Nolan Gaete: La inteligencia artificial, como hemos dicho en otros capítulos, ha impactado en varias industrias y la financiera no se queda atrás. Entonces, para hablar de este tema, en este capítulo hemos traído a un ingeniero en información y control de gestión, magíster de Finanzas de la Universidad de Chile y magíster en Finanzas de la Universidad de Illinois y actualmente docente de Finanzas de la Facultad de Economía y Negocio de la Universidad de Chile. Y quizás un amigo de la casa. ¿Don Ivanavarca, cómo está usted?
Iván Abarca: Bien, muchas gracias, Nolan. Un gusto estar acá y bueno, saludo a todos los que están escuchando.
Nolan Gaete: Muy bien, muy bien. Entonces, como decía, en este capítulo vamos a hablar cómo impacta la inteligencia artificial en la industria de las finanzas. Esto es inteligencia artificial para los negocios. Iván, muchas gracias por estar aquí en nuestro capítulo. Yo sé que has estudiado mucho de finanzas, tal cual como dijimos ahí al comienzo. Así que partamos inmediatamente en cómo ha impactado la inteligencia artificial en la industria de las finanzas.
Iván Abarca: Bueno, una pregunta muy interesante porque la respuesta es de muchas maneras. Ciertamente, la industria financiera se basa en los servicios que llegan a las personas y a la empresa, tales como pagos, intermediación financiera, seguros, gestión de riesgo y más. Y las tecnologías, por el otro lado, son cosas que vamos adhiriendo a nuestro modelo de negocio para que las empresas puedan cumplir mejor su propuesta de valor. La inteligencia artificial es una más de todas las tecnologías que hay. Está, por ejemplo, la tecnología de las API, está cloud computing, está distinta externalizaciones de servicios, machine learning, entra la inteligencia artificial generativa también. Y todas ellas apuntan a desarrollar de una mejor manera algún servicio financiero. Puede ser desde el punto de vista de la intermediación, desde el trading, desde los pagos, para evitar fraude o para mitigar ese riesgo de fraude, para reducir el riesgo operacional. También está la relación con los clientes. Estos chatbots que ustedes han visto que están en toda la empresa, bueno, en la industria financiera tienen un cariz un poco más desarrollado porque son susceptibles a datos muy importantes, que probablemente hablemos de eso un poco más adelante. Pero es algo que se está viendo a nivel de industria, a nivel de competencia, a nivel de autoridades financieras, de legislaciones. Todos ellos están apuntando a la inteligencia artificial como un gran motor que puede cambiar la industria y y bueno, vamos viendo, pero es un proceso continuo.
Nolan Gaete: Claro, de hecho, tú mencionaste que la industria financiera utiliza la inteligencia artificial en distintos ámbitos, por decirlo de alguna manera, de cara al cliente, pero también entendería que para sus operaciones internamente, sé que se utiliza, por ejemplo, para la evaluación de créditos para las personas ÿousand, también para riesgo de fraude. Qué otros modelos, o más bien, en qué otro sentido se utiliza la inteligencia artificial, pero partiendo primero por la predictiva, la, digamos, clásica.
Iván Abarca: La clásica y la exploratoria y explicativa, permite leer muchas más variables que antes y encontrar ahí ciertos atributos que son más destacables que otros. Es decir, cuál de todas las variables, por ejemplo, de un cliente incide más y de qué manera relacionada a otras. ¿Esto siempre me lo explicaron en el máster, como que está el modelo de regresión lineal, que es el típico que te pone muchas variables, o un logit, que el objetivo es ver cómo cambia una función objetivo o una variable explicativa con distintas otras variables, y ver cuál es el aporte marginal de cada una de ellas, cierto? Pero con la inteligencia artificial esto cambia, porque uno puede pensar en un modelo random forest o una red neuronal, y ya no hablamos de relación uno a uno marginal, sino hablamos de nodos y la interconexión de variables con las otras. Y eso provoca que tenga más complejidad. ¿Y si bien eso aumenta, disminuye los sesgos, cierto? Hace que los modelos sean un poco más precisos, hace que sean un poco menos explicables. Es decir, qué es lo que incidió para no darle el crédito a este cliente, por ejemplo.
Nolan Gaete: Claro.
