Cómo Mastercard está usando la IA para hacerse una compañía más fuerte

Cuando Greg Ulrich asumió el cargo de director de IA y datos de Mastercard a principios de este año, atrajo reflectores cargados de oportunidades, pero también de expectativas. 

“Tenemos un largo historial de éxito utilizando la IA durante años”, dice Ulrich, en una entrevista con Forbes.

La posición fue creada como parte de una reorganización más amplia. La empresa, cuya acción ha crecido en un 27% en el último año, beneficiándose del aumento de uso de pagos digitales y sin contacto, consolidó su grupo de servicios, pagos al consumidor y nuevos flujos de productos en unidades cohesivas.

Paralelamente, establecieron el equipo de IA y datos como una capacidad empresarial. Michael Miebach, CEO de Mastercard, asignó personalmente a Ulrich en la tarea de liderar esta iniciativa.

“Cuando la IA generativa llegó y creó todo este interés y entusiasmo”, explica Ulrich. “Teníamos cientos de ideas. Hay valor en no centralizar todo, sino en coordinar estas actividades”.

Aunque los equipos de científicos de datos están dispersos por toda la empresa, el equipo de Ulrich ahora busca tener un horizonte estratégico, consolidando esfuerzos y promoviendo una escala eficiente.

También puedes leer: La alianza entre Mastercard y Grupo Mariposa promete detonar el potencial de las pyme en la región

“Nos aseguramos de que si estamos haciendo algo similar en tres o cuatro lugares diferentes, tal vez experimentemos de diferentes maneras, pero en última instancia, a medida que nos dirigimos a escala, estamos utilizando la misma tecnología, con los mismos proveedores, con el mismo enfoque para asegurarnos de que sea lo más eficiente y seguro posible, y que impulsamos la escala y nuestras operaciones, no queremos que florezcan mil flores, debemos asegurarnos de apostar en el lugar correcto”, sostiene. 

Se encarga de alinear prioridades y escalarlas, sin dar cabida a operaciones individuales en silos.

Con tantos nuevos modelos de inteligencia artificial que aparecen casi todas las semanas, para personas como Ulrich, la tarea inmediata es entender sus limitaciones. 

“Creo que vamos a seguir viendo que los modelos mejoran, y también pienso que veremos diferentes modelos para distintos propósitos volverse más efectivos”, dice Urich. “Los modelos de razonamiento, como uno de OpenAI, que aún está en etapas muy tempranas, son realmente intrigantes”. 

La razón es que, según describe, ahora mismo no se observa un techo claro que dependa de agregar más datos o entrenar por más tiempo para hacer un modelo más grande y mejorar su precisión. 

“Están descomponiendo problemas en partes componentes, resolviéndolos y orquestando una respuesta de manera lógica y razonada. Esto puede darte un mejor resultado de una manera diferente”, afirma Urich.

“Lo que encuentro alentador es que cuando ves estudios de estos modelos, los grandes modelos de lenguaje, han hecho pruebas de cientos de preguntas esotéricas que tienen una respuesta correcta o incorrecta. Están tratando de responder cada pregunta. Tienen la opción de responder correctamente, responder incorrectamente o decir ‘No sé la respuesta’ y pasar. Muchos modelos de lenguaje intentan responder todas las preguntas, aunque estén equivocados muchas veces. Estos modelos de razonamiento, estos modelos de aprendizaje, están pensando más y diciendo ‘no sé’ con mayor frecuencia. Creo que eso es una etapa avanzada”.

Greg utiliza la inteligencia artificial de manera integral en su vida diaria, combinando herramientas como Copilot y ChatGPT para optimizar su productividad y aprendizaje. En su trabajo, aprovecha Copilot, de Microsoft, que está desplegado en toda la organización, para ponerse al día con tareas, resumir información y responder más rápidamente a sus colegas. Fuera del ámbito laboral, recurre a la IA para planificar viajes de manera más eficiente, descubriendo actividades específicas en distintas ciudades. Así mismo, usa este tipo de herramientas para ayudar a sus hijos con tareas escolares, refrescando conceptos y explicándolos de manera clara.

Una de las tecnologías que más ha llamado su atención recientemente es Google NotebookLM, que permite cargar información y generar podcasts personalizados basados en los datos proporcionados, ofreciendo una forma innovadora de aprender. 

