Grant Schneider logró dos éxitos hits y promete alcanzar más, por lo que siente que el juego cambió por completo.
Los modelos de IA que ayudó a crear como vicepresidente de machine learning de Upstart están aprobando más préstamos personales a tasas de interés más bajas que las reglas que usan los bancos tradicionales para medir la solvencia crediticia.
Además, está ayudando a la antigua startup de Silicon Valley, ahora una de las empresas públicas más nuevas de los EE. UU., a ser pionera en un nuevo y exitoso centro de desarrollo de IA en Columbus, Ohio.
Un Mentor en el Medio Oeste
La carrera de Schneider se ha montado a un cohete de IA gracias a dos simples giros del destino.
“En la recesión de 2009, estaba a punto de graduarme de la Universidad Estatal de Ohio en Finanzas y no había trabajos financieros, pero un mentor me convenció de tomar algunas clases de estadística”, dijo.
Terminó obteniendo un título de grado, una maestría y luego un doctorado en este campo en 2014, justo cuando machine learning estaba emergiendo como lo más destacado en la computación.
“Luego leí sobre Upstart en un artículo de noticias al azar, les envié un correo electrónico y obtuve una respuesta: el equipo me dejó impresionado”, dijo.
Un Gran Avance con Big Data
Schneider se sumó como científico de datos, para experimentar con formas de procesar solicitudes de préstamos en línea desde la aplicación para teléfonos inteligentes de la compañía. Entrenó modelos de inteligencia artificial en conjuntos de datos disponibles públicamente mientras la startup seleccionaba lentamente su propio tesoro privado de datos.
El avance se produjo con el primer experimento que entrenaba un modelo con los propios datos de Upstart. “De la noche a la mañana, nuestras tasas de aprobación casi se duplicaron… y con el tiempo quedó claro que estábamos moviendo la aguja para mejorar el acceso al crédito”, dijo.
A medida que el negocio crecía, Upstart recopilaba más datos. Esos datos ayudaron a que los modelos fueran más precisos para poder extender el crédito a más prestatarios a tasas más bajas. Y eso atrajo más negocios.
Subirse al Ciclo Virtuoso de la IA
La startup se encontró en el llamado ciclo virtuoso de la IA.
“Una de las partes más interesantes de trabajar en modelos de IA es que impulsan directamente las tasas de interés que podemos ofrecer, de modo que, a medida que mejoramos el modelado, ampliamos el acceso al crédito; ese es un motivador poderoso para el equipo”, dijo.
A los prestatarios también les gusta. Más de 620,000 de ellos recibieron aprobaciones por los modelos de Upstart para obtener un total de 7,800 millones de dólares en préstamos personales hasta el momento, aproximadamente un 27 % más de lo que hubieran sido aprobados por los modelos de crédito tradicionales, a tasas de interés con un 16 % por debajo del promedio, según un estudio de la Oficina de Protección Financiera del Consumidor de EE. UU.
Las cifras abarcan todos los grupos demográficos, independientemente de su edad, raza u origen étnico. “Nuestros modelos de inteligencia artificial se están acercando más a la verdad de la solvencia crediticia que los métodos tradicionales, y eso significa que debería haber menos sesgo”, dijo Schneider.
Apostando por los Buckeyes
A medida que crecía, la empresa de Palo Alto, California, buscó una segunda ubicación donde pudiera expandir su equipo de I + D. Un estudio mostró que el hogar del alma mater de Schneider podría ser una buena fuente de talento joven, por lo que el graduado de Ohio State regresó al Medio Oeste.
Columbus superó las expectativas incluso para un Schneider en alza. Lo que iba a ser una oficina de 140 personas en unos años ya ha llegado a 250 personas dedicadas a la inteligencia artificial, la ingeniería de software y las operaciones.
“Después de ver a la compañía cuando había 20 personas en una habitación debajo del consultorio del dentista, eso es un gran cambio”, dijo Schneider.
GPU Reduce el Tiempo de Prueba
Upstart tiene experiencia con casi una docena de técnicas de modelado de IA y casi la misma cantidad de casos de uso. En estos días, las redes neuronales y los árboles impulsados por gradientes están impulsando la mayoría de las ganancias.
Los modelos rastrean hasta 1,600 variables en datos de millones de transacciones. Por lo tanto, Upstart puede usar miles de millones de puntos de datos para probar modelos de la competencia.
“En un momento, estas comparaciones tardaron más de un día en ejecutarse en una CPU, pero lo reducimos en un factor de 20 cuando trasladamos el trabajo a las GPU”, dijo Schneider.
En estos días, Upstart entrena nuevos modelos de machine learning en unos minutos en lugar de varias horas.
El Poder de Dos
De cara al futuro, los investigadores de la empresa están experimentando con NVIDIA RAPIDS, bibliotecas que trasladan rápidamente los trabajos de ciencia de datos a las GPU.
Schneider ofrece un informe entusiasta de la “asistencia al cliente con esteroides” que su equipo recibe de los arquitectos de soluciones de NVIDIA.
“Es muy bueno para nuestro equipo de investigación tener expertos que nos ayuden a resolver nuestros problemas. Tener un socio proactivo que comprenda el funcionamiento interno de la tecnología nos libera para enfocarnos en problemas comerciales interesantes y cambiar las mejoras del modelo que afectan a nuestros usuarios finales”, dijo.
Los Primeros Pasos para la Banca de IA
Como startup, la compañía desarrolló y probó modelos en laptops con GPU. Aunque en estos días, utiliza el cloud para manejar su trabajo de inteligencia artificial ampliado, Schneider ve el potencial de otro boomerang en el futuro con algo de trabajo alojado en los propios sistemas de la empresa.
A pesar de su exitosa salida a bolsa en diciembre, Upstart todavía está dando sus primeros pasos. Por ejemplo, la empresa comenzó a ofrecer préstamos para automóviles en septiembre.
Salir a bolsa en medio de una pandemia global “fue una experiencia muy surrealista y emocionante y un buen hito que valida los años de trabajo que hemos realizado, pero aún estamos en las primeras etapas del ciclo de vida de esta empresa y las cosas más emocionantes aún están por delante”, dijo. “Aún estamos lejos de predecir perfectamente el futuro, pero eso es lo que queremos lograr”, agregó.
Visita la página de la industria de servicios financieros de NVIDIA para obtener más información.