Iván Abarca: ¿Qué es lo que incidió para que este cliente sí y este no? ¿Y después eso genera otro problema, que es cómo le explico a ese cliente que por esa razón no lo fue? Pero ciertamente, para redondearlo, lo que veo es que tú tienes muchas más fuentes de información que eres capaz de leer, eres capaz de incorporar a tus modelos, o puedes jugar y crear nuevos modelos Ÿousand, que es la palabra que se ocupa harto, como jugar, como tratar de incorporar un nuevo modelo de negocio a un nuevo proceso, actividad, lo que sea, pero con el fin mismo similar, que yo creo que es el mismo que hace 10 años, hace 20, que es maximizar cierta función objetivo, minimizar cierta función de pérdida.
Nolan Gaete: Claro. En ese sentido, en general, a nivel mundial, existen regulaciones que estén apuntando a poder explicar estos modelos o exigirle explicación a estos modelos.
Iván Abarca: Lo que tengo ahora en mente es lo que está en Europa, en la Unión Europea, con LGDPR o la directiva general de protección de datos personales, que dicen en una parte que aparte de ciertos principios que uno tiene, por ejemplo, el derecho al olvido, o derecho a cambiar los consentimientos, entre otras cosas, dicen una parte que si me rehúso a un cierto producto Ÿousand, me lo cancelan o me lo quitan. Deben explicarme con claridad por qué y de una forma inteligible. Entonces yo, banquero o empresa financiera, no puedo ir a decirle al cliente oye, es que el modelo en el nodo 42 de los 320 que tengo, me revela que esa combinación de las variables x, y, z que tú tienes, dice que aumenta tu probabilidad de default. Eso. Ahora, si bien es cierto el modelo puede funcionar y maximizar la precisión de este, no necesariamente es algo que sea aceptado o socialmente aceptado, que es como que una máquina te jugue de una forma tan directa y tan a secas. Por algo es un caso. Sé que otros países también están viendo como estas cajas negras, porque al final todos lo interpretamos como cajas negras, como estas cajas negras influyen e inciden en ciertas decisiones financieras. Pero al final es algo que está en continua evolución y está en las discusiones internacionales de todas partes.
Nolan Gaete: Y la academia ha dado su punto de vista en cuanto al uso de la inteligencia artificial en la industria financiera. En la industria financiera.
Iván Abarca: Bueno, de acuerdo a la literatura que he visto, hay ciertos principios que la inteligencia artificial debe seguir en la industria financiera, como por ejemplo, que sea entendible.
Nolan Gaete: Claro, claro.
Iván Abarca: Que sea de acceso comprensible y democrática, que le llaman. Que cumpla ciertas bases que se llevan con la sigla Front, que es fair, reasonable, entendible, me parece, y no discriminatoria. Si uno ahí googlea leyes Front, entonces como que sigue hacia el lado, porque va muy de la mano, como esto se alimenta con datos y con mucha información, va muy de la mano con lo que son la protección de los datos personales, la privacidad e incluso la estabilidad del servicio. Por ejemplo, hay muchos procesos de negocio que ocupan inteligencia artificial, no generativa, sino que automatización a la antigua. Los algoritmos.
Nolan Gaete: Claro.
Iván Abarca: Y se llegan a caer. Y tú puedes detectar bien por qué ocurre eso, pero el cliente no lo sabe. Y no sabe. El no saber puede llevar a que sea algo muy grave para él. Y tú tienes que darle una respuesta al cliente. Como que por ahí va. Y yo creo que distintas jurisdicciones van a estar incorporando de a poco, por el lado de conducta, los temas de inteligencia artificial Ÿousand. Y también quizá por el lado de comportamiento más operacional. Y eso está regulado por otro otro carril, digamos.
Nolan Gaete: Perfecto.
Iván Abarca: Que es más prudencial. Por el lado de que este riesgo operacional que te genera la inteligencia artificial, porque es inevitable, o sea, te exacerba riesgos de ciberseguridad, riesgo de terceras partes, riesgo de externalización, tenga ahí una cabida dentro de los marcos de la regulación Ÿousand que tienen distintas entidades. Te tengo un dato. Si quieres acelerar la adopción de la inteligencia artificial en tu empresa, tienes que saber esto. En EvoAcademy diseñamos distintos cursos corporativos sobre cómo adoptar tecnología e inteligencia artificial en tu empresa. Tenemos cursos diseñados para todo tipo de ejecutivos, donde explicamos en simple cómo entender el potencial de la IA, y también cursos más técnicos donde hablamos, cómo puedes construir aplicaciones utilizando modelos de lenguaje, entre otros cursos más. Revisa nuestro catálogo en EvoAcademy. Cl, cursos corporativos o en el enlace que te dejaremos en la descripción del podcast y lleva así tu empresa al siguiente nivel.
