Itaú mejora la velocidad de comercialización y la productividad de las soluciones de ML con Amazon Web Services

Itaú brinda servicios bancarios a clientes en Brasil, América Latina y otros 18 países en el mundo. Cuenta con más de 95 700 empleados, de los cuales unos 15 000 trabajan en TI. La infraestructura original de Itaú era completamente local, lo que generaba costos elevados y tiempos de desarrollo lentos. Además, la infraestructura local no era escalable porque estaba limitada por el espacio físico y el hardware. En el grupo de datos del banco, los científicos de datos tenían que esperar hasta 6 meses para que hubiera memoria y recursos disponibles, y la empresa tenía una lista de espera de implementación con más de 100 modelos de ML.

Para superar estos desafíos, Itaú decidió migrar una parte de su empresa a la nube y optó por usar AWS. “Una de las razones por las que decidimos migrar de las instalaciones locales a la nube fue una estrategia para aumentar la competitividad y la eficiencia empresarial al mismo tiempo”, afirma Diego Nogare, ML engineering manager en Itaú.

Aproximadamente 6 meses después del inicio de la migración, Itaú eligió Amazon SageMaker , un servicio para crear, entrenar e implementar modelos de aprendizaje automático para cualquier caso de uso con infraestructura, herramientas y flujos de trabajo totalmente administrados, como solución de aprendizaje automático flexible y nativa de la nube. “Estábamos transformando nuestro software y nuestros datos con AWS, y necesitábamos una solución que funcionara perfectamente en AWS”, afirma Vitor Azeka, data science superintendent en Itaú. “Amazon SageMaker fue la elección obvia”. En 2024, alrededor del 60 por ciento del software y los datos de la empresa ya están modernizados para ejecutarse en la nube”.

Itaú ha creado una solución completa para sus científicos de datos con AWS. En primer lugar, los datos se recopilan mediante AWS Glue , un servicio de integración de datos sin servidor que facilita el descubrimiento, la preparación, el traslado y la integración de datos de varias fuentes para el análisis, el aprendizaje automático y el desarrollo de aplicaciones. A continuación, estos datos se utilizan para iniciar experimentos con Amazon SageMaker Studio. Itaú usa Amazon SageMaker Studio como una solución de desarrollo flexible para que sus científicos de datos internos puedan hacer pruebas. A continuación, los modelos de ML se implementan con otras herramientas de Amazon SageMaker, como Puntos de enlace, Transformación por lotes e Inferencia asíncrona. La empresa monitorea los modelos con Amazon CloudWatch , que recopila y visualiza registros, métricas y datos de eventos casi en tiempo real en paneles automatizados para optimizar el mantenimiento de la infraestructura y las aplicaciones. Al utilizar todos estos servicios de AWS en conjunto, los científicos de datos pueden satisfacer sus necesidades.

Itaú entregó su primera solución con Amazon SageMaker Studio como un entorno de desarrollo integrado en agosto de 2021 y, para abril de 2023, tenía más de 3200 usuarios únicos para el servicio de AWS, incluidos unos 350 científicos de datos.

Itaú ya no tiene lista de espera para implementar modelos de ML. Con Amazon SageMaker Studio, la empresa ha reducido el tiempo de implementación de 6 meses a entre 3 y 5 días en algunos casos. Esta reducción del tiempo de implementación mejora la velocidad de comercialización de la empresa. “Cuando utilizamos Amazon SageMaker Studio, podemos ejecutar nuestra canalización y ofrecer la solución a nuestros clientes con gran rapidez”, explica Nogare. “De este modo, podemos mejorar la experiencia del cliente”. Itaú también ahorra costos en comparación con su antigua infraestructura local.

Desde noviembre de 2021, Itaú ha mantenido reuniones semanales con el equipo de AWS para analizar la arquitectura, la seguridad y su hoja de ruta. “La asistencia de AWS fue muy importante para lograr los resultados que tenemos hoy”, afirma Nogare. “Cada vez que detectamos un problema con nuestras necesidades de solución o gobernanza, el equipo de AWS nos ayudó a superarlo”. Algunas de las necesidades de gobernanza se satisfacen con Amazon SageMaker Studio. Cuando la empresa pone en marcha canalizaciones para proporcionar Amazon SageMaker Studio a los usuarios, los problemas de gobernanza y seguridad ya están resueltos.

Con la estandarización de su solución, Itaú puede incorporar más fácilmente a nuevos empleados y trasladar a los científicos de datos de un departamento a otro. La actualización es más sencilla, ya que todo es virtual y la empresa ya no tiene que depender de máquinas físicas. Con AWS, las canalizaciones para los científicos de datos están integradas, por lo que los modelos de ML se implementan y supervisan en la misma canalización de datos. Así se mejora aún más la eficiencia de los científicos de datos.

“A fin de cuentas, podemos entregar más rápido”, explica Rodrigo Fernandes Mello, distinguished data scientist en Itaú. “Hemos mejorado la estandarización y la integración, y podemos usar AWS para seguir mejorando”.

Itaú busca continuar mejorando su estandarización. El siguiente paso para la estandarización interna de sus científicos de datos implica que más empleados utilicen su solución IARA, que se basa en AWS y utiliza múltiples servicios, como Amazon SageMaker Studio. Itaú seguirá desarrollando su cartera mediante el uso de herramientas de Amazon SageMaker, como Amazon SageMaker Pipelines , que se utiliza para crear, automatizar y administrar flujos de trabajo de aprendizaje automático a escala. Itaú está realizando pruebas para lograr una mayor estandarización en su canalización con las herramientas de AWS.

“Este proyecto aportó mucha eficiencia al equipo de científicos de datos”, afirma Azeka. “Con Amazon SageMaker Studio, podemos probar cosas nuevas mientras publicamos otras, y podemos analizar soluciones de última generación mediante modelos de lenguaje de gran tamaño. Esto hace que nuestros científicos de datos se sientan orgullosos de trabajar en Itaú”.