Cómo la inteligencia artificial está alterando las finanzas

Resumen ejecutivo

La tecnología de propósito general es un término que los economistas reservan para las tecnologías que estimulan el crecimiento económico prolongado y los avances sociales, revolucionando las operaciones de los hogares y las corporaciones por igual. Un ejemplo de tecnología de propósito general es la electricidad. La electricidad generó una multitud de productos y sectores, incluidos refrigeradores, lavadoras, trenes y, por supuesto, computadoras. El advenimiento de la electricidad transformó radicalmente el mundo.

Un artículo reciente de Harvard Business Review designa la inteligencia artificial (IA) como la tecnología de propósito general más importante de nuestra era . Estamos familiarizados con el poder de la IA. Se manifiesta en forma de un robot que derrota a un jugador de ajedrez de renombre mundial. Un coche que puede aparcar en paralelo. Dispositivos que responden con el clima de mañana cuando lo preguntamos. Pero gran parte de nuestro contacto y comprensión de la IA gira en torno a productos que afectan nuestra vida cotidiana como consumidores. A nivel organizacional, hay una pregunta más amplia sobre cómo la IA interrumpirá las industrias y, específicamente, cómo los servicios financieros aprovecharán la IA.

El siguiente artículo definirá la inteligencia artificial, la esfera de sus tecnologías relacionadas, el tamaño de la industria de la IA en general y las aplicaciones de la inteligencia artificial en las finanzas. Este artículo no pretende proporcionar un juicio normativo sobre el desarrollo de la IA; más bien, se centrará en cómo la IA está alterando las finanzas.

Inteligencia artificial: ¿Qué es la IA?

La inteligencia artificial es un área de la informática centrada en la creación de máquinas inteligentes que funcionan como humanos. Las computadoras de IA están diseñadas para realizar funciones humanas, incluido el aprendizaje, la toma de decisiones, la planificación y el reconocimiento de voz.

La inteligencia artificial permite que las máquinas mejoren continuamente su rendimiento sin que los humanos proporcionen instrucciones prescriptivas sobre cómo hacerlo. Esto es significativo por un par de razones. Primero, los humanos sabemos más de lo que somos capaces de decir. Es decir, los humanos pueden reconocer una cara o ejecutar una estrategia inteligente en un juego de ajedrez. Sin embargo, antes de la tecnología de inteligencia artificial avanzada, la incapacidad de los humanos para articular nuestro conocimiento significaba que no podíamos automatizar muchas tareas. En segundo lugar, la tecnología de IA tiene una ejecución sobrehumana, opera más rápido y, a menudo, con más precisión que los humanos.

Tecnologías de inteligencia artificial

La inteligencia artificial abarca una multitud de capacidades y tecnologías. La consultora PWC refuerza que la IA “no es un área temática monolítica. Comprende una serie de cosas que se suman a nuestra noción de lo que significa ser 'inteligente'”. A continuación se presentan algunas de las áreas más populares de la IA:

• El aprendizaje automático es un método de análisis de datos que automatiza la construcción de modelos analíticos. Mediante el uso de algoritmos que aprenden iterativamente de los datos, el aprendizaje automático permite que las computadoras encuentren información oculta sin tener que programar explícitamente dónde buscar.
• El aprendizaje profundo es un subconjunto del aprendizaje automático. Ha facilitado el reconocimiento de objetos en imágenes, el etiquetado de videos y el reconocimiento de actividades, y está progresando en la percepción (incluidos el audio y el habla). Por ejemplo, la aplicación de aprendizaje profundo de Facebook, DeepFace, ha sido entrenada para reconocer personas en fotografías. Muchos establecen la comparación entre la tecnología de aprendizaje profundo y la biología, pero los expertos generalmente están de acuerdo en que, si bien está inspirado en el cerebro humano, no está necesariamente modelado a partir de él.
• El procesamiento del lenguaje natural es la capacidad de un programa de computadora para comprender el habla humana en tiempo real. La investigación y el desarrollo se están desplazando hacia sistemas capaces de interactuar con las personas a través del diálogo, y no solo de reaccionar a solicitudes estilizadas.
• Internet de las cosas (IoT) se dedica a la idea de que se puede interconectar una amplia gama de dispositivos, incluidos electrodomésticos, vehículos y edificios. Por ejemplo, si su alarma suena a las 7:00 am, podría notificar automáticamente a su cafetera para que comience a preparar café para usted. Las tecnologías portátiles que actúan como sensores cuando se usan también forman parte de esta tendencia más amplia.

