En la última publicación invitada en el blog de XBRL International, Björn Fastabend, jefe de recopilación de datos XBRL en la Autoridad Federal de Supervisión Financiera de Alemania (BaFin), aporta una vez más la perspectiva de un regulador sobre los desafíos prácticos de la integración de la IA en la supervisión digital. La IA tiene […]
Etiqueta: IA – Inteligencia Artificial
La IA se une a XBRL y por fin hablan el mismo idioma
Todo el mundo está experimentando con la IA. Los másteres en Derecho se están utilizando en todo tipo de aplicaciones (desde las teleconferencias sobre resultados hasta la calificación ESG y la debida diligencia automatizada) y existe la creciente sensación de que estamos al borde de algo transformador en el análisis financiero. Pero, en definitiva, trabajan […]
Lo que separa a las empresas que utilizan IA de las empresas que no lo hacen
La tasa de adopción de la IA está aumentando rápidamente, pero el uso intensivo que impulsa la transformación y genera ganancias macroeconómicas sigue siendo raro. Este blog explora lo que distingue a los usuarios intensivos de IA y lo que las empresas necesitan para integrar profundamente la IA en sus procesos de producción. El advenimiento […]
La inteligencia artificial y los datos hacen posible el camino hacia las cero emisiones netas
AVEVA es una empresa de software global que ofrece soluciones para la digitalización industrial, la gestión de datos y la optimización de procesos. Las soluciones de AVEVA conectan personas, procesos y datos a lo largo de toda la cadena de valor, desde el diseño hasta la producción y el mantenimiento, y ayudan a las empresas […]
Las grandes empresas adoptan XBRL impulsando el análisis de IA
Alrededor de 8.000 grandes empresas holandesas pasarán a la presentación de informes financieros digitales mediante Inline XBRL, siguiendo el ejemplo de las empresas más pequeñas y cotizadas que ya están obligadas a informar digitalmente. Este cambio incluirá procesos de verificación exhaustivos para garantizar la exactitud y fiabilidad de los datos reportados. Esta medida mejorará la […]
La relación entre los puntos de datos, la codificación de etiquetas, XBRL y la IA
Por qué la codificación abstracta de etiquetas no ayuda a la IA a comprender los datos XBRL, ni a los humanos. La idea de que la codificación abstracta es perjudicial para los grandes modelos de lenguaje (LLM, por sus siglas en inglés) llevó a pensar que, por razones similares, la codificación también debe ser contraproducente […]
LA PROMESA Y EL PELIGRO DE LA INTELIGENCIA ARTIFICIAL
La IA generativa está preparada para desatar una ola de creatividad y productividad, pero plantea preguntas importantes para la humanidad
Imaginemos un mundo en el que las máquinas fueran artistas, narradoras o incluso economistas que produjeran contenidos que imitaran la inteligencia humana. Alan Turing, el pionero de la informática, fue el primero en imaginar la posibilidad de que las máquinas alcanzaran esos niveles de maestría en un artículo de 1950. Con ChatGPT y otras herramientas de inteligencia artificial generativa, su predicción de un “juego de imitación” ya es realidad. Parece como si nos hubieran catapultado a un universo que antes estaba reservado para la ciencia ficción. Pero ¿qué es exactamente la IA generativa?
GenAI representa el avance más impresionante en tecnologías de aprendizaje automático hasta el momento. Marca un salto significativo en la capacidad de la IA para comprender e interactuar con patrones de datos complejos y está preparada para desatar una nueva ola de creatividad y productividad. Pero también plantea preguntas importantes para la humanidad. Los hitos de innovación clave marcaron el camino hacia su sofisticación actual.
En la década de 1960, un programa llamado ELIZA impresionó a los científicos por su capacidad de generar respuestas similares a las humanas. Era básico y operaba con reglas establecidas, pero fue el precursor de lo que hoy conocemos como “chatbots”. Dos décadas después, aparecieron las redes neuronales artificiales. Estas redes, inspiradas en los cerebros humanos, brindaron a las máquinas nuevas habilidades, como comprender los matices del lenguaje y reconocer imágenes. Pero un conjunto limitado de datos para el entrenamiento y una potencia informática inadecuada frenaron el progreso real. Sorprendentemente, estos recursos gemelos siguieron duplicándose cada año, preparando el escenario para la tercera ola de IA en la década de 2000: el aprendizaje profundo.
ADOPCIÓN DE LA INTELIGENCIA ARTIFICIAL
Las oleadas anteriores de automatización se han centrado en tareas predominantemente físicas, mientras que la IA tiende a ofrecer el potencial de automatizar las cognitivas. Sin embargo, incluso esta distinción puede ser engañosa. Invariablemente, la automatización pasada en forma de máquinas que realizaban tareas físicas automatizaba algo que haría un humano y que implicaba no solo interacciones físicas sino también una expresión cognitiva de intención y aplicación. Y con la revolución de la tecnología de la información, muchas de las tareas (en concreto, la computación) automatizaban procesos cognitivos.
