Los modelos de inteligencia artificial (IA) están transformando los servicios profesionales, en especial el sector financiero. La automatización de tareas repetitivas mediante algoritmos avanzados ha permitido mejorar la eficiencia en el análisis de datos, optimizando la toma de decisiones en empresas de inversión y consultoría.
En un reciente episodio del pódcast AI + a16z, el socio de Andreessen Horowitz (a16z) Alex Immerman conversó con George Sivulka, fundador y CEO de Hebbia, sobre cómo los modelos de razonamiento y agentes de inteligencia artificial están revolucionando la productividad en sectores como las finanzas y el derecho. La discusión abordó temas clave como la evolución tecnológica en IA, su impacto económico global y la transformación del trabajo del conocimiento.
Leyes de escalado y su impacto en la IA
El crecimiento de los modelos de IA se ha visto impulsado por dos tipos de escalado: el escalado en el entrenamiento y el escalado en la inferencia. Según Sivulka, ambos responden a propiedades matemáticas universales más que a simples observaciones experimentales.
El primero consiste en mejorar los modelos mediante el aumento de datos y capacidad computacional, lo que ha sido la base del desarrollo de sistemas como GPT-3 y GPT-4. Sin embargo, el escalado en la inferencia ha demostrado ser una herramienta clave para mejorar el razonamiento de los modelos sin necesidad de más entrenamiento.
Ejemplos como los modelos 01 y 03, que optimizan el rendimiento utilizando más capacidad computacional en la inferencia, han extendido la utilidad de la IA a tareas de mayor complejidad en el ámbito financiero. Esta estrategia, originada en Hebbia, permite que los algoritmos realicen análisis más precisos y reduzcan la carga de trabajo manual en los servicios profesionales.
DeepSeek y el rol de China en la IA
El avance de la IA no se limita a Estados Unidos. DeepSeek, una iniciativa desarrollada en China, ha generado debate sobre si representa una auténtica revolución o si simplemente es una adaptación de tecnologías occidentales.
Sivulka sostiene que, aunque China ha logrado optimizar tecnologías creadas en EE.UU., no ha demostrado capacidad para liderar la frontera de la IA. «Si DeepSeek ha logrado reducir costos, lo mismo puede hacerse en EE.UU.,» señala, destacando que la ventaja sigue estando en las empresas y científicos estadounidenses.
Aun así, la conversación sobre DeepSeek ha reavivado el debate en torno a la IA de código abierto y la regulación, impulsando el desarrollo de tecnologías accesibles en todo el mundo.
Herramientas de IA en el análisis de datos
Más allá de Hebbia, nuevas herramientas están redefiniendo la forma en que los profesionales acceden a la información. Sivulka destaca Deep Research, una plataforma lanzada recientemente que ha mejorado la automatización de la investigación y el análisis competitivo.
«Deep Research me ha permitido investigar sobre el impacto de los microplásticos en los niños o preparar reuniones con ejecutivos», comenta Sivulka, subrayando cómo la IA ha evolucionado más allá de los chatbots básicos para convertirse en agentes especializados en la extracción y síntesis de información.
Cómo surgió Hebbia y su enfoque en servicios financieros
La creación de Hebbia fue el resultado de la combinación entre la investigación académica y la aplicación práctica de la IA. Durante su doctorado en Stanford, Sivulka exploró conceptos de meta-learning y aprendizaje multitarea, que posteriormente fueron la base de los modelos de lenguaje de OpenAI.
En 2020, el lanzamiento de GPT-3 marcó un punto de inflexión. Al probarlo, Sivulka identificó su potencial para revolucionar el sector financiero, donde muchas tareas analíticas aún eran manuales y tediosas. «Mis amigos en finanzas odiaban sus vidas porque trabajaban en tareas repetitivas. Sabía que esta tecnología podía solucionarlo,» explica.
Hebbia se centra en resolver tres problemas clave en la industria financiera:
- Datos privados y desestructurados: La mayoría de la información valiosa en inversión no está en internet, sino en documentos privados.
- Complejidad de los procesos: Las decisiones requieren precisión y contexto, lo que los modelos generales de IA no pueden proporcionar.
- Personalización: ChatGPT ofrece respuestas genéricas, mientras que Hebbia permite un análisis específico basado en los datos propios del usuario.
Interfaz y flujo de trabajo en Hebbia
A diferencia de la mayoría de herramientas de IA, que operan mediante interfaces de chat, Hebbia adopta un enfoque centrado en la organización de la información.
El objetivo es que los analistas financieros no solo hagan preguntas a la IA, sino que puedan estructurar y analizar datos sin revisar manualmente cientos de documentos. «Queríamos construir la plataforma que una IA avanzada elegiría usar,» afirma Sivulka, subrayando la necesidad de que la tecnología se integre en los flujos de trabajo reales.
Impacto de la IA en la industria financiera
El futuro de la industria financiera está ligado a la evolución de la inteligencia artificial. Según Sivulka, la IA transformará el sector en tres niveles:
- Automatización de tareas repetitivas: La eliminación de trabajo manual reducirá los costos operativos en bancos y fondos de inversión.
- Corrección de ineficiencias: Con la llegada de la AGI, se podrán detectar fraudes y mejorar la transparencia en los mercados financieros.
- Optimización en la inversión privada: El mercado de capital privado se beneficiará de herramientas que conviertan documentos desordenados en datos estructurados, similar a lo que Bloomberg hizo con los mercados públicos.
El futuro de la IA en los servicios profesionales
El éxito de la inteligencia artificial no radica únicamente en generar información, sino en filtrar y priorizar los datos relevantes. La visión de Hebbia apunta a liberar a los profesionales de las tareas más tediosas, permitiéndoles enfocarse en la toma de decisiones estratégicas.
«Si Hebbia consigue ahorrar aunque sea un 1% del tiempo de la población mundial, habré cumplido mi objetivo,» concluye Sivulka, dejando claro que la IA seguirá redefiniendo la forma en que operan las industrias del conocimiento.