Por supuesto, esta lista no es exhaustiva. Vea a continuación una gama más amplia de temas y tecnologías de inteligencia artificial.

Tamaño del mercado de inteligencia artificial

El artículo mencionado anteriormente de Harvard Business Review predice que “Los efectos de la IA se magnificarán en la próxima década, a medida que la fabricación, la venta minorista, el transporte, las finanzas, la atención médica, el derecho, la publicidad, los seguros, el entretenimiento, la educación y prácticamente todas las demás industrias transformen sus procesos centrales y modelos de negocio para aprovechar el aprendizaje automático. El cuello de botella está en la gestión, la implementación y la imaginación empresarial”.

Se prevé que la adopción generalizada de IA en todas las industrias genere ingresos globales de $ 12.5 mil millones en 2017 y $ 47 mil millones en 2020 con una tasa de crecimiento anual compuesto (CAGR) del 55.1% de 2016 a 2020. Específicamente, las industrias que invertirán más en la tecnología son la banca y el comercio minorista, seguidas de la atención médica y la fabricación. En conjunto, estas cuatro industrias comprenderán más de la mitad de los ingresos globales de IA en 2016, y los sectores bancario y minorista generarán cada uno casi $ 1.5 mil millones.

En todas las industrias, las mayores inversiones en IA en 2017 se realizarán en áreas como agentes de atención al cliente automatizados, inteligencia de amenazas automatizada y análisis de fraude (consulte el gráfico a continuación). Según Jessica Goepfert, directora de programa de la firma de investigación de mercado IDC, “las oportunidades a corto plazo para los sistemas cognitivos se encuentran en industrias como la banca, valores e inversiones y manufactura. En estos segmentos, encontramos una gran cantidad de datos no estructurados, un deseo de aprovechar los conocimientos de esta información y una apertura a tecnologías innovadoras”. La siguiente sección de este artículo profundizará en los diversos casos de uso de la inteligencia artificial en la industria de servicios financieros.

Aplicaciones presentes y futuras de la inteligencia artificial en las finanzas

La inteligencia artificial en las finanzas podría impulsar la eficiencia operativa en áreas que van desde la gestión de riesgos y el comercio hasta la suscripción y las reclamaciones. Si bien algunas aplicaciones son más relevantes para sectores específicos dentro de los servicios financieros, otras pueden aprovecharse en todos los ámbitos.

Inteligencia Artificial en Finanzas: Gestión de Riesgos

La inteligencia artificial ha demostrado ser extremadamente valiosa cuando se trata de seguridad y detección de fraudes. Los métodos tradicionales de detección de fraude incluyen computadoras que analizan datos estructurados contra un conjunto de reglas. Por ejemplo, una determinada empresa de pagos podría establecer un límite para las transferencias electrónicas de $15 000, de modo que cualquier transacción que supere ese monto se marque para una mayor investigación. Sin embargo, este tipo de análisis produce muchos falsos positivos y requiere mucho esfuerzo adicional. Quizás aún más significativo, los estafadores de delitos cibernéticos cambian con frecuencia sus tácticas. Por lo tanto, los sistemas más efectivos deben volverse cada vez más inteligentes.

Con algoritmos de aprendizaje avanzados, como los del aprendizaje profundo, se pueden agregar nuevas funciones al sistema para el ajuste dinámico. Según Samir Hans, director asesor de Deloitte Transactions and Business Analytics LLP, “Con el análisis cognitivo, los modelos de detección de fraude pueden volverse más sólidos y precisos. Si un sistema cognitivo expulsa algo que determina como posible fraude y un ser humano determina que no es un fraude debido a X, Y y Z, la computadora aprende de esos conocimientos humanos y la próxima vez no enviará una detección similar en su dirección. . La computadora es cada vez más inteligente”.

El éxito de PayPal con inteligencia artificial y detección de fraude

Tome el gigante de pagos PayPal y sus protocolos de fraude avanzados, por ejemplo. Debido a su escala y visibilidad, PayPal "tiene un gran objetivo en la espalda". Procesó $ 235 mil millones en 2015 de cuatro millones de transacciones de sus 170 millones de clientes. Sin embargo, PayPal ha podido aumentar la seguridad al aprovechar la tecnología de aprendizaje profundo. De hecho, el fraude de PayPal es relativamente bajo, con un 0,32 % de los ingresos, una cifra mucho mejor que el promedio de 1,32 % que ven los comerciantes.