“La multimodalidad de la IA tiene muchos beneficios, pero uno básico es que permite a las personas absorber información de una manera que funcione para ellos. Somos todos muy diferentes, pero muchos de nuestros sistemas en la vida tienen un único enfoque”, afirma. 

Los primeros días de Ulrich en el cargo estuvieron definidos por cuatro prioridades clave. Primero, su equipo catalogó todas las actividades relacionadas con la IA en Mastercard para priorizar y enfocar sus esfuerzos. También abordaron la inmensa infraestructura de datos de la compañía, ya que tiene altas cantidades de datos de transacciones e información proveniente de adquisiciones.

“Estamos en un proceso de entender cómo podemos usar esos datos de manera segura, responsable y que también genere el mayor valor”, anota.

Otra apuesta ha sido la educación de los empleados, buscando la democratización del conocimiento de IA en toda la organización. En ese sentido, el equipo de Ulrich trabajó de la mano con los equipos de privacidad y regulación para moldear las políticas de IA que cumplan con los estándares globales.

“Se trata de garantizar responsabilidad y confianza mientras escalamos estas tecnologías”, añade.

La estrategia de IA de Mastercard se despliega en cuatro categorías principales. Tres se centran en aplicaciones externas, mejorando productos y servicios para los clientes. La cuarta es interna, orientada a fortalecer a Mastercard como organización.

Externamente, la IA sustenta los esfuerzos de la compañía para hacer que el ecosistema sea más seguro al prevenir fraudes y aumentar la seguridad.

 “Hemos estado utilizando IA en nuestros modelos de fraude y seguridad durante décadas”, reitera Ulrich. 

Con la IA, pretenden también impulsar un comercio más inteligente.

“¿Cómo proporcionamos mejores insights a nuestros clientes basándonos en nuestros datos y los de ellos?”, se pregunta. 

Con ese propósito, Mastercard dice estar aprovechando la IA para habilitar la personalización para sus socios, equipando a bancos y comercios con herramientas para ofrecer ofertas y productos a sus clientes en el momento adecuado.

Internamente, la IA está optimizando las operaciones la compañía. Un ejemplo que comparte Ulrich implica el uso de IA generativa para mejorar el desarrollo de software.

“Lo llamo hacer a Mastercad más fuerte. Hemos estado probando esto con nuestros ingenieros y viendo excelentes resultados”, dijo. “No se trata solo de eficiencia, sino también de aumentar la satisfacción laboral al eliminar tareas repetitivas  Se trata de inspirar a las personas y darles las herramientas para que se enfoquen en el trabajo que aman”

La IA también está transformando el proceso de incorporación de productos de Mastercard al automatizar tareas manuales y permitir una resolución más rápida de consultas de clientes a través de agentes impulsados por IA.

Esta visión pragmática hacia la adopción de IA se extiende a los modelos que Mastercard emplea. “Somos agnósticos en cuanto a modelos”, dijo, enfatizando que la compañía prueba varios modelos para diferentes casos de uso para equilibrar eficacia y costo. 

Esta flexibilidad permite a Mastercard adaptarse a medida que las tecnologías de IA evolucionan.

Un batallón de ingenieros para lograr escalabilidad

Al reflexionar sobre el momento de la compañía, Ed McLaughlin, presidente y CTO de Mastercard, se refiere a una combinación de tecnología, colaboración global y un enfoque constante en la seguridad y la confiabilidad. 

“La escalabilidad es una gran ingeniería”, afirma McLaughlin, destacando la importancia de diseñar sistemas resilientes desde el principio.

McLaughlin supervisa las funciones tecnológicas de la empresa, incluidas la red global de pagos, las plataformas empresariales, la infraestructura y operaciones tecnológicas, la seguridad de la información y los centros tecnológicos globales.

Con miles de millones de transacciones digitales procesándose diariamente a través de su red, su equipo, por supuesto, trabaja con inteligencia artificial avanzada, la computación cuántica y otras tecnologías para adelantarse a las amenazas y oportunidades.

McLaughlin es una voz global que ha aparecido en listas como Forbes CIO Next, que presenta a los líderes de tecnología más relevantes del mundo, entre otras cosas, por haber estado detrás de un proceso de contratación más efectivo, lo que ha resultado en un aumento de hasta cuatro veces en la interacción con ingenieros altamente calificados.