Nolan Gaete: Me gustaría adentrarme en los riesgos, dado que lo hemos hablado ahora al principio de la entrevista. Existen riesgos, por ejemplo, de sesgo. Es decir, que por algún motivo, alguna característica mía propia, quien se podría pensar a priori, quien no debería ser utilizada como para juzgarme como sujeto de crédito o no esté dentro del modelo. ¿De todos modos, ese tipo de sesgo, hay alguna forma de mitigarlo? ¿Se está trabajando en la industria en general?
Iván Abarca: ¿Bueno, siempre han estado los cejos antes y después de la inteligencia artificial, cierto? Y la generativa, como te digo, lo que hace es incorporar más variables y más metodologías para medir la misma función. Entonces, por un lado están las políticas que aprueban los directorios para dar un crédito, para llevar a sus comités y realizar ciertas evaluaciones. Entonces, estas deben tener escrito qué cosas sí se permiten y qué cosas no. Entonces, ese ajuste por lo general está sujeto a la revisión de varias partes, no solamente un comité, sino que gerente general, directorio, incluso algún supervisor.
Nolan Gaete: Claro.
Iván Abarca: Entonces, todo ello es como que se concatena para decir en el papel lo que se va a hacer. Y ahí por un lado, se pueden atajar los sesgos.
Nolan Gaete: Claro. Es decir, las mismas instituciones generan políticas de transparencia para utilizar ciertos modelos, que además están como supervisadas al final por un directorio o por una al final un grupo de gente experto que termina dando la última palabra.
Iván Abarca: Y bueno, el desafío ahí es que se puedan descifrar esas cajas negras.
Nolan Gaete: Claro.
Iván Abarca: Todos esos modelos de inteligencia artificial generativa que eventualmente se pueden utilizar para medir un riesgo de default ex ante, puedan ser lo suficientemente claras para poder explicarle a un gerente de riesgo o un comité de crédito por qué sí, por qué no, que qué cosas aumentan su posibilidad y qué cosas no. Bueno, y la otra cosa interesante es que ahora tú puedes incorporar muchas más variables y mucha más información. Un ejemplo que me dieron hace poco alguien de la industria fue que si tú tienes una persona que va al casino continuamente, probablemente esa persona tenga quizá algo de ludopatía. Y yo quisiera no darle el crédito a esa persona Zweitausendein, lógicamente. Pero démosle un poco más de vuelta. Si esa persona va continuamente a pasarlo bien y gasta siempre lo mismo, y tú ves en sus movimientos bancarios que gasta máximo, supongamos, $50000, $50 para los que están escuchándonos de afuera. Claro, claro. Entonces gasto siempre lo mismo, voy continuamente, voy a pasarlo bien, lo veo como una actividad. Y en realidad lo que revelo ahí no es ludopatía, sino todo lo contrario, autocontrol. Entonces, quizá la interpretabilidad que yo le doy a los datos puede ser un poco más sofisticada a partir de conductas, de maneras de pagar y cosas así.
Nolan Gaete: De hecho, me encanta el ejemplo que acabas de dar, porque ahí también nos adentramos en el otro tema que quería tocar, que era la información privada de las personas. ¿Actualmente hay normativa o reglamento, las mismas políticas de las instituciones financieras, de a qué pueden acceder y a qué no?
Iván Abarca: Sí, eso está en los términos y condiciones de los contratos. O sea, uno firma y aprueba aquello. Yo sé que muy pocas personas lo leemos, para ser honestos, pero ahí hay acceso a harta información. Ejemplo, yo abro ahora mi aplicación del banco y probablemente se va a enterar que estoy en esta parte a tal hora, que voy a revisar tal cosa. Y con eso incluso puedes juzgar si realmente es un comportamiento mío o no.
Nolan Gaete: Claro.
Iván Abarca: Entonces cada vez está una idea de César Hidalgo, el profesor que era del MIT, ahora está en Francia, dice uno va dejando rastros o polvitos de información en cada cosa que hace. Y por supuesto, si ocupa el producto financiero de una empresa específica, ellos por supuesto también tienen la oportunidad de ver esa información y agarrarla para incorporarla a algo. Es como un continuo.
Nolan Gaete: Es decir, a mí me encanta, por lo menos acá en Chile, los modelos anti estafa, por llamarlo de alguna manera, los modelos de fraude. Porque de repente, no sé, una vez me clonaron la tarjeta y me llegó inmediatamente un correo por algún movimiento extraño que están comprando no sé qué cosa, Timbuktu. Entonces, claro, esos modelos permiten proteger al final al cliente.
