Vanguard construyó un Analista Virtual en AWS con ocho principios de datos listos para IA

Vanguard, una de las mayores gestoras de activos del mundo, con una cartera de más de $9 billones (trillions en la escala estadounidense), ha publicado un análisis detallado de cómo su equipo construyó el Analista Virtual: una herramienta interna de IA basada en AWS que responde en lenguaje natural, y sin escribir código, a las preguntas analíticas de los equipos de negocio.

Primero los datos, después los modelos

La conclusión clave de la experiencia de Vanguard: la transformación con IA no empieza por elegir una red neuronal ni por comprar capacidad de cómputo, sino por poner orden en los datos. Los ingenieros de la compañía formularon ocho principios de datos listos para IA, que sirvieron de cimiento a todo el proyecto antes de escribir la primera línea de código del modelo.

Los principios abarcan todo el ciclo de vida, desde la semántica y la estructura hasta la seguridad y la monitorización:

• Taxonomía única: un vocabulario común para todas las métricas, KPI y entidades de negocio, de modo que la «rentabilidad» signifique lo mismo en un departamento que en otro
• Data lineage: trazabilidad de cada indicador desde la fuente primaria hasta el data mart analítico
• Actualidad: garantía de que los datos están al día en el momento de cada consulta
• Metadatos legibles por máquina: esquemas y descripciones comprensibles no solo para las personas, sino también para la automatización
• Control de acceso: políticas de seguridad granulares a nivel de filas y columnas
• Monitorización de calidad: comprobaciones automáticas de la corrección de los datos en tiempo real
• Formatos estandarizados: esquemas y convenciones únicos, adoptados por todos los equipos
• Documentación: reproducibilidad de cada conjunto de datos y explicabilidad de cada cálculo

Sin estos principios, los modelos de IA alucinan con datos incorrectos o ambiguos. Vanguard abordó el problema de forma sistémica, no puntual, y eso fue la base de su éxito.

AWS bajo el capó

Para la implementación técnica, Vanguard empleó una combinación de servicios de AWS. Amazon S3 hace de lago de datos único, donde se consolidan las fuentes de distintos departamentos. AWS Glue Data Catalog se encarga de los pipelines ETL y del almacenamiento centralizado de metadatos: ahí residen las descripciones, los esquemas y las definiciones de negocio de todos los conjuntos de datos.

El entrenamiento y el despliegue de modelos se realizan en Amazon SageMaker. Los procesos complejos de varios pasos se orquestan con AWS Step Functions, y la calidad de los datos y el rendimiento de los pipelines se monitorizan con Amazon CloudWatch, con alertas y paneles configurados para el equipo.

Sobre esta infraestructura funciona el Analista Virtual: recibe preguntas en lenguaje natural, las traduce en consultas a los datos y devuelve analítica estructurada con gráficos e interpretaciones en texto. Los equipos de negocio obtienen información sin SQL, sin Python y sin cola de solicitudes a los especialistas en datos.

Resultado para el negocio

«El camino hacia los datos listos para IA no es un proyecto puntual, sino una cultura operativa», subrayan los autores del caso en el blog de AWS

Machine Learning.

Vanguard registra un efecto concreto y medible. El tiempo de preparación de los informes analíticos habituales se ha reducido varias veces. Los gestores de cartera y los analistas de riesgo plantean sus preguntas directamente al sistema, en lugar de encargar tareas a los analistas de datos y esperar la respuesta durante horas o días.

Lo importante es que el Analista Virtual no sustituye la experiencia de las personas: asume la parte rutinaria del trabajo (agregación, filtrado e interpretación preliminar de los datos) y libera a los analistas para tareas de mayor nivel: desarrollar hipótesis y tomar decisiones estratégicas.

Qué significa

El caso de Vanguard es una de las descripciones públicas más detalladas de cómo una gran compañía financiera construye analítica con IA en producción. Los ocho principios de datos listos para IA son una lista de comprobación práctica para cualquier organización que quiera un efecto de negocio real con la IA, y no un piloto vistoso sobre datos de prueba perfectamente preparados.