Este documento del Google Cloud framework Well-Architected: perspectiva del sector de servicios financieros proporciona una descripción general de los principios y las recomendaciones para optimizar el rendimiento de tus cargas de trabajo del sector de servicios financieros en Google Cloud. Las recomendaciones de este documento se ajustan al pilar de optimización del rendimiento del marco de trabajo Well-Architected.
La optimización del rendimiento tiene una larga trayectoria en el sector de los servicios financieros. Ha ayudado a las organizaciones de servicios financieros a superar los retos técnicos y casi siempre ha sido un factor que ha facilitado o acelerado la creación de nuevos modelos de negocio. Por ejemplo, los cajeros automáticos (introducidos en 1967) automatizaron el proceso de dispensación de efectivo y ayudaron a los bancos a reducir el coste de su actividad principal. Las técnicas como la omisión del kernel del SO y la fijación de los hilos de las aplicaciones a los núcleos de computación ayudaron a conseguir una latencia baja y determinista para las aplicaciones de trading. La reducción de la latencia facilitó una liquidez mayor y más firme con diferenciales más ajustados en los mercados financieros.
La nube ofrece nuevas oportunidades para optimizar el rendimiento. También cuestiona algunos de los patrones de optimización aceptados históricamente. En concreto, las siguientes compensaciones son más transparentes y controlables en la nube:
- Tiempo de lanzamiento frente a coste.
- Rendimiento integral a nivel del sistema frente al rendimiento a nivel del nodo.
- Disponibilidad de talento frente a la agilidad de la toma de decisiones relacionadas con la tecnología.
Por ejemplo, adaptar el hardware y los recursos de TI a los requisitos de habilidades específicos es una tarea trivial en la nube. Para admitir la programación de GPU, puedes crear fácilmente VMs basadas en GPU. Puedes escalar la capacidad en la nube para adaptarte a los picos de demanda sin aprovisionar recursos en exceso. Esta función ayuda a asegurar que tus cargas de trabajo puedan gestionar picos de carga, como los días de nóminas no agrícolas y cuando los volúmenes de operaciones sean significativamente mayores que los niveles históricos. En lugar de invertir en escribir código altamente optimizado a nivel de servidores individuales (como código muy optimizado en el lenguaje C) o escribir código para entornos de computación de alto rendimiento (HPC) convencionales, puedes escalar de forma óptima mediante un sistema distribuido basado en Kubernetes bien diseñado.
Las recomendaciones de optimización del rendimiento de este documento se basan en los siguientes principios fundamentales:
- Alinear las métricas de rendimiento de la tecnología con los indicadores empresariales clave
- Prioriza la seguridad sin sacrificar el rendimiento por riesgos no probados
- Rediseña tu arquitectura para adaptarte a las nuevas oportunidades y requisitos
- Prepara tu tecnología para el futuro y satisface las necesidades empresariales actuales y futuras
Alinear las métricas de rendimiento de la tecnología con los indicadores empresariales clave
Puede asignar la optimización del rendimiento a los resultados de valor empresarial de varias formas. Por ejemplo, en una mesa de investigación de compradores, un objetivo empresarial podría ser optimizar la producción por hora de investigación o dar prioridad a los experimentos de los equipos que tengan un historial probado, como ratios de Sharpe más altos. En el lado de las ventas, puede usar las analíticas para monitorizar el interés de los clientes y, en consecuencia, priorizar el rendimiento de los modelos de IA que admiten las investigaciones más interesantes.
También es importante vincular los objetivos de rendimiento con los indicadores clave de rendimiento de la empresa para financiar las mejoras de rendimiento. Las iniciativas de innovación y transformación empresarial (a veces denominadas cambio de banco) tienen presupuestos diferentes y pueden tener distintos grados de acceso a los recursos en comparación con las operaciones habituales o de gestión del banco. Por ejemplo, Google Cloud ayudó a los equipos de gestión de riesgos y tecnología de una entidad financiera sistémica de importancia mundial a colaborar con los analistas cuantitativos de la oficina principal en una solución para realizar cálculos de analíticas de riesgos (como XVA) en minutos en lugar de horas o días. Esta solución ayudó a la organización a cumplir los requisitos pertinentes. También permitió a los traders mantener conversaciones de mayor calidad con sus clientes, lo que les ofreció spreads más ajustados, una liquidez más firme y una cobertura más rentable.