Iván Abarca: Claro. Y bueno, y también la reputación del emisor del producto. Y al final la red de pagos se protege con estas prácticas preventivas antifraudes, que ahora son, a mi juicio, más sofisticadas porque incorporan más información de distinto tipo. Por un lado están las marcas de las tarjetas que ÿousand, dicen bueno, este es nuestro modelo de fraude, así operamos. Y por otro lado están los emisores que tienen lo suyo. Y el autocuidado de cada uno, que también es importante. O sea, si yo veo en mi cartola algo que no, que yo desconozco, y asumiendo que yo no lo hice, por supuesto.
Nolan Gaete: Claro.
Iván Abarca: Lo correcto es notificar lo antes posible, dar de bajar la tarjeta. Ahora, eso es mucho más sencillo de hacer gracias a la inteligencia artificial, digamos, de primera generación, que puedo automatizar eso con un sitio web, con una aplicación, sin pasar por ir a la sucursal, llamar, esperar, y toda esa atención te la reduce a algo muy rápido. O sea, hay un upgrade también de Servicio al Cliente.
Nolan Gaete: Hablando más de investigación y publicaciones que han ido apareciendo de distintas instituciones y fundaciones a nivel internacional, entre ellas el Bis, dicen que la inteligencia artificial ÿ está creando y va a seguir creando un gran impacto en la industria. Y de hecho, hay una sugerencia que me llamó harto la atención de colaboración que pide la institución. ¿Qué importancia o qué tan crucial es esta colaboración entre entidades financieras, sean públicas, sean privadas?
Iván Abarca: Bueno, el Bis o el banco de pagos internacionales Ÿousand ciertamente una de las autoridades más importantes para autoridades financieras, para tomar decisiones de política y también para orientar a las entidades privadas, porque lo que ahí dicen es como esta es nuestra manera de ver el mundo. Y probablemente de ahí salen recomendaciones. Sin ir más lejos, de ahí vienen, por ejemplo, las reglas de Basilea, que son lo que los bancos siguen a través de las legislaciones bancarias. Zweitausendein entonces, en este reporte que tú citas es del reporte anual del BIS, que se publica a mediados de año todos los años. Obviamente el tema es qué es lo que es la contingencia del momento. Por ejemplo, los años pasados se habló de criptoactivos o de monedas digitales.
Nolan Gaete: Perfecto.
Iván Abarca: Habló, por supuesto, de la pandemia, del alza de la inflación, de la baja de la inflación. Y ahora el capítulo tres, que era de inteligencia artificial en las finanzas y en el sistema financiero. 1 de las recomendaciones justamente es colaboración, colaboración mutua, de buena fe, donde las entidades del sistema financiero puedan compartir buenas prácticas. Lo que hago yo pueda también servirme a mí como una especie de apertura mayor para comprender a través de seminarios, de publicaciones o de entrevistas o lo que sea, qué estoy haciendo para poder aprender y aplicarlo bien. Como una especie de comportamiento autorregulado, por decirlo, mientras no existe una regulación estricta. Claro, pero a nivel de supervisores, reguladores, también es ver otras prácticas internacionales. Ya te contaba lo del GDPR en Europa. Entonces, como que la colaboración se puede entender como quiero tratar de entender cómo ellos lo hacen bien y cómo lo incorporan, por ejemplo, para regular y supervisar bancos y qué cosas podemos aprender de eso. También se puede ver desde los datos, que es que haya una mayor apertura de los datos, siempre resguardando la privacidad y todo lo que relaciona a los datos de las personas, pero que estos datos puedan fluir de manera mayor con el propósito de o testear modelo o hacer investigación o utilizarlo para algún propósito ÿ pero que siempre como lo hable.
Nolan Gaete: Pero exactamente es lo que nosotros esperamos.
Iván Abarca: Es una hipótesis de trabajo súper fuerte. ¿Pero al final todo esto también está re protegido por los marcos legales, no? Yo no no puedo compartir un dato específico de ti si tú no me da el consentimiento.
Nolan Gaete: Exactamente.
Iván Abarca: O si no tienes derecho a demandarme o o a poner un recurso legal.
Nolan Gaete: Contra mí, o colocar una carita enojada.
Iván Abarca: Ahí, entre otras cosas.
