- Inicio
- Blog Refinitiv
- AI y Digitalización
- Tres tendencias en inteligencia artificial y Machine Learning que vale la pena seguir en 2021
February 12, 2021 | IA & MACHINE LEARNING
Las tres tendencias de IA/ML que vale la pena seguir en 2021

Se ha demostrado que la inteligencia artificial (IA) y el Machine Learning (ML) son fundamentales para las estrategias comerciales de las empresas, una tendencia que se ha vuelto aún más fuerte desde el comienzo de la pandemia. Para mantenerse a la delantera de la competencia en este campo, el secreto está en reunir talento (profesionales de datos con conocimientos financieros específicos), hacer inversiones y tener las mejores herramientas tecnológicas.
- La inteligencia artificial explicable (explainable AI o xAI) es un desafío importante que se debe enfrentar para que las organizaciones puedan cumplir con los requisitos reglamentarios.
- Durante el año de 2020 surgieron nuevos roles para los profesionales que trabajan con ciencia de datos. Los científicos de datos ya han identificado nuevas formas de hacer negocios, lo que crea un valor considerable para las empresas.
- Muchas organizaciones ya recurren al Procesamiento de Lenguaje Natural (PLN) para entender el valor de los datos no estructurados. En una encuesta sobreMachine Learning realizada en el 2020, Refinitiv encontró que el 17% de las empresas usan solo datos no estructurados, un aumento del 2% en comparación con la encuesta del 2018.
El año pasado, con el inicio de la pandemia de coronavirus, el mundo empresarial experimentó cambios sin precedentes. De repente, las instituciones financieras tuvieron que repensar sus procesos y políticas, acelerar la transformación digital y adoptar tecnologías que puedan impulsar el crecimiento en un entorno de intenso cambio.
Y, bajo un clima económico más difícil, las organizaciones recurrieron a la IA y al ML en busca de un aumento en la automatización y la eficiencia. Esto permitió a muchos de ellos expandir masivamente sus operaciones y, al mismo tiempo, reasignar su capital humano.
El potencial de la inteligencia artificial y el Machine Learning ha aumentado exponencialmente. Algunas empresas ven los desafíos del cambio tecnológico como una oportunidad para aumentar la inversión en esta área y prepararse para el futuro.
El informe IA/ML 2020 de Refinitiv, "El Auge del Científico de Datos: Modelos de Machine Learning para el Futuro", muestra que el 40% de las empresas esperan aumentar la inversión en IA/ML a raíz del Covid-19.
A medida que avanzamos por el 2021, tres tendencias principales de IA/ML ganan terreno: explicabilidad de IA/ML; ascenso del científico de datos; importancia del Procesamiento de Lenguaje Natural (PLN).
Tendencia n.° 1: la explicabilidad se ha vuelto imperativa para la IA
La inteligencia artificial explicable (explainable IA o xAI), herramientas y estructuras utilizadas para garantizar que los resultados de los modelos de Machine Learning puedan ser interpretados por humanos, será uno de los grandes retos del 2021. Después de todo, ante el aumento de las inversiones en IA y la mayor adopción del Deep Learning (el 75% de las empresas encuestadas por Refinitiv están utilizando la tecnología), los riesgos crecen y los reguladores necesitan saber cómo se toman las decisiones. Y, en general, los modelos de Machine Learning no suelen ofrecer explicaciones para sus predicciones.
A medida que los modelos se vuelven más complejos y consumen conjuntos de datos más grandes y diversos, los desafíos solo aumentan. Frente a esta realidad, los usuarios principales de IA están creando equipos de gobernanza de modelos, contratando expertos lingüísticos para interpretar las decisiones e implementando herramientas como LIME (Local Interpretable Model Agnostic Explanations) para ayudar a explicar los modelos de IA/ML.
Sin embargo, existe una cierta incompatibilidad entre explicabilidad y desempeño. Esto se debe a que los modelos cuyas estimaciones son completamente transparentes tienden a tener menos capacidad de predicción, o son inflexibles y computacionalmente complicados. Aun así, debido a las regulaciones, gana la explicabilidad.
Para mejorar los resultados de IA/ML, LSEG Labs ha estado trabajando junto a investigadores de MIT-IBM Watson Lab para construir soluciones que puedan marcar la diferencia entre causalidad y correlación.
Hoy en día, la llamada inteligencia artificial débil, que realiza tareas específicas a un ritmo sobrehumano, encuentra dificultades para diferenciar entre acciones o estados que aparecen en proximidad (correlación) y acciones que realmente se afectan entre sí (causalidad).
Este problema se resuelve aplicando inferencias causales a las soluciones de IA. La inferencia causal es el proceso de sacar una conclusión sobre una conexión causal basada en las condiciones en las que ocurre un efecto. Esto da lugar a modelos y predicciones más concisos, así como a un razonamiento causal y una explicabilidad de mayor nivel.
Tendencia n.° 2: el auge del científico de datos
No podemos negar que el 2020 fue un año difícil. Pero hubo un lado positivo: proporcionó un trampolín para los profesionales de datos.
Se crearon nuevos roles profesionales en ingeniería y modelado de datos; hubo un aumento en la demanda de especialistas en adquisición de datos, derechos legales de datos e IA/ML; y han aparecido en el mercado “ciudadanos científicos de datos” que utilizan Python (lenguaje IA/ML) para acelerar la toma de decisiones.
Los científicos de datos altamente calificados ahora pueden traducir los requisitos comerciales al lenguaje de la ciencia de datos, identificar nuevas formas de operar y crear valor, aumentando la productividad y estimulando la economía. Es decir, estos profesionales emplean la ciencia de datos para ayudar a responder preguntas críticas y complejas en el mundo empresarial.
Refinitiv Labs, por ejemplo, respondió a las incertidumbres causadas por la pandemia con el lanzamiento del Covid-19 Company News Tracker, que utiliza IA/ML para procesar noticias y luego detectar, clasificar y almacenar los riesgos y oportunidades antes mencionados. Con la señal de serie temporal resultante, las empresas pueden centrarse en los impactos materiales en lugar de apuntarle a las noticias generales, lo que ahorra tiempo y esfuerzo valiosos.
Captura de pantalla de Covid-19 Company News Tracker.

