El machine learning dejó de ser un concepto de laboratorio para convertirse en una herramienta decisiva en la gestión de inversiones. Durante una masterclass organizada por Unegocios FEN UCHILE, Guillermo Yáñez mostró cómo la ciencia de datos y la inteligencia artificial están transformando la forma en que bancos y empresas seleccionan activos financieros, desde modelos predictivos hasta algoritmos que “aprenden de la experiencia”.

La inteligencia artificial ya no es promesa en las finanzas, es presente. Así lo dejó en claro Guillermo Yáñez, director académico del Diplomado en Ciencia de Datos para las Finanzas de Unegocios FEN UCHILE, durante la masterclass “Un modelo elemental de aprendizaje para seleccionar activos financieros”. En poco más de una hora, el académico mostró cómo la ciencia de datos está cambiando la manera en que bancos, inversionistas y empresas deciden dónde y cómo poner su dinero.

El giro que marca la era del Big Data

Uno de los puntos centrales de la sesión fue explicar por qué, después de décadas de teoría, el machine learning solo logró despegar en los últimos diez años. Dos razones lo explican: la digitalización masiva que permite recolectar volúmenes inéditos de información y la mejora sustancial en la calidad de los datos disponibles. Hoy, esa riqueza de información es lo que da vida a modelos capaces de detectar patrones, anticipar riesgos y recomendar inversiones con mayor precisión que nunca.

Modelos que aprenden y deciden

Yáñez distinguió las principales ramas del aprendizaje automático aplicadas a las finanzas. Desde los modelos supervisados que predicen la morosidad de un cliente, hasta los no supervisados que agrupan empresas con comportamientos similares. Se detuvo en el Reinforcement Learning, un sistema que “aprende de la experiencia” y que, aplicado a la selección de activos, va ajustando su estrategia a medida que toma decisiones. Y en el terreno más avanzado, destacó el rol del Deep Learning, con redes neuronales profundas capaces de estimar variables tan complejas como el precio futuro de un activo inmobiliario.

Herramientas al alcance de todos

El académico enfatizó que la revolución del machine learning no es exclusiva de grandes corporaciones. Lenguajes de código abierto como Python y librerías como Scikit-learn permiten a cualquier profesional entrenar modelos predictivos con relativa facilidad. “Lo clave es atreverse a aprender las herramientas que hoy están disponibles”, recalcó.

Revisa la masterclass completa en el siguiente enlace: https://www.youtube.com/watch?v=x0VGQChDTuc&t=313s