Nolan Gaete: ¿Oye, y saliéndonos un poco de, digamos, los bancos comerciales o los bancos que son más conocidos o los servicios que son más conocidos para las personas, y adentrándonos un poco más en el mundo de las inversiones, he leído también publicaciones que la inteligencia artificial se está ocupando para optimización de portafolio, Ÿousand, para alocación de activos, etc. Quién me puede contar un poco más de ese mundo?
Iván Abarca: La gente que trabaja en finanzas le llaman a eso los quants.
Nolan Gaete: Perfecto.
Iván Abarca: Son aquellos que ocupan modelo matemático, econométrico, macrofinanciero o microfinanciero, lo que sea, con el propósito de tomar una decisión. Su output es una decisión la cual puede estar o automatizada o que te dé rápidamente la toma de decisión o te dé la sugerencia para que alguien lo haga. Al final hay una persona detrás poniendo la cara, tomando la decisión. El accountable que le llaman. Entonces, el caso que yo conozco y se ha explotado en el mundo y acá en Chile también incluso, es el de los robo advisors, que a partir de cierta información tuya bien explícita, preguntas, te sugieren, por ejemplo, un fondo de inversiones. Y ese fondo de inversiones asociado a tu perfil se va a ir actualizando acorde a una función de riesgo 1 metodología, que puede ser un valor en riesgo o un valor en riesgo condicional, el Expected shortfall, como le llaman. Entonces, todas esas cosas que vemos en los cursos de inversiones ahora, claro, se pueden automatizar más porque todos los días tengo más información. Y lo otro es el trading algorítmico, que es que continuamente, en cada momento del tiempo tengo información y yo la asimilo para tomar una decisión, que eso sería una gestión activa de un portafolio y por lo tanto yo decido rápidamente de acuerdo a lo que veo, lo que ocurre, a los precios, a las noticias. Y al final todo ahora son fuentes de información que se pueden incorporar. Y de eso también los nuevos modelos de LLM están nutriéndose aquello. Ya no solo precios pasados, sino que o precios del momento, sino contingencias, por ejemplo. Entonces, eso hace que el trading se ponga mucho más entretenido, a mi juicio. Yo no trabajo en eso, pero lo veo y conozco gente que puede ver noticias quizá casi en tiempo real.
Nolan Gaete: Claro.
Iván Abarca: Y yo le digo tú eres mágico, sabes las cosas antes de que ocurran. Pero es porque tienen buenos programas también.
Nolan Gaete: ¿Y eso, es decir, me encanta porque ahí siento que se está mezclando los modelos de inteligencia artificial predictivo lo que utilizamos antes con también los generativos que estamos utilizando ahora, lo que está en boga y de lo que básicamente hemos hablado durante varios capítulos en este podcast, cómo está impactando ahora ÿousand los LLM en la finanza? Y tú ya diste un ejemplo, que es el poder analizar quizás grupos grandes de noticias y poder tener un resumen y con eso tomar decisiones. ¿Hay algunos otros ejemplos donde se están ocupando los LLM?
Iván Abarca: Hay noticias, uno puede buscar en google bloomberg GPT. Bloomberg GPT, sí, que es como el generador que está basado en la información de de Bloomberg. Entonces tú le puedes pedir hazme una tabla con tales precios, con tales eventos, personalizarlo en lenguaje humano. Y eso por supuesto, te ayuda al análisis, te ayuda a tomar mejores decisiones. Por un lado, hace poco encontré un paper que les traje que se Yama Fingbt. Fingpt, claro. Que es como modelo de lenguaje enorme, pero para la industria financiera con código abierto, open source. Entonces ellos dicen, bueno, pescamos fuentes de información abiertas, ocupamos los actuales modelos líderes como ChatGPT o el de meta o el de Google, aplicamos ingeniería y generamos distintos productos para servicios específicos financieros. Uno de ellos es el trading o la inversión, la gestión de inversión activa.
Nolan Gaete: Claro.
Iván Abarca: Pero también puede servirte, por ejemplo, para educación financiera o para entender riesgos o para interpretar valores. Entonces, bueno, acá los tengo. Pero básicamente te dice, sirve para, por ejemplo, hacer un score de prácticas ESG o para create scoring, o para predecir la insolvencia de algo, para detectar fraudes, para la gestión de riesgos, para la optimización de portafolios, para los robo advisors que los mencionamos, para evaluar o predecir fusiones y adquisiciones, por ejemplo. Entonces, este es el caso que hicieron unos profesores de Columbia y de la Universidad de Nueva York en un paper que está disponible y bueno, ustedes lo pueden poner ahí en los comentarios. Pero al final está fluyendo esto y yo creo que estamos cercanos a una intersección de las dos cosas, de la parte generativa y la parte más predictiva, explicativa, porque los productos se están volviendo cada vez masivos. O sea, el costo de esto 10 años atrás era altísimo, pero ahora ellos dicen esto sale de 100 a $300 de implementar el costo implementar. Entonces imagínate los avances que estamos viendo. Es muy interesante.
