BBVA internacionaliza su factoría de inteligencia artificial

La factoría de inteligencia artificial (IA) de BBVA investiga las últimas tendencias mundiales en la citada tecnología y desarrolla componentes analíticos para habilitar soluciones tecnológicas. Ahora, con la apertura de dos nuevos centros en México y Turquía –las regiones con mayor volumen de clientes y negocio del grupo junto a España–, la entidad financiera internacionaliza esta factoría para impulsar la creación a escala global de sus productos y servicios y la transformación de sus procesos internos con IA.

Para dotar a los nuevos centros, BBVA ha contratado a 230 nuevos profesionales en analítica avanzada e IA, que se suman a los 200 de la sede española. Entre las nuevas incorporaciones se encuentran científicos de datos, ingenieros de machine learning, desarrolladores, arquitectos de datos y expertos en producto digital. De esta forma el banco duplica así su talento hasta alcanzar los más de 400 profesionales.

Modus operandi

Los tres centros están 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 ideación de los proyectos se coordina de forma conjunta, lo que permite aprovechar al máximo la diversidad de conocimientos y talento de todo el grupo.

Algunos de los proyectos en los que está inmerso el banco incluyen la creación de un asistente virtual plenamente conversacional que simplificará la experiencia de usuario en los canales digitales, o el desarrollo de herramientas copilot que ayudarán a los gestores a aumentar la eficacia de su trabajo y mejorar el modelo de relación con los clientes.

“Nos alineamos totalmente con las necesidades de las áreas de negocio y desarrollamos nuestros componentes analíticos para responder a ellas, lo que nos permite trasladar el máximo valor de la IA a los clientes”, explica Ignacio Teulón, responsable global de BBVA AI Factory. “Pero al mismo tiempo, tenemos un enfoque transversal que nos permite ver cómo podemos reutilizar estas ‘piezas de Lego’ en otros problemas de negocio totalmente distintos para optimizar el trabajo que hacemos”.

En este sentido el ejecutivo dirige el foco hacia dos grandes líneas de trabajo: por un lado, la transformación del negocio bancario, “porque la IA nos da un conocimiento profundo de nuestros clientes, con el que podemos ofrecerles soluciones de gestión de salud financiera auténticamente personalizadas”; y por otro, la transformación interna que pasa por dotar a las distintas unidades del banco de herramientas que les permitan ser más productivas y generar nuevos prototipos con más rapidez, como la IA generativa y la alianza con OpenAI para introducir ChatGPT Enterprise en los procesos internos de BBVA.

Estrategia definida: reutilización de código

“La IA nos da unos medios aún más potentes para seguir situando al cliente en el centro de nuestra estrategia, pero también nos ayuda a aproximarnos a los problemas bajo una nueva perspectiva”, afirma Teulón, en cuya trayectoria de más de 20 años en BBVA ha contribuido a impulsar su transformación digital, dar el salto a la banca móvil con su app y, ahora, a reforzar la estrategia de IA del grupo.

La reutilización de código es uno de los pilares en el que se basan los desarrollos de IA en BBVA, ya que permite acortar los tiempos de creación de los productos y su puesta en marcha en todos sus mercados. Los desarrolladores de BBVA AI Factory centralizan sus componentes en la librería Mercury, que en la actualidad cuenta con más de 500 piezas de código y cada mes utilizan de media en torno a 100 científicos de datos de BBVA.

Los recursos disponibles en Mercury ayudan a crear muchas de las funcionalidades basadas en datos que el banco pone a disposición de los clientes, como el categorizador de movimientos bancarios, la previsión de gastos e ingresos o la detección de situaciones anómalas en la cuenta. Este código también se emplea internamente para evaluar el funcionamiento de los modelos de datos, como por ejemplo un componente que se ha utilizado para aportar transparencia y explicabilidad a los modelos de machine learning con los que el banco detecta y hace una gestión temprana de deuda.

Como retos a futuro, Teulón destaca la necesidad de seguir creando componentes analíticos que respondan a retos de negocio específicos, pero mantengan un potencial de reutilización, así como compartir las mejores prácticas globales en analítica avanzada que se puedan trasladar a los negocios a nivel local. Además, considera crucial no perder el equilibrio entre el desarrollo aplicado y la investigación de tendencias, y aprovechar la nueva oportunidad que presenta la IA generativa para seguir ofreciendo valor añadido a los clientes y optimizar procesos internos.