En el pasado, PayPal usaba modelos lineales simples. Hoy, sus algoritmos extraen datos del historial de compras de un cliente y revisan los patrones de posibles fraudes almacenados en sus bases de datos en crecimiento. Mientras que un modelo lineal puede consumir de 20 a 30 variables, la tecnología de aprendizaje profundo puede controlar miles de puntos de datos. Estas capacidades mejoradas ayudan a PayPal a distinguir las transacciones inocentes de las sospechosas. Según Hui Wang, director sénior de ciencias de riesgos globales de PayPal, “Lo que disfrutamos del aprendizaje automático más moderno y avanzado es su capacidad para consumir muchos más datos, manejar capas y capas de abstracción y poder 'ver' cosas [… ] incluso los seres humanos podrían no ser capaces de ver”.

Inteligencia artificial en finanzas: comercio

Transición de modelos construidos por humanos a verdadera IA

Durante años, las empresas de gestión de inversiones han confiado en las computadoras para realizar transacciones. Alrededor de 1360 fondos de cobertura, que representan el 9% de todos los fondos, se basan en grandes modelos estadísticos creados por científicos de datos que a menudo tienen doctorados en matemáticas (también conocidos como "cuantitativos"). Sin embargo, estos modelos solo utilizan datos históricos, a menudo son estáticos, requieren intervención humana y no funcionan tan bien cuando cambia el mercado. En consecuencia, los fondos migran cada vez más hacia verdaderos modelos de inteligencia artificial que no solo pueden analizar grandes volúmenes de datos, sino que también continúan mejorando.

Estas nuevas tecnologías utilizan técnicas complejas que incluyen el aprendizaje profundo, una forma de aprendizaje automático llamada redes bayesianas y computación evolutiva, que está inspirada en la genética. El software comercial de IA puede absorber enormes volúmenes de datos para aprender sobre el mundo y hacer predicciones sobre el mercado financiero. Para comprender las tendencias globales, pueden consumir todo, desde libros, tweets, informes de noticias, datos financieros, números de ganancias y política monetaria internacional hasta bocetos de Saturday Night Live.

Para ser claros, lo anterior es distinto del comercio de alta frecuencia (HFT), que permite a los operadores ejecutar millones de órdenes y escanear múltiples mercados en cuestión de segundos, respondiendo a las oportunidades de una manera que los humanos simplemente no pueden. Las plataformas impulsadas por IA discutidas anteriormente buscan las mejores operaciones a largo plazo, y las máquinas, no los humanos, dictan la estrategia.

Algunos de estos sistemas comerciales de IA son desarrollados por nuevas empresas. Por ejemplo, Aidiya, con sede en Hong Kong, es un fondo de cobertura totalmente autónomo que realiza todas sus operaciones bursátiles utilizando inteligencia artificial (IA). “Si todos morimos”, dice el cofundador Ben Goertzel, “seguiría operando”. Las instituciones tradicionales también están interesadas en la tecnología comercial de IA. En 2014, Goldman Sachs lideró la ronda de financiación de la Serie A y comenzó a instalar una plataforma de comercio de IA llamada Kensho. Para la ronda Serie B de Kensho, además de S&P Global, también participaron los seis bancos más grandes de Wall Street (Goldman Sachs, JPMorgan Chase, Bank of America Merrill Lynch, Morgan Stanley, Citigroup y Wells Fargo).

Comparación de rendimiento comercial

Un estudio reciente realizado por la firma de investigación de inversiones Eurekahedge rastreó el desempeño de 23 fondos de cobertura que utilizaron IA entre 2010 y 2016 y descubrió que superaron a los administrados por fondos de cobertura cuantitativos más tradicionales y generalizados.

Implicaciones para Traders y Quants

Será interesante observar cómo la IA impactará en el mercado laboral comercial. Sus efectos ya son evidentes en algunas de las principales instituciones bancarias. En 2000, la mesa de negociación de acciones en efectivo de EE. UU. de Goldman Sach en su sede de Nueva York empleaba a 600 operadores que compraban y vendían acciones. Hoy en día, tiene dos comerciantes de acciones, y las máquinas hacen el resto. Daniel Nadler, director ejecutivo de Kensho, declara: “En 10 años, Goldman Sachs será significativamente más pequeño en términos de personal que en la actualidad”. Y en cuanto a los cuantitativos, es posible que descubran que sus habilidades tienen menos demanda por parte de las empresas de gestión de inversiones.