La principal diferencia radica más bien en la capacidad de una máquina para interactuar en entornos variables y no estandarizados. Así, mientras que se ha logrado crear una máquina que puede coger un objeto específico en una ubicación concreta y moverlo a otra ubicación, la IA promete coger y mover un objeto aleatorio que no se encuentre en una ubicación concreta. Para ello es necesario tener un sentido del entorno. Por tanto, si hay una propiedad que tiene la IA que destaca por encima de otras, es la capacidad de automatizar tareas en contextos más variados.
La era digital del sector energético libera el potencial verde
El siguiente gran paso en la innovación digital que está en la mente de todos en todos los sectores es la inteligencia artificial (IA). Si bien el sector energético ha tardado más en adaptarse a la integración de tecnologías como el hermanamiento digital o la recopilación de datos, ha sido muy alentador ver un alto nivel de interés en cómo la IA puede revolucionar la industria energética y crear valor.
Las herramientas de IA más avanzadas que están desarrollando los proveedores de energía basados en la tecnología, que ahora están penetrando en el mercado, pueden crear este valor a través de la aplicación de extremo a extremo.
Por ejemplo, las herramientas de IA ahora pueden llevar a cabo el análisis de ingeniería y rendimiento que hacen posible las herramientas de hermanamiento digital en segundos. Si el propietario de un activo o el proveedor que gestiona el activo necesita conocer la potencia media mensual de salida de un activo durante los últimos seis meses, la IA puede recopilar y proporcionar esta información. En general, esto significa que el mantenimiento y la gestión de los activos se hacen más rápidos y sencillos, lo que permite a los ingenieros centrarse en el trabajo de mayor valor, reduciendo los costes operativos para quienes financian la transición.
La IA también se está integrando en la distribución de energía para optimizar los rendimientos para los propietarios de activos. Puede monitorear la demanda y la oferta, señalar a los proveedores de energía dónde ha aumentado la demanda y qué activo tendría el mejor precio para satisfacer esa demanda. En algunos casos, las herramientas de IA más avanzadas son capaces de activar automáticamente el activo óptimo para la eficiencia y el coste.
Después de haberse quedado atrás en lo que respecta a la adopción de los beneficios de la tecnología, ahora hay pocas dudas de que la industria energética se ha posicionado a la vanguardia del cambio. También está cosechando los frutos, a través de una mayor eficiencia, sacando a la luz los «datos oscuros».
Dado el potencial revolucionario de la IA, podemos esperar que el ritmo del cambio se acelere aún más.
IOSCO amplía su enfoque con nuevos flujos de trabajo sobre IA y finanzas verdes
En respuesta a los desafíos cambiantes en el panorama financiero, la Organización Internacional de Comisiones de Valores (IOSCO) ha presentado su plan de trabajo actualizado para 2024. Este plan revisado introduce nuevas iniciativas destinadas a abordar las tendencias emergentes, incluida, entre otras, la inteligencia artificial (IA). y finanzas verdes.
Jean-Paul Servais, presidente del Consejo de IOSCO, destacó el compromiso de la organización de adaptar su agenda para abordar cuestiones clave a las que se enfrentan los inversores y los mercados financieros. El plan de trabajo actualizado refleja el enfoque proactivo de IOSCO para mejorar la protección de los inversores, garantizar la integridad del mercado y promover la estabilidad financiera.
IOSCO se está embarcando en una iniciativa política de dos años para abordar los desafíos y riesgos que plantea la tecnología emergente de IA. Este esfuerzo tiene como objetivo garantizar un entendimiento compartido entre los miembros de IOSCO y ayudar en la formulación de respuestas políticas. Además, IOSCO monitoreará la implementación de sus recomendaciones sobre criptoactivos, activos digitales y finanzas descentralizadas (DeFi).
Otra nueva línea de trabajo se centra en identificar tendencias y riesgos potenciales asociados con nuevos productos financieros verdes. El compromiso de IOSCO con la ISSB (Junta Internacional de Normas de Sostenibilidad), la finalización del trabajo sobre mercados voluntarios de carbono y la revisión de las normas de garantía y ética propuestas subrayan su compromiso de fomentar prácticas financieras sostenibles.
Con la adopción de tecnologías de inteligencia artificial emergentes y un creciente enfoque en los datos de sostenibilidad en los mercados financieros, nos complace ver que IOSCO reconoce el impacto de estas áreas y las integra en su trabajo para salvaguardar la resiliencia de los mercados financieros.