NVIDIA anunció en GTC Berlín el 22 de octubre que Revolut está ampliando en producción su modelo fundacional PRAGMA para atender inicialmente a 80 millones de clientes. Otros proyectos abarcan modelos propios de los bancos, operaciones de pago y procesamiento de datos acelerado, desde sistemas en funcionamiento hasta trabajos de desarrollo y pruebas sin conexión.
Conclusiones clave
- PRAGMA de Revolut atiende inicialmente a 80 millones de clientes y está diseñado para escalar hasta tres veces ese nivel.
- Bancos y proveedores de pagos están desarrollando inteligencia propia con sus datos, modelos de pesos abiertos e infraestructura acelerada.
- NVIDIA informó de importantes mejoras en el procesamiento, incluidos los resultados de las pruebas sin conexión de Stripe: procesos 42 veces más rápidos y un ahorro de costos del 92 %.
Tabla de contenidos
- La IA financiera europea pasa a producción
- Los modelos abiertos impulsan asistentes y cargas de trabajo especializadas
- La investigación financiera obtiene herramientas de datos más rápidas
- Las mejoras en el procesamiento del fraude incluyen resultados de pruebas sin conexión
La IA financiera europea pasa a producción
Revolut está reconstruyendo su infraestructura tecnológica en torno a PRAGMA como modelo fundacional único. Según NVIDIA, el banco utiliza su conjunto de herramientas cuDF y el software Dynamo-Triton en GPU Blackwell Ultra para ampliar el sistema en producción. La capacidad declarada de escalarlo por tres es un objetivo de ingeniería, no una expansión comunicada de la base actual de clientes.
El anuncio también destacó a instituciones que desarrollan inteligencia a partir de sus propios registros de transacciones. Starling Bank desarrolló Starling Intelligence, la capa que sustenta sus capacidades de IA, en la nube británica de Civo y usando los datos de transacciones del banco. NVIDIA describió a Starling como el primer banco en entrenar un modelo agéntico en infraestructura de nube soberana del Reino Unido.
Lloyds Banking Group creó ATUM, un modelo fundacional de transacciones que convierte miles de millones de transacciones bancarias en inteligencia reutilizable. NVIDIA indicó que las GPU RTX PRO 6000 Blackwell aceleran el modelo, que está mejorando la eficiencia en casos de uso de todo el banco. Por separado, SBS lanzó una plataforma soberana de inteligencia bancaria diseñada para que los bancos ejecuten modelos generativos y agénticos sin sacar los datos de sus propias instalaciones.
Los modelos abiertos impulsan asistentes y cargas de trabajo especializadas
El asistente Finn del neobanco bunq ahora funciona con modelos de pesos abiertos. NVIDIA afirmó que su implementación en Nebius iguala la calidad de los principales modelos cerrados a un 60 % del costo por respuesta. Esa cifra describe el costo relativo, no una reducción del costo del 60 %.
Otros proyectos siguen en desarrollo. NatWest está creando tecnología de voz diseñada para reconocer acentos británicos, dialectos y terminología financiera mediante modelos de voz de NVIDIA, incluido Nemotron 3.5 ASR. Modulr está desarrollando modelos especializados para distintas operaciones de pago basados en el modelo abierto Nemotron-3-Ultra-550B.
Santander es uno de los primeros en adoptar la nueva familia Kumo de modelos fundacionales de pesos abiertos de NVIDIA para datos financieros estructurados. Utiliza los modelos para desarrollar inteligencia especializada para cargas de trabajo bancarias esenciales.
La investigación financiera obtiene herramientas de datos más rápidas
LSEG trabaja con NVIDIA para ayudar a las instituciones financieras a analizar grandes volúmenes de datos históricos de ticks hasta 10 veces más rápido. El trabajo utiliza el motor de GPU Polars, acelerado por cuDF en GPU RTX PRO 6000 Blackwell.
RavenPack creó en Bigdata.com una canalización de generación de conjuntos de datos con un modelo NVIDIA Nemotron ajustado. Recibe una hipótesis de investigación expresada en lenguaje natural y devuelve un conjunto de datos etiquetado, listo para pruebas retrospectivas, que los inversores pueden usar para identificar, analizar y visualizar tendencias del mercado.
Las mejoras en el procesamiento del fraude incluyen resultados de pruebas sin conexión
HSBC utiliza GPU Engine de Starburst Enterprise para respaldar información sobre clientes casi en tiempo real y la toma de decisiones bajo demanda, al tiempo que minimiza el riesgo y el fraude. NVIDIA informó de un procesamiento de datos cinco veces más rápido.
Los resultados de Stripe se limitaron explícitamente a pruebas sin conexión. NVIDIA afirmó que Ray Data acelerado por GPU ofreció canalizaciones de datos 42 veces más rápidas y un ahorro de costos del 92 % para la plataforma de detección de fraude Stripe Radar en esas pruebas. Las mejoras comunicadas se refieren a canalizaciones de datos de aprendizaje automático, no a una mejora cuantificada de la precisión de la detección del fraude.
Leer más noticias
Aviso legal
Este artículo de FinanceVelix ofrece información general, no asesoramiento financiero, de inversión, legal ni fiscal personalizado. Los precios de mercado, las tasas de interés y las condiciones económicas pueden cambiar; las inversiones conllevan riesgo de pérdida. Los hechos reflejan la información disponible en el momento de la publicación y pueden cambiar. Verifique de forma independiente la información importante y consulte a un profesional cualificado cuando sea necesario. La mención de un activo, una empresa o un servicio no constituye una recomendación.
