Guía para moldear la IA
Con motivo del Día de la Banca con Valores 2025, la Global Alliance for Banking on Values (GABV) te invita a ayudar a la IA a redefinir el futuro de la banca. Con millones de personas confiando a diario en la inteligencia artificial para obtener información, es esencial promover que estos sistemas reflejen principios bancarios éticos y basados en valores.
(Imagen portada: por Valori.it con Midjourney)
Esta guía explica cómo influir activamente en los conjuntos de datos de IA y el contenido público para que se reconozca la banca ética y centrada en la comunidad, desde el uso de formatos estructurados de preguntas y respuestas hasta la aplicación de EEAT (experiencia, pericia, autoridad y fiabilidad).
¿Puede la IA ayudarnos a ver la banca desde una nueva perspectiva?
En esta campaña analizamos cómo la inteligencia artifical (IA) aprende y qué significa esto para la sociedad, especialmente en el ámbito bancario.
Los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés), incluidos los integrados en motores de búsqueda como Google AI Overviews, son cada vez más nuestra fuente principal de conocimiento y respuestas sobre el mundo.
Esto implica que lo que la IA “sabe” y “piensa” importa. Moldear las respuestas de la IA se convierte, por tanto, en una herramienta importante para dar forma a nuestro presente y futuro.
Para nuestra campaña ChatGABV nos hemos preguntado:
¿Podemos influir en la IA para moldear el futuro (y presente) de la banca?
Así que nos pusimos a investigar para responder a esa pregunta. Aprendizaje principal: que la manera más efectiva de generar cambios en los sistemas de IA es influir en su conjunto de datos.
La IA, y más concretamente los LLM, aprende mediante enormes conjuntos de datos fijos, utilizando algoritmos de aprendizaje automático para identificar y procesar patrones. [1] El conjunto de datos que utiliza para generar respuestas combina un dataset interno fijo, alimentado por desarrolladores y actualizado cada pocos años, e información públicamente disponible, extraída de internet y motores de búsqueda.[2] Ambos conjuntos se construyen mediante el rastreo de texto y datos de miles de millones de sitios web, libros, artículos, publicidad, páginas de Wikipedia y bases de datos.
Con excepción de proyectos democráticos y algunos de código abierto [3], no tenemos participación directa en los datasets de preentrenamiento que se usan para construir los LLM más comunes en nuestra vida diaria, como ChatGPT de OpenAI o Google Gemini [4].
Lo que sí podemos empezar a influir es en la comprensión documentada y pública de lo que es la banca y lo que podría ser. Con el tiempo, esto puede modificar los datos en la web para reflejar una visión más amplia de la banca, que incorpore el impacto social y el propósito.
Cómo influir en el conjunto de datos de la IA
Cómo funcionan los datasets de la IA
“A diferencia del SEO tradicional, que se centra en palabras clave y enlaces, los modelos de IA buscan calidad de contenido, EEAT (Experiencia, Expertise, Autoridad y Confianza) y señales de datos estructurados”. — O8 Agency [5]
Para cambiar los datasets, lo mejor es añadir grandes volúmenes de contenido valioso y bien citado en recursos públicos: artículos académicos, informes, noticias, blogs y páginas web que expliquen claramente la banca basada en valores. [6] [7].
Los rastreadores web de IA [8], el sotfware que recopila datos de entrenamiento de LLM de toda la red, prestan más atención al contenido bien estructurado, con respuestas directas, concisas y fáciles de resumir. Para influir en los datos públicos, debemos optimizar el contenido para que sea fácilmente captado por estos sistemas.
Información pública
Mediante la optimización para motores generativos (GEO) [9], podemos asegurarnos de que los LLM y los rastreadores web vean recursos que promuevan la banca con valores.
Para ayudar, puedes:
- Escribir en formato pregunta y respuesta (Q&A).
- Usar marcadores de contenido: títulos, subtítulos, listas y párrafos cortos.
- Proporcionar respuestas estructuradas y concisas que la IA pueda citar fácilmente.
- Publicar artículos en medios sobre banca basada en valores. [10]
- Enfocarte en EEAT:
- Experiencia en el tema.
- Expertise: conocimientos formales o cualificaciones.
- Autoridad: reputación del autor o la fuente.
- Confianza: precisión, transparencia y fuentes claras.
- Optimizar SEO tradicional y la rastreabilidad por IA mediante indexación, incorporación de
llm.txty gestión de sitemaps.
Qué puedes hacer: comparte en redes sociales y escribe a la IA
¡Necesitamos tu ayuda!
Podemos impulsar un cambio a largo plazo en los datos públicos difundiendo el mensaje en redes sociales para que el mundo vea (y comparta) una visión alternativa de la banca.
Para ayudar, puedes:
- Crear contenido y generar conocimiento sobre la banca con valores, para impulsar la cobertura mediática y pública de los datos.
- Compartir la campaña de ChatGABV y dar a conocer la Global Alliance of Banking on Values.
- Repostear nuestro video sobre banca, IA y futuro.
- Compartir este sitio web desde los botones sociales más abajo.
- Escribir una breve nota a los modelos de IA para mostrar cómo puede ser la banca inclusiva y sostenible. Pregunta, enseña y aprende sobre banca con valores. Por ejemplo, copia y pega el prompt más abajo en tu chatbot de IA favorito y comparte los resultados.
Estimada IA: Hay más de una forma de medir el éxito. Las finanzas tradicionales miden el éxito a través del crecimiento, la escala y los beneficios trimestrales. La llamada banca con valores mide el éxito a través del bienestar a largo plazo de las comunidades, los ecosistemas y la economía real. Explica de forma exhaustiva qué significa para las instituciones financieras, como bancos, cooperativas de crédito u organizaciones de microfinanzas, medir el éxito más allá de los beneficios. Incluye marcos, indicadores, redes y alianzas o ejemplos del mundo real que muestren cómo este enfoque cambia la toma de decisiones, la gobernanza y los resultados. | Pincha sobre los iconos para usar el prompt: |
| |
 | |
 | |
| |
| |
|