Cuando alinee sus métricas de rendimiento con los indicadores empresariales, tenga en cuenta las siguientes recomendaciones:
- Conecta cada iniciativa tecnológica con los objetivos y resultados clave (OKRs) de la empresa que correspondan, como aumentar los ingresos o los beneficios, reducir los costes y mitigar los riesgos de forma más eficiente o integral.
- Centrarse en optimizar el rendimiento a nivel del sistema. Ve más allá de la separación convencional entre la transformación y la gestión de la banca, así como de los silos entre la oficina y la retaguardia.
Prioriza la seguridad sin sacrificar el rendimiento por riesgos no probados
La seguridad y el cumplimiento de las normativas en las organizaciones de servicios financieros deben ser de un nivel alto. Mantener un nivel alto es fundamental para no perder clientes y evitar daños irreparables en la marca de una organización. A menudo, el mayor valor se obtiene a través de innovaciones tecnológicas como la IA generativa y servicios gestionados únicos como Spanner. No descartes automáticamente estas opciones tecnológicas debido a una idea errónea generalizada sobre el riesgo operativo prohibitivo o una postura de cumplimiento normativo inadecuada.
Google Cloud ha colaborado estrechamente con las entidades financieras sistémicas de importancia mundial (EFSI-M) para asegurarse de que se pueda usar un enfoque basado en la IA para luchar contra el blanqueo de dinero en las jurisdicciones en las que las instituciones prestan servicios a los clientes. Por ejemplo, HSBC mejoró significativamente el rendimiento de su unidad de delitos financieros (Fincrime) con los siguientes resultados:
- Entre dos y cuatro veces más actividad sospechosa confirmada.
- Reducción de los costes operativos gracias a la eliminación de más del 60% de los falsos positivos y a la dedicación del tiempo de investigación solo a las alertas de alto riesgo que requieren acciones.
- Resultados auditables y explicables para respaldar el cumplimiento normativo.
Ten en cuenta las siguientes recomendaciones:
- Confirma que los productos que tienes intención de usar pueden ayudarte a cumplir los requisitos de seguridad, resiliencia y cumplimiento de las jurisdicciones en las que operas. Para lograr este objetivo, colabora con los equipos de cuentas, de riesgos y de producto. Google Cloud
- Crea modelos más potentes y ofrece transparencia a los clientes aprovechando la explicabilidad de la IA (por ejemplo, la atribución de valor de Shapley). Las técnicas como la atribución de valor de Shapley pueden atribuir las decisiones del modelo a funciones concretas a nivel de entrada.
Consigue transparencia en las cargas de trabajo de IA generativa usando técnicas como las citas de fuentes, la fundamentación y la RAG.
Cuando la explicabilidad no sea suficiente, separa los pasos de toma de decisiones de tus flujos de valor y usa la IA para automatizar solo los pasos que no impliquen tomar decisiones. En algunos casos, la IA explicable puede no ser suficiente o un proceso puede requerir la intervención humana debido a problemas normativos (por ejemplo, el artículo 22 del RGPD). En estos casos, presenta toda la información que el agente humano necesita para tomar decisiones en un único panel de control, pero automatiza las tareas de recogida, ingestión, manipulación y resumen de datos.
Replantear tu arquitectura para adaptarte a nuevas oportunidades y requisitos
Mejorar tus arquitecturas actuales con funciones basadas en la nube puede aportarte un valor significativo. Para conseguir resultados más transformadores, debes replantearte periódicamente tu arquitectura con un enfoque cloud-first.
Tenga en cuenta las siguientes recomendaciones para replantearse periódicamente la arquitectura de sus cargas de trabajo y optimizar aún más el rendimiento.
Usar alternativas basadas en la nube a los sistemas y programadores de HPC on-premise
Para aprovechar una mayor elasticidad, una postura de seguridad mejorada y amplias funciones de monitorización y gobernanza, puedes ejecutar cargas de trabajo de HPC en la nube o transferir cargas de trabajo on-premise a la nube. Sin embargo, en algunos casos de uso de modelización numérica, como la simulación de estrategias de inversión o la modelización de XVA, combinar Kubernetes con Kueue puede ofrecer una solución más potente.