Actualmente, alrededor de un tercio de los graduados de los mejores programas de negocios se dedican a las finanzas. ¿Adónde se mudarían algunos de los mejores talentos de la nación? Mark Minevich, asesor sénior del Consejo de Competitividad de EE. UU., cree que “algunas de estas personas inteligentes se mudarán a nuevas empresas tecnológicas o ayudarán a desarrollar más plataformas de inteligencia artificial, automóviles autónomos o tecnología energética […] Nueva York podría competir con Silicon Valle en tecnología.”

Inteligencia artificial en finanzas: Robo-Advisory

¿Qué es un Robo-Advisor y cómo funciona?

Los asesores robóticos son plataformas digitales que brindan servicios de planificación financiera automatizados basados ​​en algoritmos con una supervisión humana mínima. Si bien los gerentes financieros humanos han estado utilizando la asignación automatizada de carteras desde principios de la década de 2000, los inversores tuvieron que contratar asesores para beneficiarse de la tecnología. Hoy en día, los robo-advisors permiten a los clientes acceder directamente al servicio. A diferencia de sus contrapartes humanas, los asesores robóticos monitorean los mercados sin parar y están disponibles las 24 horas del día, los 7 días de la semana. Los asesores automáticos también pueden ofrecer a los inversores hasta un 70 % de ahorro de costos y, por lo general, requieren mínimos más bajos o ningún mínimo para participar.

Hoy en día, los asesores robóticos pueden ayudar con las tareas más repetitivas, como la apertura de cuentas y la transferencia de activos. El proceso generalmente implica que los clientes respondan cuestionarios simples sobre el apetito por el riesgo o los factores de liquidez, que los asesores automáticos luego traducen en lógica de inversión. La mayoría de los asesores robóticos actuales tienen como objetivo asignar a sus clientes carteras de ETF gestionadas en función de sus preferencias. Se espera que las capacidades en el futuro evolucionen hacia ofertas más avanzadas, como cambios automáticos de activos y cobertura ampliada en clases de activos alternativos, como bienes raíces.

El robo-asesoramiento puede tener un gran impacto en los sectores de finanzas personales y gestión de patrimonio. Mientras que los actuales activos gestionados (AUM) de los robo-asesores solo representan 10.000 millones de dólares de los 4 billones de dólares de la industria de gestión de patrimonio (menos del 1 % de todos los activos de cuentas gestionadas), un estudio de Business Insider estima que esta cifra aumentará al 10 % para 2020 Esto equivale a alrededor de $ 8 billones AUM.

Adopción de la industria de Robo-Advice

Los actores de la industria han adoptado diversos enfoques para el robo-asesoramiento. Las empresas de gestión de patrimonio más pequeñas están agregando componentes algorítmicos para automatizar su gestión de inversiones, reducir costos/tarifas y competir con los asesores robóticos. Por otro lado, las firmas de inversión establecidas están comprando los asesores robóticos existentes, como la adquisición de Jemstep por parte de Invesco, o creando sus propias soluciones de asesores robóticos, como FidelityGo y el asesoramiento inteligente de Schwab.

Robo-Asesores vs. Asesores Financieros: ¿Serán Reemplazados los Humanos?

El consenso general entre los expertos es que los humanos seguirán siendo indispensables. El toque humano seguirá siendo crítico, ya que los asesores aún deberán tranquilizar a los clientes durante tiempos financieros difíciles y persuadirlos con soluciones útiles. Un estudio realizado por la consultora Accenture reveló que el 77 % de los clientes de gestión patrimonial confían en sus asesores financieros, mientras que el 81 % indica que la interacción cara a cara es importante. Para los clientes con decisiones de inversión complejas, el modelo de asesoría híbrido, que combina servicios computarizados con asesores humanos, está ganando terreno.

Si bien los asesores financieros seguirán siendo centrales, los asesores automáticos pueden provocar cambios en sus responsabilidades laborales. Con la IA gestionando tareas repetitivas, los gestores de inversiones pueden asumir las responsabilidades de un científico o ingeniero de datos, como el mantenimiento del sistema. Los humanos también pueden centrarse más en la construcción de relaciones con el cliente y explicar las decisiones que ha tomado la máquina.

