Estos son los planes de Goldman Sachs con la inteligencia artificial generativa

De vez en cuando se produce un avance tecnológico extraordinario que cambia la forma de hacer negocios. Y, según uno de los ejecutivos tecnológicos más importantes de Wall Street, estamos a las puertas de otro gracias a los recientes avances de la inteligencia artificial. 

"Nací en los años sesenta. He visto la era preinformática y soy un empollón desde los 10 años. He jugado con casi todo y esto, al menos a mí, me parece instintivamente una de esas dos o tres cosas realmente grandes que he visto en mi vida", explica a Business Insider Marco Argenti, director de Sistemas e Información de Goldman Sachs, refiriéndose a los grandes modelos de lenguaje (LLM), la misma forma de inteligencia artificial que hay detrás de ChatGPT. 

Desde el lanzamiento de ChatGPT —el potente chatbot de IA que puede producir respuestas similares a las humanas a casi cualquier pregunta o consulta—, personas y empresas por igual han sido testigos de los primeros pasos de lo que muchos consideran una tecnología revolucionaria.

La tecnología está cambiando todo, desde la forma en que aprenden los niños hasta cómo programan los desarrolladores de software, e incluso con quién tienen citas las personas. Wall Street no es una excepción, ya que la IA generativa y los modelos de lenguaje amplio (la tecnología en la que se basan ChatGPT, Bard de Google y otros) están a punto de sacudir el mundo de los negocios, desde la gestión de patrimonios hasta la banca de inversión. 

Para Goldman Sachs, la IA no es nada nuevo. El banco ha apostado por esta tecnología desde que contrató a Dimitris Tsementzis en 2018 para crear un equipo (ahora de unas 15 personas) que sentara las bases del aprendizaje automático y la IA en Goldman. Con los avances en IA generativa y grandes modelos de lenguaje, el abanico de posibilidades se ha abierto de par en par. 

Pero con este potencial han surgido algunas incertidumbres en torno a la propiedad intelectual, la regulación y la privacidad. A pesar de que Goldman (junto con Citibank y JPMorgan) ha bloqueado el acceso de sus empleados a ChatGPT, el banco sigue trabajando con esta tecnología.

Argenti señala que el bloqueo de ChatGPT por parte de los bancos no difiere del proceso habitual de las empresas que bloquean completamente el acceso sin restricciones a internet en los dispositivos de trabajo.

"Hay un aspecto de seguridad y otro de utilidad, y en esa intersección es donde tenemos que navegar", afirma Argenti. 

Argenti y Tsementzis exponen tres formas en las que Goldman está experimentando con grandes modelos lingüísticos.

Resumir y extraer datos de los documentos

Según Argenti, el proceso de gestión de documentos de Goldman puede mejorar con el uso de la IA generativa. Los bancos manejan innumerables documentos legales relacionados con préstamos, hipotecas y derivados. Estos documentos no estructurados, a menudo redactados por abogados, son extremadamente complejos y no están preparados para ser procesados por una máquina. 

"Es un problema en el que llevamos mucho tiempo trabajando", afirma Argenti. 

Dado que la IA generativa es realmente buena a la hora de tomar información no estructurada y resumirla, el banco puede utilizar la tecnología para extraer la información necesaria y ponerla en un formato legible para una máquina.

La mayoría de los bancos ya utilizan una forma de IA, llamada procesamiento del lenguaje natural, para extraer datos de documentos no estructurados. Sin embargo, los grandes modelos lingüísticos podrían ser una forma más eficaz de atacar el mismo problema, y potencialmente mucho más rápida que la que se utiliza actualmente. 

Ayudar a los ingenieros a analizar toda la documentación del código

Según Argenti, los ingenieros de software pierden mucho tiempo descifrando el código escrito por otras personas. Cuando una empresa tiene miles de ingenieros, aprovechar lo que ya está disponible es primordial, pero eso implica entender lo que ya existe. 

En la mayoría de las empresas, los ingenieros llevan un registro del código, los sistemas y la arquitectura en los que trabajan, pero "la documentación nunca es realmente buena", afirma Argenti. 

La capacidad de la IA para resumir la información podría ayudar. Goldman está estudiando la forma de que los ingenieros puedan pedir a la IA que les explique un fragmento de código y obtener un resumen en un inglés sencillo, explica Argenti. 

Es una tarea sencilla, pero a la escala a la que opera la organización de ingeniería de Goldman (unos 12.000 ingenieros), puede suponer una gran diferencia, subraya Argenti. 

Conseguir que los trabajadores no tecnológicos hagan más con el software

Las empresas de Wall Street llevan mucho tiempo intentando aprovechar las ventajas de la automatización con código mínimo o sin código, lo que permite a los empleados sin conocimientos técnicos automatizar procesos mediante gráficos o símbolos en una pantalla de ordenador en lugar de la programación informática tradicional. Es similar a incrustar un tuit haciendo clic en los botones de opción de Twitter, en lugar de escribir la línea de código. 

Pero Argenti sostiene que este tipo de casos de uso sólo se han realizado parcialmente, y que los LLM podrían constituir una alternativa atractiva. 

"Durante mucho tiempo hemos soñado con el desarrollo ciudadano, el low-code, el no-code, etc., ¿verdad? Personas inteligentes que no son programadores", explica Argenti. "Cuando hablamos de automatización, hay muchos intentos fallidos", añade.

Esto se debe a que muchos casos de uso de la automatización se basan en lo que se llama un enfoque imperativo de la programación, que se basa en decirle a un sistema cómo debe hacerse algo, paso a paso, explica Argenti. La automatización de procesos robóticos, que es un software que repite automáticamente determinadas tareas, es un ejemplo de ello. Según Argenti, este enfoque no se adapta bien y, si la persona que creó el flujo de trabajo automatizado se marcha, "nadie más puede ir a resolver esas cosas porque, al fin y al cabo, esas personas no son desarrolladores".

Pero los LLM permiten a los empleados no técnicos adoptar un enfoque declarativo de la programación, que indica al sistema lo que quiere el usuario, en lugar de cómo quiere que se haga algo. 

Los analistas y el personal de la empresa podrán escribir una pregunta en inglés sencillo, del mismo modo que se la harían a un colega: por favor, haz esto. Ten cuidado con esto, y aplícale este formato. 

También facilitaría a los trabajadores no técnicos la realización de cambios a posteriori, ya que se presentaría de una forma que ellos pudieran entender, en contraposición a las líneas de código.