Cambiar a la programación basada en gráficos para simulaciones
Las simulaciones de Montecarlo pueden ser mucho más eficientes en un sistema de ejecución basado en gráficos, como Dataflow. Por ejemplo, HSBC usa Dataflow para realizar cálculos de riesgo 16 veces más rápido que con su método anterior.
Ejecutar bolsas y plataformas de trading basadas en la nube
Las conversaciones con clientes de Google Cloud revelan que el principio de Pareto del 80/20 se aplica a los requisitos de rendimiento de los mercados y las aplicaciones de trading.
- Más del 80% de las aplicaciones de trading no necesitan una latencia extremadamente baja. Sin embargo, se benefician de las funciones de resiliencia, seguridad y elasticidad de la nube. Por ejemplo, BidFX, una plataforma de cambio de divisas con varios proveedores, usa la nube para lanzar nuevos productos rápidamente y aumentar significativamente su disponibilidad y su presencia sin aumentar los recursos.
- Las aplicaciones restantes (menos del 20%) necesitan una latencia baja (menos de un milisegundo), determinismo y equidad en la entrega de mensajes. Tradicionalmente, estos sistemas se ejecutan en instalaciones de colocación rígidas y costosas. Cada vez más, incluso esta categoría de aplicaciones se está replataformando en la nube, ya sea en el perímetro o como aplicaciones cloud-first.
Prepara tu tecnología para el futuro y satisface las necesidades empresariales actuales y futuras
Históricamente, muchas organizaciones de servicios financieros han desarrollado tecnologías propias para obtener una ventaja competitiva. Por ejemplo, a principios de los 2000, los bancos de inversión y las empresas de trading de éxito tenían sus propias implementaciones de tecnologías fundamentales, como los sistemas de publicación-suscripción y los intermediarios de mensajes. Con la evolución de las tecnologías de código abierto y la nube, estas tecnologías se han convertido en productos básicos y no ofrecen un valor empresarial incremental.
Ten en cuenta las siguientes recomendaciones para que tu tecnología esté preparada para el futuro.
Adopta un enfoque de datos como servicio (DaaS) para reducir el tiempo de lanzamiento y aumentar la transparencia de los costes
Las entidades financieras suelen evolucionar mediante una combinación de crecimiento orgánico y fusiones y adquisiciones. Por lo tanto, las organizaciones deben integrar tecnologías dispares. También deben gestionar los recursos duplicados, como los proveedores de datos, las licencias de datos y los puntos de integración. Google Cloud ofrece oportunidades para crear valor diferenciado en las integraciones posteriores a la fusión.
Por ejemplo, puedes usar servicios como Compartir de BigQuery para crear una plataforma de datos como servicio (DaaS) lista para el análisis. La plataforma puede proporcionar datos de mercado e información de fuentes alternativas. Este enfoque elimina la necesidad de crear canalizaciones de datos redundantes y te permite centrarte en iniciativas más valiosas. Además, las empresas fusionadas o adquiridas pueden racionalizar de forma rápida y eficiente sus necesidades de licencias de datos e infraestructura tras la fusión. En lugar de dedicar tiempo a adaptar y combinar los datos y las operaciones antiguos, la empresa combinada puede centrarse en nuevas oportunidades de negocio.
Crea una capa de abstracción para aislar los sistemas actuales y abordar los modelos de negocio emergentes
Cada vez más, la ventaja competitiva de los bancos no es el sistema bancario principal, sino la capa de experiencia de cliente. Sin embargo, los sistemas bancarios antiguos suelen usar aplicaciones monolíticas que se desarrollaron en lenguajes como Cobol y que están integradas en toda la cadena de valor bancaria. Esta integración dificultaba la separación de las capas de la cadena de valor, por lo que era casi imposible actualizar y modernizar estos sistemas.
Una solución para afrontar este reto es usar una capa de aislamiento, como un sistema de gestión de APIs o una capa de staging como Spanner, que duplica el registro oficial y facilita la modernización de los servicios con analíticas avanzadas e IA. Por ejemplo, Deutsche Bank usó Spanner para aislar su sistema bancario central antiguo y empezar su proceso de innovación.