La necesidad de contratar científicos de datos con un buen dominio de las estadísticas y conocimientos de otras áreas específicas se ha hecho más intensa que nunca. De acuerdo a la Encuesta Refinitiv 2020, ahora hay, en promedio, 17 funciones adicionales que los científicos de datos pueden realizar en las empresas que no existían hace 2 años. Y la cantidad de empresas con cinco o más equipos dedicados a la ciencia de datos ha aumentado a un 28% (consulte la imagen a continuación).

Refinitiv está ofreciendo capacitación a comunidades cada vez más amplias de científicos y profesionales de datos ofreciendo una plataforma abierta y soluciones tales como la sofisticada herramienta de exploración de datos, además del CodeBook, un entorno de desarrollo de Python que permite la construcción e implementación de modelos IA/ML de forma rápida.
Tendencia n.° 3: Procesamiento de Lenguaje Natural (PLN) transformando el sector financiero
El crecimiento exponencial de los datos, la mayor potencia computacional, los avances en la tecnología PLN y los nuevos modelos IA/ML están creando una oportunidad significativa para las empresas de servicios financieros.
Aunque los datos estructurados se han democratizado en gran medida en los últimos años y han ido perdiendo valor, los datos no estructurados están creciendo y ganando importancia. Y esto ocurre cuando las instituciones financieras recurren a PLN para aprovechar mejor estos datos y expandir su uso y eficiencia, utilizándolos para señalar nuevas posibilidades comerciales y generar más ingresos.
Inclusive el informe Refinitiv 2020 sobre IA/ML destaca un mayor uso de datos no estructurados. Hoy en día, el 17% de las empresas utilizan apenas este tipo de datos, mientras que hace dos años esa cifra no superaba el 2%.


La evolución del Procesamiento del Lenguaje Natural (PLN) está estrechamente relacionada con los avances en el área de datos. Y Refinitiv, como proveedor de datos líder mundial, obviamente viene usando PLN de varias maneras. Los ejemplos incluyen desde la inserción de PLN y IA/ML en su contenido, como en Machine Readable News, hasta el uso de PLN para mejorar las operaciones internas.
De cara al futuro, vemos dos desarrollos muy prometedores relacionados con PLN.
El primero es la comunicación no verbal. Hay una inversión creciente, tanto en términos de tiempo como de dinero, para hacer que las máquinas no solo entiendan lo que decimos, sino también cómo lo decimos. Esto es particularmente interesante, ya que con nuestro cambio a ambientes de trabajo virtuales, el lenguaje corporal y las expresiones faciales se han vuelto más importantes que nunca.
En otro frente, el Refinitiv Labs está explorando la posibilidad de proporcionar a los clientes modelos PLN formados a partir de nuestros propios conjuntos de datos. Esto les permitirá "entrenar" sus modelos basándose en nuestros ejemplos, lo que puede mejorar drásticamente el rendimiento.
Ante todo esto, mi consejo es: estén atentos a esta parte, porque lo que se dice por ahí en Wall Street es que son las palabras las que nos darán la ventaja real en el 2021.