aplicado y la investigaci贸n de tendencias, y aprovechar听la nueva oportunidad que presenta la IA generativa听para seguir ofreciendo valor a帽adido a los clientes y optimizar procesos internos.
