Scott Zoldi, CAO de FICO
Cuando se habla de inteligencia artificial, análisis de datos y toma de decisiones estratégicas, FICO se posiciona como un referente global.
Con décadas de experiencia en el desarrollo de modelos predictivos, soluciones de optimización y herramientas para la gestión de riesgos, esta empresa ha transformado la manera en que industrias clave toman decisiones informadas. Desde el sector financiero hasta el retail y la salud, FICO no solo facilita la detección de fraudes, sino que también impulsa estrategias de negocio más eficientes.
En este artículo, exploraremos su impacto, innovación y el futuro de la toma de decisiones impulsada por la inteligencia artificial, gracias a un espacio que nos brindaron Scott Zoldi, CAO de FICO; Luis Silvestre, Consultor Principal Senior, Global Domain Presales en FICO y Fernando Martinez Cabra, Consultor Principal Senior, Global Domain Presales en FICO.
1. ¿Cómo integra FICO la inteligencia artificial y el aprendizaje automático en el análisis de datos para mejorar la precisión de los modelos de riesgo crediticio?
Scott Zoldi, CAO de FICO – La IA y el aprendizaje automático son herramientas increíbles para los científicos de datos, y en FICO se utilizan de muchas maneras para mejorar nuestros modelos. Tres de estas áreas son la Mejora de la Calidad de los Datos de Aprendizaje Automático, la Generación de Datos Sintéticos mediante IA Generativa Agenética y la Extracción de Características de Redes Neuronales Interpretables.
Mejora de la calidad de los datos de aprendizaje automático:
La calidad de los datos es un problema importante en el desarrollo de cualquier modelo; entre los retos más significativos se incluyen los datos que faltan, los datos incorrectos o corruptos, los ataques de adversarios, los problemas de representación de datos y los valores de datos que faltan. En todos los ámbitos, los modelos de aprendizaje automático se utilizan para garantizar que los datos utilizados en el desarrollo del modelo son sólidos. Esto se consigue mediante la supervisión continua de los datos atípicos y los cambios en la distribución de los datos. Los datos que resulten ser atípicos o cambiantes se excluirán o se utilizarán con moderación.
Cuando hay problemas con la calidad de los datos en campos (que pueden no ser fiables), estos campos de datos se excluyen del desarrollo del modelo, o los valores se imputan estratégicamente si eso ayuda a mejorar la precisión del modelo. Por último, los modelos de aprendizaje automático pueden diseñarse para identificar problemas con la representación adecuada de los datos, lo que es de vital importancia para evitar sesgos involuntarios en los modelos.
Generación de datos sintéticos mediante IA Generativa Agenética:
La generación de datos sintéticos es un factor crítico para desarrollar modelos más predictivos, robustos y estables, y adaptarse a los cambios de comportamiento de los clientes. Muy a menudo, los científicos de datos carecen de grandes volúmenes de datos reales de alta calidad, y aquí es donde los datos sintéticos pueden ser extremadamente útiles al proporcionar más ejemplos de comportamientos «buenos» y «malos» sobre los que se construirán los modelos.
La mejora de la robustez se consigue mediante un gran volumen de datos sintéticos variados, que ayudan a evitar que el modelo se sobreentrene con pequeñas cantidades de datos reales, lo que puede hacerlo demasiado sensible y falto de generalización. Los datos sintéticos también son importantes para los modelos estables, el desarrollo eficaz de modelos incluye la creación de escenarios de datos de clientes para probar si el modelo responderá adecuadamente a cambios que nunca ha visto antes, pero que podría ver en el futuro.
Redes neuronales interpretables Extracción de características:
Las redes neuronales están diseñadas para permitir que los modelos de aprendizaje automático exploren combinaciones de entradas para crear características latentes, que capturan relaciones no lineales entre variables. Esta capacidad permite mejorar el rendimiento de los modelos y reducir los falsos positivos en comparación con el uso de los datos en bruto.
Sin embargo, las redes neuronales suelen ser una «caja negra» que no permite a los humanos comprender las relaciones que impulsan un mejor rendimiento del modelo. Las redes neuronales interpretables son especializadas; pueden restringir los modelos para permitir la formación de características latentes con sólo una o dos conexiones.
De este modo, los científicos de datos pueden extraer e inspeccionar las características latentes menos complejas que mejoran el rendimiento para realizar estudios de palatabilidad, análisis de estabilidad y corrección de sesgos. Se pueden extraer y estudiar nuevos rasgos en los datos, y también se pueden descubrir las relaciones «malas», como las que pueden ser inestables o las que conducen a un sesgo imputado, y no permitirlas en modelos futuros.
2. ¿Qué medidas aplica FICO para garantizar la transparencia y evitar sesgos en los algoritmos de toma de decisiones empresariales basados en datos?
Scott Zoldi, CAO de FICO – FICO es pionera en IA responsable y, como tal, ha creado un estándar de desarrollo de IA para toda la empresa que obliga a que los modelos de IA sean sólidos, interpretables, éticos y auditables. Al aprovechar las redes neuronales interpretables, podemos inspeccionar todas las relaciones aprendidas por los modelos de aprendizaje automático y comprobar si cada característica latente interpretable es adecuada para impulsar los resultados del modelo.
También podemos comprobar el sesgo en términos de cómo se comportan estas características latentes en las distintas clases de clientes. Las diferencias significativas en el comportamiento de una característica latente entre dos grupos de clientes pueden detectarse en el entrenamiento del modelo y eliminarse del posible conjunto de características latentes utilizadas por la red neuronal interpretable.