Inteligencia artificial en finanzas: suscripción de seguros y siniestros

El seguro se basa en el equilibrio de riesgo entre grupos de personas; las aseguradoras agrupan a personas similares, y algunas personas requerirán pagos mientras que otras no. La industria se basa en la evaluación de riesgos; las compañías de seguros no son ajenas al análisis de datos. Sin embargo, la IA puede ampliar la cantidad de datos analizados, así como las formas en que se pueden utilizar, lo que da como resultado precios más precisos y otras eficiencias operativas.

Las startups están a la vanguardia para impulsar la industria. Según Henrik Naujoks, socio de Bain & Co, “las empresas emergentes están mostrando lo que es posible y lo que se puede hacer. Muchos ejecutivos en funciones lo están analizando; realmente no lo entienden, pero quieren involucrarse”. Los inversores también se han dado cuenta de esta tendencia (ver más abajo). En 2016, la IA fue uno de los temas más populares para la inversión en tecnología de seguros.

Inteligencia artificial y suscripción

Un informe de PWC predice que AI automatizará una cantidad considerable de suscripción para 2020, especialmente en mercados maduros donde hay datos disponibles. Actualmente, un suscriptor de seguros, con la ayuda de software de computadora y modelos actuariales, evalúa el riesgo y las exposiciones de los clientes potenciales, cuánta cobertura deben recibir y cuánto se les debe cobrar por ella. A corto plazo, la IA puede ayudar a automatizar grandes volúmenes de suscripción en seguros de automóviles, viviendas, comerciales, de vida y colectivos. En el futuro, la IA mejorará el modelado, destacando las consideraciones clave para los tomadores de decisiones humanos que, de otro modo, podrían haber pasado desapercibidos. También se predice que la IA avanzada permitirá la suscripción personalizada por empresa o individuo, teniendo en cuenta comportamientos y circunstancias únicos.

La suscripción mejorada puede aprovechar no solo el aprendizaje automático para la extracción de datos, sino también la tecnología portátil y los analizadores faciales de aprendizaje profundo. Por ejemplo, Lapetus, una startup, quiere utilizar selfies para predecir con precisión la esperanza de vida. En su modelo propuesto, los clientes enviarán por correo electrónico sus autorretratos, que luego las computadoras escanearán y analizarán, analizando miles de regiones de la cara. El análisis consideraría todo, desde datos demográficos básicos hasta qué tan rápido envejecerá la persona, su índice de masa corporal y si fuma. Además, la tecnología portátil podría hacer que el proceso de suscripción sea más colaborativo. En lugar de depender de largos controles médicos y complicados procesos de contratación, los dispositivos portátiles pueden proporcionar información en tiempo real sobre la salud y el comportamiento de los asegurados. Claramente, el aprendizaje automático en finanzas ya está evolucionando.

Estos tipos de análisis de riesgo matizados y en tiempo real permitirán no solo una fijación de precios más precisa para el cliente, sino también una detección temprana de riesgos para la salud y una oportunidad para que las compañías de seguros inviertan en prevención. En lugar de pagar finalmente los tratamientos costosos para el paciente, las compañías de seguros pueden intentar reducir de manera proactiva la probabilidad de daños y costos asociados.

En un estudio de Oxford de 2013 que analizó más de 700 profesiones para determinar cuáles eran más susceptibles a la informatización, los suscriptores de seguros se incluyeron entre los cinco más susceptibles. Incluso cuando la IA no reemplaza por completo a un suscriptor, la automatización de la IA puede alterar las responsabilidades de un suscriptor. La IA puede liberar el tiempo de un suscriptor para un mayor valor agregado, como la evaluación y el precio de los riesgos en mercados emergentes menos ricos en datos, brindando más comentarios sobre la gestión de riesgos y el desarrollo de productos.

Inteligencia artificial y reclamaciones de seguros

Las reclamaciones de seguros son solicitudes formales de pago enviadas a las compañías de seguros. Luego, las compañías de seguros revisan la validez del reclamo y pagan al asegurado una vez aprobado. Así es como la inteligencia artificial puede mejorar el proceso:

Mejora de la precisión de los datos de los clientes. El proceso de reclamos es bastante manual: los agentes humanos registran manualmente la información del cliente y los detalles del incidente. Según un informe de Experian, la calidad de los datos puede verse afectada: los datos incompletos representan el 55 % de los errores de datos, mientras que los errores tipográficos comprenden el 32 %. La IA puede mejorar la precisión al reducir la entrada manual. Además, los procesos de reclamos a menudo requieren que los agentes de seguros cotejen la información del cliente con numerosas bases de datos. La IA se puede utilizar para hacer esto de manera más eficiente.