Nolan Gaete: Vamos entonces ahora a dirigirnos no solamente a la parte de inversiones, a la parte de los bancos comerciales, sino que nos vamos a enfocar a la parte de educación financiera que tú también mencionaste. Es posible utilizar los LLM como complemento para poder hacerse una formación de manera de que una persona de a pie, una persona cualquiera, pueda empezar a entender un poco este mundo que pareciera que de la finanza es como de gurú, de gente que ha estudiado mucho, muy alejado a veces de las personas, entre comillas, normales, porque dicen que los de finanzas son bien anormales.
Iván Abarca: Lo somos, pero en cierta medida sí. Hay de dos formas. ¿Yo lo veo por un lado, la parte genérica, que es cuando cualquier persona, tú, yo, alguien de la calle, quien sea, le hace una pregunta al buscador o al LLM y le pregunta algo así como cómo puedo mejorar mis hábitos de ahorro? ¿O cómo puedo generar un plan para endeudarme sanamente?
Nolan Gaete: Claro.
Iván Abarca: Entonces te da por supuesto respuesta y te da luces y al final tú tomas la decisión. ¿Pero cada vez como se van complejizando esto LLM, tú le puedes hacer preguntas más interesantes como qué pasa si en vez de endeudarme a dos años me endeudo a dos y medio? ¿Qué pasa si la tasa de interés baja o sube? ¿Qué pasa con el costo del seguro? Y así tú le puedes dar más contexto, incluso le puedes decir explícame, como si fueras un experto en finanzas. Eso probablemente lo han visto con los prompts y cosas así, pero es como háblame como alguien que sabe, no como alguien que me quiere vender algo.
Nolan Gaete: Exactamente.
Iván Abarca: Entonces, por un lado te ayuda la gestión de tu ingreso, de tu ahorro, si tienes deuda, cómo pagarla de la mejor, la forma más eficiente. Pero claro, es como un consejo que antes te daría alguien con mucha expertise, con mucho conocimiento. Probablemente los advisors se me puede tirar al cuello en este momento. Pero claro, antes de contratar a cualquiera de ellos, trata de preguntarle tú a la inteligencia artificial para llegar con más preparación a él. Puede ser, sí, yo ese es un lado. Y el otro, a mi juicio, más entretenido y más sofisticado, que es que tú le proveas la información ÿousand a riesgo de que, bueno, esa información ya pasa a estar en la nube, yo creo, pero tú le digas, mira, esta es mi cartola, este es mi sueldo, estas son las deudas que tengo y estos son los compromisos que tengo mensualmente. ¿Ves alguna forma de optimizarme? Y por un lado te puede decir cosas de lugares comunes como Oye, deja de gastar tanta plata en esto.
Nolan Gaete: Claro.
Iván Abarca: Averigua cómo ahorrar acá, reduce esto, trata de renegociar esta deuda o cotiza este seguro, pero algo más enfocado a ti. Eso yo también lo he visto y hay varios casos en Google donde uno coloca finanzas personales e inteligencia artificial y te da ahí luces para tratar de administrar mejor tus finanzas personales, que es un propósito muy lindo. O sea, que las personas se lleven bien con sus finanzas y puedan cumplir sus propósitos de vida y tengan una salud y bienestar financiero.
Nolan Gaete: Mira qué bonito, qué bonito, qué bonito. Como para ir finalizando ya este capítulo, es decir, yo soy un fanático de la finanza, también lo estudié a cierto nivel, a cierto nivel también similar a Iván, pero un poquito menos. Y la verdad que yo creo que el tema de las finanzas personales y la educación financiera es sumamente importante. Y por lo menos acá en Chile, yo he visto que varios bancos al menos han implementado para sus clientes educación financiera. Entonces usar esos canales y también aprovechar la tecnología de la inteligencia artificial generativa y típico ChatGPT, para ir introduciéndose y aprendiendo más de esta industria, para saber al final la administración de tus bienes, de tus recursos, yo creo que es sumamente importante también incluso pensando para el futuro, para la vejez, para la jubilación, entre otros temas.
