Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Sesión 1: Preparando el terreno para la IA en Riesgo
1. Diagnóstico Estratégico para la Adopción de IA
- Identificación de brechas de conocimiento y capacidades en IA dentro de la organización.
- Mapeo de los procesos actuales de prevención del fraude: dónde la IA puede optimizar y transformar.
- Desafíos comunes en la adopción de IA en la banca y cómo superarlos.
- La visión ejecutiva de la IA: definición de expectativas realistas y métricas de impacto.
2. Fundamentos Operativos de la IA en Banca
- Tipos de IA aplicados a la detección de fraude: aprendizaje automático supervisado y no supervisado, Procesamiento del Lenguaje Natural (PLN).
- La importancia de la calidad y el volumen de datos: recopilación, limpieza y preparación de datos para modelos de IA.
- Arquitecturas de datos para IA: infraestructura requerida para procesar grandes volúmenes de información en tiempo real.
- Riesgo y Mitigación: Gobernanza de Datos, Seguridad y Privacidad en la Era de la IA
3. Creación del Caso de Negocio Operativo
- Definición de métricas operativas clave para la IA (por ejemplo, reducción de falsos positivos, tiempo de respuesta).
- Cálculo del retorno operativo y financiero de la inversión (ROI) de la IA en la prevención del crimen.
- Presentación del caso de negocio a las partes interesadas clave: estrategias para obtener adhesión interna.
- La IA como habilitadora de eficiencia operativa y resiliencia.
Sesión 2: Liderazgo y Ejecución de Proyectos de IA
1. Estructura y Roles en un Proyecto de IA
- Identificación de perfiles clave: científicos de datos, ingenieros de ML, expertos comerciales, especialistas en riesgo.
- Modelos de equipos de IA: equipos internos frente a equipos híbridos con socios externos.
- Gestión de expectativas y comunicación efectiva entre equipos técnicos y comerciales.
- Diseño de una hoja de ruta de implementación escalable y adaptable.
2. Herramientas y Metodologías para Proyectos de IA
- Plataformas de IA y ML (MLOps): conceptos clave para gerentes (automatización, monitoreo, despliegue).
- Uso de herramientas de visualización y análisis para la toma de decisiones basada en datos.
- Metodologías ágiles (Scrum, Kanban) aplicadas al desarrollo y despliegue de modelos de IA.
- Consideraciones para integrar IA con sistemas heredados existentes.
3. Monitoreo Continuo y Ajuste de Modelos de IA
- El ciclo de vida de un modelo de IA: desde el desarrollo hasta la producción y el mantenimiento.
- Monitoreo automatizado de modelos: detección de degradación del rendimiento y deriva de datos.
- Estrategias de readaptación y redespliegue para mantener la efectividad de la IA frente a nuevas amenazas.
- La importancia de un marco robusto de Gobernanza de IA.
Sesión 3: Optimización y Visión a Largo Plazo de la IA en Banca
1. Evaluación de Resultados y Medición del Impacto
- Métricas de rendimiento de la IA: precisión, exhaustividad (recall), reducción de pérdidas, tasa de falsos positivos.
- Paneles directivos (Dashboards): cómo interpretar los resultados sin ser un experto técnico.
- Auditoría y Validación de Modelos: asegurando la solidez y confiabilidad de las decisiones de IA.
- Reportes a la alta dirección y reguladores: transparencia y justificación del rendimiento de la IA.
2. Desafíos Avanzados y el Futuro de la IA en la Prevención del Crimen
- IA Generativa y Deepfakes: nuevas amenazas y cómo la IA puede combatirlas.
- Colaboración interbancaria e intercambio de inteligencia sobre fraude.
- IA en el contexto del combate al lavado de dinero (AML) y el crimen organizado.
- Construcción de una cultura organizacional pro-IA y basada en datos.
3. Estrategias de Adquisición de Capacidades de IA: Optimizando el Camino
- Desarrollo Interno frente a Alianzas Estratégicas: una decisión clave para la velocidad y eficiencia.
- Desafíos de construir capacidades de IA desde cero: tiempo, costo, talento escaso.
- Beneficios de asociarse con proveedores especializados de plataformas: acceso inmediato a tecnología de vanguardia, modelos preentrenados, amplia experiencia en fraude bancario, menor riesgo y tiempo de implementación, y un enfoque en resultados tangibles que libera recursos internos para iniciativas centrales.
- Agilidad y Adaptabilidad: cómo las plataformas externas permiten una respuesta rápida ante amenazas emergentes y desarrollos regulatorios.
- Estrategia a Largo Plazo: maximizar el valor de la IA para la protección integral y continua de su institución y sus clientes.
Requerimientos
- Familiaridad con los procesos de riesgo financiero y prevención del fraude
- Comprensión básica de la transformación digital en la banca
- Experiencia en la gestión de iniciativas impulsadas por tecnología
Público Objetivo
- Ejecutivos y tomadores de decisiones bancarios
- Líderes de riesgo operativo y cumplimiento normativo
- Gerentes de transformación digital e innovación
9 Horas
Reseñas (2)
Que combinaba teoría con práctica
MOISES ISAI CASILLAS ALVAREZ - Feedzai - Consultadoria e Inovacao Tecnologica, S.A.
Curso - Gestión operacional de proyectos de IA antifraude
Todo el contenido