“Cuando operas a pequeña escala, intentas evitar que las cosas se rompan”; dice McLaughlin. “A medida que alcanzas una escala real, debes asumir que cualquier cosa puede fallar”,

Es por eso que esta compañía de pagos busca diseñar sus sistemas con redundancia y resiliencia en mente, operando siempre en múltiples sitios y con entornos activos alternativos. Este enfoque permite a la compañía manejar niveles de transacciones impresionantes: 

“Este año realizaremos aproximadamente un billón de servicios en la red”, señala McLaughlin. “Cuando alcanzas ese nivel de escala, se trata de un diseño antifrágil”.

La infraestructura de Mastercard combina una red global de centros de datos con una nube privada y entornos de nube pública. 

“Operamos una red global con centros de datos. Tenemos una nube privada y también usamos entornos de nube pública. Elegimos ejecutar cargas donde sea más rentable o en diferentes entornos para obtener aún más resiliencia”, comenta. “Si algo falla en un entorno, tenemos otro al cual recurrir”.

Los centros tecnológicos de Mastercard no solo son fundamentales para la innovación, sino también para el desarrollo del talento.

 “Lo grandioso de nuestros centros tecnológicos es que enfatizamos el aprendizaje y la capacitación”, resalta McLaughlin. 

Teniendo como objetivo la colaboración, estos espacios vibrantes permiten que diferentes partes del negocio trabajen juntas, fomentando la creatividad y el crecimiento.

El reclutamiento también es una prioridad constante.

 “Sabemos el tipo de talento que buscamos, por lo que constantemente reclutamos personas que encajen en ese perfil”, explica McLaughlin. “Cuando encontramos un gran ajuste para Mastercard, los integramos y comienzan a trabajar en nuestras aplicaciones”.

El trabajo híbrido también promueve la colaboración. 

“Tenemos una política híbrida de trabajo tres días a la semana. Muchas personas hacen más porque la capacidad de colaborar y trabajar juntas en persona es crucial”, agrega McLaughlin.

Mastercard dice haber invertido US$7.000 millones en tecnología de ciberseguridad durante la última década.

“Realizamos inversiones importantes porque mantener nuestros sistemas seguros es una parte clave de nuestra promesa de marca”, reitera McLaughlin. “Las amenazas siempre están presentes y siguen evolucionando, pero nuestro enfoque está en garantizar que nuestros sistemas estén protegidos, los datos sean seguros y el fraude sea mitigado”.

Así mismo, la compañía está experimentando con la computación cuántica. 

“Hemos trabajado en la encriptación de claves cuánticas con socios como Cisco y Verizon. Esto hace que la red sea más segura al usar técnicas cuánticas para generar claves de un solo uso, haciéndolas inviolables”, anticipa McLaughlin.

La IA ha sido una parte integral de Mastercard durante más de una década. Actualmente, la red de la compañía opera con 14 motores de IA diferentes.

“Hemos integrado IA en nuestra red durante más de una docena de años. En 2019, Time nos otorgó el premio Innovación del Año por nuestra plataforma de gestión de decisiones, que utiliza IA como cerebro”, asegura McLaughlin. 

Estos motores han sido fundamentales para reducir el fraude. La adopción de herramientas de IA generativa también ha mejorado la generación y análisis de código.

“Hemos visto beneficios de la IA generativa en la generación y análisis de código. Es particularmente útil para generar conjuntos de pruebas y analizar bloques de código existentes”, complementa.

Por otra parte, menciona que han introducido work batches, plataformas dedicadas con capacidades de IA generativa adaptadas para roles específicos como ingeniería de software, gestión de productos y análisis. Así, un trabajador del conocimiento puede tener un copiloto que le ayude a interpretar y un ingeniero de software que disponga de un nuevo conjunto de herramientas para generar o analizar lo que sea necesario.

Para McLaughlin, el futuro de los pagos está en la integración sin fricciones.

 “Cualquier cosa puede convertirse en un punto de acceso a la red”, recalca. 

Desde automóviles que pagan la gasolina directamente en la bomba hasta experiencias de comercio contextual, Mastercard está trabajando para transformar los pagos en una parte invisible pero esencial de la vida diaria.

Mirando hacia adelante, McLaughlin se muestra entusiasmado con avances como las redes neuronales líquidas.

 “Los modelos de inferencia profunda son costosos de ejecutar a la escala de Mastercard, por lo que el desarrollo de técnicas de modelado más eficientes es un cambio significativo”, concluye McLaughlin. “Esto podría ser lo próximo en IA, especialmente a medida que integramos estas tecnologías en producción”.