Por último, para impulsar la transparencia total, FICO utiliza una aplicación de gobernanza de IA basada en blockchain para cumplir sus estándares auditables de IA; cada requisito del modelo, activo desarrollado, resultado de la prueba y logro de los criterios de éxito se registra en el blockchain, junto con la evidencia del trabajo realizado por los tres científicos designados como desarrollador, probador y validador del modelo. Esto permite que se cumpla el estándar de IA de FICO, se ejecuten los algoritmos de detección de sesgos y se registren los resultados, todo ello de forma inmutable en la blockchain de IA. No se publica ningún modelo a menos que se cumplan todos los requisitos.
3. ¿Cómo evolucionan sus modelos de gestión de riesgos ante cambios en el mercado financiero y nuevas regulaciones?
Luis Silvestre, Consultor Principal Senior, Global Domain Presales en FICO – Los modelos de FICO están diseñados para adaptarse dinámicamente al entorno cambiante con ciclos de retraining continuo, segmentación adaptativa y monitoreo en tiempo real de performance, lo que permite una respuesta oportuna ante eventos inesperados o cambios estructurales en el mercado, incluso las relacionadas con la gestión de datos o ajustes sin necesidad de rediseñar por completo los flujos analíticos existentes.
4. ¿De qué manera las soluciones de IA de FICO contribuyen a la detección y prevención de fraudes en el ámbito financiero?
Luis Silvestre, Consultor Principal Senior, Global Domain Presales en FICO – Las soluciones de FICO integran algoritmos avanzados de machine learning, modelos de comportamiento adaptativo, reglas configurables y analítica en tiempo real para identificar patrones anómalos, tipologías conocidas y amenazas emergentes, incluso antes de que se materialicen. En mercados como el colombiano, donde la digitalización de pagos avanza rápidamente y surgen nuevas superficies de ataque, es esencial contar con tecnologías que evolucionen al ritmo del defraudador.
Nuestras soluciones incorporan capacidades de detección de señales débiles, análisis de redes y construcción de perfiles dinámicos por cliente y canal, permitiendo decisiones automatizadas y precisas en milisegundos. Además, sumamos capacidades de comunicación omnicanal, que no solo mitigan el riesgo, sino que mejoran la experiencia del cliente y fortalecen la confianza digital.
5. ¿Cuáles son los principales desafíos y oportunidades que FICO ha identificado en el uso de IA y machine learning para la optimización de la toma de decisiones empresariales?
Fernando Martinez Cabra, Consultor Principal Senior, Global Domain Presales en FICO – Indiscutiblemente la generalización del uso de la IA está revolucionando en los últimos años el enfoque para la toma de decisiones automáticas en prácticamente todas las industrias y sectores y las oportunidades que está sacando a la superficie abarcan desde un perfilamiento más fino de los clientes, predicciones más certeras en todos los ámbitos, reducción al mínimo de intervenciones manuales y sus consecuentes riesgos operativos, así como una eficiencia y velocidad en los procesos nunca antes vista.
Entre los principales retos que observamos en la adopción y aprovechamiento óptimo de IA y machine learning destacaríamos la calidad, granularidad y profundidad de los datos históricos necesarios para desarrollar de manera confiable estas técnicas, así como la falta de tecnologías en muchas organizaciones que permitan la operacionalización de estos nuevos modelos de manera efectiva, ágil, rápida y segura.
Otro elemento de frustración que vemos repetitivamente en el mercado es la selección de casos de uso donde la aplicación de técnicas de IA no aporta un valor efectivo inmediato. En este sentido, una investigación reciente descubrió que solo 1 de cada 8 proyectos piloto de IA terminó siendo operacionalizado en Producción a gran escala.
Tampoco conviene perder de vista las limitaciones impuestas por los organismos reguladores de cada industria en esta materia, especialmente en sectores tradicionalmente altamente regulados como los de servicios financieros o seguros, donde se pondrán serias cortapisas, o directamente se prohibirán, modelos regulatorios desarrollados con técnicas de IA o machine learning sin supervisión.
También vemos probable que las diferencias en la rigurosidad de los reguladores lleven a una evolución de estos modelos a diferentes velocidades, siendo muy rápida en mercados tradicionalmente menos regulados (USA, China) y más lenta en geografías donde la huella del regulador habitualmente se deja sentir más (América Latina, Europa).
6. ¿Cuál es la importancia del almacenamiento de los datos y seguridad en las empresas de Colombia?
Luis Silvestre, Consultor Principal Senior, Global Domain Presales en FICO – El almacenamiento seguro y gobernado de los datos no es solo un requisito operativo: es un activo estratégico que impulsa la transformación digital con confianza. Con décadas de experiencia en modelos de consorcio en mercados altamente regulados, FICO ha acompañado a instituciones financieras en el diseño de arquitecturas de datos resilientes, colaborativas y escalables, preparadas para soportar inteligencia artificial avanzada sin comprometer la privacidad ni la integridad.
Esto incluye cifrado de extremo a extremo, segmentación dinámica de datos sensibles y monitoreo continuo de accesos. Pero vamos más allá: promovemos una gobernanza inteligente que permite la reutilización segura de datos en distintos frentes del negocio, convirtiendo la seguridad en una ventaja competitiva sostenible.