Iván Abarca: Claro. Ahora, bueno, las tendencias de educación son como dime en qué etapa de la vida estás, yo te diré entonces qué es lo más conveniente para ti. Claro, pero así como la inteligencia artificial me ayuda, por ejemplo, a cocinar o a hacer una dieta, o a mantener distintos hábitos ÿousand. Claro, uno tiene que ir arriesgando con preguntas que pueden parecer a veces muy personales, pero uno las plantea y ve si le hace sentido. Si al final, a mi juicio y como para ir redondeando, esto es como lo que va a diferenciar a la persona de la tecnología, que es el juicio, el contexto, la parte ya más emocional o la parte más de criterio, que lo que siempre me decían los profes en la universidad.
Nolan Gaete: Claro.
Iván Abarca: Al final usted va a ser contratado por su criterio profesional.
Nolan Gaete: ¿Oye, 1 pregunta, aprovechando que haces clase ahí en la FEN, en la Universidad de Chile, tú has utilizado estas herramientas para mejorar tu cátedra?
Iván Abarca: ¿Oye, una pregunta muy personal, pero sí, sí la has usado? Y también le digo a mis estudiantes que la usen. De hecho, ya como la parte Mira, yo hago clases hace más de 10 años en la universidad Zweitausendein y siempre o casi siempre he puesto pruebas con apuntes. Y ahora este semestre me viene el desafío de decir ya pueden utilizar inteligencia artificial.
Nolan Gaete: Qué miedo. El profesor me dice eso y yo me voy de la sala.
Iván Abarca: Sí, pero obviamente no es para que los que tienen ventaja le saquen más provecho, porque entiendo que hay gente que es novata en esto, todos los fuimos. Y entonces en las clases ocupamos el Google Colab para programar en Python, y tiene ahí una herramienta de preguntarle a la inteligencia artificial de Google, que es Gemini. Entonces uno le puede poner en lenguaje en español dame un código para implementar tal tabla, tal data frame o crear tal gráfico y lo hace. ¿El objetivo ahora es un paso más cómo modificarlo, cómo interpretarlo, para qué te sirve? Y por ahí van las preguntas. Eso es como por el curso de Data Analytics. Ahora, por los cursos de finanzas, ya más puros, teóricos, he pedido que, por ejemplo, me revisen pautas. Si yo hago un ejercicio, creo que está la respuesta que yo ideo en base a la pregunta que hago. ¿Y le digo, oye, está bien mi respuesta? Es decir, tener un juicio experto. Y esto es bueno plantearlo abiertamente, porque la inteligencia artificial permite reducir errores de ese tipo.
Nolan Gaete: Claro.
Iván Abarca: Reducir ese error operacional que incurría muchas veces, que subí la pauta dos o tres veces porque me equivoqué. Y a todos nos ha pasado también.
Nolan Gaete: Absolutamente.
Iván Abarca: Pero puede permitir mejorar la calidad de una clase, a mi juicio, mejorar el desafío de hacer una tarea, de hacer tareas en equipo, de mezclar otras cosas, de interpretar mejor datos ÿousand, de crear distintos outputs, tablas, gráficos, como quieras verlo. Entonces, todo eso es algo que tenemos que ir abrazando porque profesionalmente se ocupa y te agrega valor. O sea, yo creo que es como tener un súper analista ahí a la mano. Ahí a la mano. No lo puede llevar un directorio, no lo puede llevar a una presentación importante, pero sí está disponible para que tú realmente destines tu potencial a cosas estratégicas, a cosas de toma de decisiones o que te ayudan a agregar valor sobre la base de lo que uno se desarrolla, de lo que hace.
Nolan Gaete: Perfecto. Bueno, ya estamos llegando al final de esta entrevista. Quiero darte 1 min o 30 s, lo que quieras utilizar para dar tus últimos comentarios o algo que quizás nos faltó en este entretenido capítulo.
Iván Abarca: ¿Ya? Sí, o sea, dos cositas. Va a ser más de 1 min, pero va a ser. Dale, dale, dale. El Fondo Monetario Internacional este año creó un índice de preparación de inteligencia artificial. Afortunadamente Chile sale muy bien, sale del mejor de la región. Y ese índice tiene cuatro indicadores que miden qué tan preparado está el país para incorporar la inteligencia artificial a su economía o a sus procesos. Algo general, pero esto te lo puede hablar mucho mejor un economista, pero te habla de cuatro dimensiones, que es como capital humano, digitalización, ética, regulación y legislación. Y la otra es como preparación de los procesos de negocio. Y bueno, Chile tiene un indicador de 0,59, la economía avanzada tienen 0,68, que es entre cero, 1. Y bueno, y los países líderes están, por supuesto, EE.UU. dinamarca, y el líder máximo es Singapur.