Recomendaciones de pago más rápidas. De acuerdo con un estudio de satisfacción de reclamos de propiedad de JD Power & Associates, los tiempos lentos del ciclo de reclamos son uno de los mayores contribuyentes a la insatisfacción del cliente. La IA puede ayudar a reducir los tiempos de respuesta al validar primero la póliza y luego tomar decisiones sobre las reclamaciones y si automatizar el pago. Esto se debe a que la IA tiene la capacidad de analizar no solo datos estructurados, sino también datos no estructurados, como formularios y certificados escritos a mano.

Inteligencia Artificial en Finanzas: Banca Conversacional y Atención al Cliente

Los bancos están haciendo grandes apuestas con sus asistentes virtuales orientados al cliente, conocidos como chatbots. Si bien las primeras versiones de los chatbots solo podrán responder preguntas básicas sobre los límites de gasto y las transacciones recientes, las versiones futuras están programadas para convertirse en asistentes virtuales de servicio completo que pueden realizar pagos y realizar un seguimiento de los presupuestos de los consumidores. Comprometerse con los clientes puede traducirse en importantes ahorros de costos, pero las interacciones humanas también son, sin duda, más complejas que el simple procesamiento de números. Los críticos señalan la falta de empatía y comprensión de los chatbots, que los humanos pueden necesitar cuando se enfrentan a decisiones y situaciones financieras difíciles. Para esta tecnología, la tecnología de inteligencia artificial de procesamiento de lenguaje natural será esencial para procesar y responder a las inquietudes y deseos personalizados de los clientes.

En octubre de 2016, tanto Bank of America como MasterCard dieron a conocer sus chatbots, Erica y Kai, respectivamente. Estos permitirán a los clientes hacer preguntas sobre sus cuentas, iniciar transacciones y recibir consejos a través de Facebook Messenger de la torre Echo de Amazon.

Capital One también lanzó su propio chatbot, llamado "Eno", que es un anagrama de "Uno". Eno permite a los clientes chatear con el banco utilizando un lenguaje basado en texto para pagar facturas y recuperar información de la cuenta. Barclays también se suma a la acción. Al describir el nuevo chatbot de Bank of America, Michelle Moore, directora de banca digital de Bank of America, declaró: “¿Cómo será la banca en dos, tres o cuatro años? Va a ser esto.

pensamientos de despedida

El impacto completo de la inteligencia artificial en los servicios financieros está por verse. Algunos futuristas han argumentado que el mundo se acerca rápidamente a un punto de inflexión, denominado "singularidad", en el que la inteligencia artificial superará a la inteligencia humana. Famosos tecnólogos y científicos, incluidos Bill Gates y Stephen Hawking, han advertido sobre este punto. Elon Musk también ha dicho que "la IA es un riesgo existencial fundamental para la civilización humana, y no creo que la gente lo aprecie del todo".

A medida que la IA siga proliferando en nuestra vida personal y profesional, seguirán surgiendo muchos problemas. Estos incluyen la posibilidad de cometer errores, un sentimiento general de desconfianza hacia las máquinas y preocupaciones sobre el reemplazo del trabajo. Sería un error ignorar estos temores. Aún así, la sociedad ya está en un camino acelerado hacia un mundo impulsado por la IA. En este nuevo mundo, podría ser más productivo centrarse en cómo las máquinas y los humanos pueden coexistir mejor. Será importante que los formuladores de políticas se mantengan cautelosos, permitiendo que se desarrollen nuevas tecnologías mientras monitorean y minimizan sus consecuencias negativas. Los desarrolladores y diseñadores también deben mejorar la capacidad de los humanos para comprender los sistemas de IA para generar confianza y aumentar la satisfacción con las aplicaciones de IA. Todo el mundo tendrá un papel que desempeñar.

Como dijo Haruhiko Kuroda, gobernador del Banco de Japón, en una conferencia sobre IA y servicios financieros de 2017: “Es esencial para nosotros considerar de manera constructiva formas deseables en las que los seres humanos y la IA se complementen, en lugar de enfrentarse entre sí. Por ejemplo, el juicio humano no está completamente libre de los paradigmas existentes y, por lo tanto, a veces es negligente ante los cambios. En este sentido, la IA podría ajustar nuestro sesgo analizando neutralmente y encontrando nuevas correlaciones entre una miríada de datos [sic]. Mientras tanto, los humanos podrían compensar la debilidad de la IA con su intuición, sentido común e imaginación”.