Nolan Gaete: Singapur, sí.
Iván Abarca: Entonces ahí habría que ver qué buenas prácticas tienen y cómo ir incorporándola. Este índice lo encuentro muy entretenido, el paper lo leí hace poco y al igual que el otro, también va a estar ahí en los comentarios. Lo voy a dejar, me voy a encargar de que esté eso uno. Y logros que bueno, les tengo un regalo.
Nolan Gaete: ¿En serio? ¿A nosotros?
Iván Abarca: Sí, sí. Porque veo que tienen unos libritos ahí, entonces qué hermoso.
Nolan Gaete: Me siento emocionado.
Iván Abarca: Pero no tiene nada que ver con finanza, pero sí de inteligencia artificial. Este libro que se Yama Maniac, que lo recomiendo, me lo recomendó mi jefe, de Benjamín Labatout. Él es un escritor chileno, y habla acá distintas historias de cómo la tecnología, y en una específicamente habla de la inteligencia artificial, permean en lo cotidiano hasta el punto de ponernos en un límite. Yo recomiendo harto a este escritor, también he leído otros libros de él. Y el tercer capítulo, la tercera historia que cuenta, habla de la persona que era el mejor competidor de go del mundo, del juego de las piedritas, y se enfrentó a la máquina, que era Alphago, el 2016. La historia es buenísima, porque era un campeón de altísima alcurnia, muy preparado y muy sabio y soberbio, que perdió, porque esto es público, 4 de enero contra la máquina. Qué pasó en la partida 1,23 y por qué ganó una es algo que explica el libro. Y cómo esto al final llegó para quedarse, y por qué después este gran jugador quizá decidió no seguir jugando. Puede ser. Entonces va a estar ahí. Y yo les marqué acá la parte donde habla del caso de Alphago.
Nolan Gaete: Oh, muchísimas gracias. Bueno, Go, para los que quieran buscarlo ahí, es un juego de mesa muy entretenido, y la dificultad que tiene es que tiene demasiadas combinaciones, por tanto, computacionalmente es muy exigente. Claro. Nosotros sabemos de la historia que IBM logró vencer en ajedrez al campeón del mundo en aquella época.
Iván Abarca: Piensa, mi papá era ajedrecista y llegó deprimido el día que perdió Gary Kasparov contra DeepMind, me parece, a comienzos de los a fines de los 90, me acuerdo. ¿Y claro, el ajedrez tiene 64 casilleros, y el go tiene no sé, son líneas, cierto?
Nolan Gaete: Son líneas, claro. Y en cada vértice uno puede colocar una ficha, con ciertas restricciones, pero casi donde tú quieras. A medida que obviamente va avanzando el juego, van habiendo más restricciones y no puedes colocarlo en cualquier parte. Pero la gracia es lograr dominar el tablero rodeando a tu enemigo. Entonces las combinaciones son enormes.
Iván Abarca: Claro, y ahí te habla que es todo un arte, porque tú partes con el tablero vacío y lo vas llenando. En cambio en el ajedrez, o en las damas, o en el ludo, están las piezas del tablero de entrada. Entonces es otra manera de verlo. Yo lo encuentro muy entretenido. Y bueno, les recomiendo ese libro, ya como ir cerrando.
Nolan Gaete: Perfecto.
Iván Abarca: Agradecido por la oportunidad para que esté ahí entre estos libros tan tan fuertes como de competencia en la edad de la inteligencia artificial o Data science for marketing analytics y esas cosas. Bueno, una literatura chilena.
Nolan Gaete: Muchísimas gracias Iván por estar aquí en este capítulo abarcamos muchas cosas. Yo creo que este capítulo, si no nos estarían cortando allá en la mesa. Sería demasiado extenso porque me encanta la finanza, nos encanta la inteligencia artificial. Así que nuevamente, muchísimas gracias por estar aquí. Muchísimas gracias por el regalo. Obviamente lo vamos a guardar y lo vamos a estudiar a fondo esto. Y a ustedes la audiencia también, muchísimas gracias por estar aquí y espero que hayan disfrutado el capítulo. Cualquier cosa comenten. Vamos a asegurarnos de que todo lo que comentó aquí Iván esté en los comentarios para que ustedes también puedan acceder a ellos. Así que sin más que mencionar, muchísimas gracias y terminamos en el capítulo hoy. Nos vemos en la próxima. Hasta luego.
Iván Abarca: Chau.