En este documento del Google Cloud Well-Architected Framework: Perspectiva de servicios financieros (FS) se proporciona una descripción general de los principios y las recomendaciones para optimizar el rendimiento de tus cargas de trabajo de FS en Google Cloud. Las recomendaciones de este documento se alinean con el pilar de optimización del rendimiento del Well-Architected Framework.
La optimización del rendimiento tiene una larga historia en los servicios financieros. Ayudó a las organizaciones de FS a superar los desafíos técnicos y casi siempre fue un habilitador o acelerador para la creación de nuevos modelos de negocios. Por ejemplo, los cajeros automáticos (introducidos en 1967) automatizaron el proceso de dispensación de efectivo y ayudaron a los bancos a disminuir el costo de su actividad principal. Las técnicas como omitir el kernel del SO y fijar los subprocesos de la aplicación a los núcleos de procesamiento ayudaron a lograr una latencia determinista y baja para las aplicaciones de comercio. La reducción de la latencia facilitó una liquidez más alta y firme con márgenes más ajustados en los mercados financieros.
La nube crea nuevas oportunidades para la optimización del rendimiento. También desafía algunos de los patrones de optimización aceptados históricamente. En particular, las siguientes compensaciones son más transparentes y controlables en la nube:
- Tiempo de salida al mercado en comparación con el costo
- Rendimiento de extremo a extremo a nivel del sistema en comparación con el rendimiento a nivel del nodo
- Disponibilidad de talento en comparación con la agilidad de la toma de decisiones relacionadas con la tecnología
Por ejemplo, adaptar el hardware y los recursos de TI a requisitos de habilidades específicos es una tarea trivial en la nube. Para admitir la programación de GPU, puedes crear VMs basadas en GPU. Puedes ajustar la capacidad en la nube para satisfacer los picos de demanda sin aprovisionar recursos en exceso. Esta capacidad ayuda a garantizar que tus cargas de trabajo puedan controlar las cargas máximas, como en los días de nómina no agrícola y cuando los volúmenes de comercio son significativamente mayores que los niveles históricos. En lugar de invertir en escribir código altamente optimizado a nivel de servidores individuales (como código muy ajustado en el lenguaje C) o escribir código para entornos convencionales de computación de alto rendimiento (HPC), puedes escalar horizontalmente de forma óptima con un sistema distribuido basado en Kubernetes bien diseñado.
Las recomendaciones de optimización del rendimiento de este documento se asignan a los siguientes principios fundamentales:
- Alinear las métricas de rendimiento de la tecnología con los indicadores clave de la empresa
- Priorizar la seguridad sin sacrificar el rendimiento por riesgos no probados
- Replantear tu arquitectura para adaptarte a nuevas oportunidades y requisitos
- Preparar tu tecnología para el futuro de modo que satisfaga las necesidades empresariales actuales y futuras
Alinear las métricas de rendimiento de la tecnología con los indicadores clave de la empresa
Puedes asignar la optimización del rendimiento a los resultados de valor empresarial de varias maneras. Por ejemplo, en una mesa de investigación del lado de la compra, un objetivo comercial podría ser optimizar el resultado por hora de investigación o priorizar los experimentos de los equipos que tienen un historial comprobado, como índices de Sharpe más altos. En el lado de la venta, puedes usar análisis para hacer un seguimiento del interés del cliente y, en consecuencia, priorizar la capacidad de procesamiento de los modelos de IA que admiten la investigación más interesante.
Conectar los objetivos de rendimiento con los indicadores clave de rendimiento (KPI) de la empresa también es importante para financiar las mejoras de rendimiento. Las iniciativas de innovación y transformación empresarial (a veces denominadas esfuerzos de cambio de banco) tienen diferentes presupuestos y, potencialmente, diferentes grados de acceso a los recursos en comparación con las operaciones habituales (BAU) o de ejecución del banco. Por ejemplo, Google Cloud ayudó a los equipos de administración de riesgos y tecnología de una G-SIFI a colaborar con los analistas cuantitativos de la oficina principal en una solución para realizar cálculos de análisis de riesgos (como XVA) en minutos en lugar de horas o días. Esta solución ayudó a la organización a cumplir con los requisitos de cumplimiento pertinentes. También permitió que los operadores tuvieran conversaciones de mayor calidad con sus clientes, lo que podría ofrecer márgenes más ajustados, liquidez más firme y cobertura más rentable.
Cuando alinees tus métricas de rendimiento con los indicadores empresariales, ten en cuenta las siguientes recomendaciones:
- Conecta cada iniciativa tecnológica con los objetivos comerciales y los resultados clave (OKR) pertinentes, como aumentar los ingresos o las ganancias, reducir los costos y mitigar el riesgo de manera más eficiente o integral.
- Enfócate en optimizar el rendimiento a nivel del sistema. Ve más allá de la separación convencional entre el cambio de banco y la ejecución del banco, y los silos de la oficina principal y la oficina administrativa.
Priorizar la seguridad sin sacrificar el rendimiento por riesgos no probados
La seguridad y el cumplimiento normativo en las organizaciones de FS deben ser inequívocamente de un estándar alto. Mantener un estándar alto es esencial para evitar perder clientes y prevenir daños irreparables a la marca de una organización. A menudo, el valor más alto se deriva de las innovaciones tecnológicas, como la IA generativa y los servicios administrados únicos, como Spanner. No descartes automáticamente esas opciones tecnológicas debido a una idea errónea general sobre el riesgo operativo prohibitivo o una postura de cumplimiento normativo inadecuada.
Google Cloud trabajó en estrecha colaboración con las G-SIFI para asegurarse de que se pueda usar un enfoque basado en IA para la lucha contra el lavado de dinero (AML) en todas las jurisdicciones en las que las instituciones atienden a los clientes. Por ejemplo, HSBC mejoró significativamente el rendimiento de su unidad de delitos financieros (Fincrime) con los siguientes resultados:
- Casi dos o cuatro veces más actividades sospechosas confirmadas
- Menores costos operativos debido a la eliminación de más del 60% de los falsos positivos y el tiempo de investigación enfocado solo en alertas de alto riesgo sobre las que se pueden tomar medidas
- Resultados auditables y explicables para respaldar el cumplimiento normativo
Ten en cuenta las siguientes recomendaciones:
- Confirma que los productos que deseas usar puedan ayudar a satisfacer los requisitos de seguridad, resiliencia y cumplimiento de las jurisdicciones en las que operas. Para lograr este objetivo, trabaja con Google Cloud los equipos de cuentas, los equipos de riesgo y los equipos de productos.
- Crea modelos más potentes y proporciona 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 decisiones del modelo a funciones particulares a nivel de entrada.
Logra transparencia para las cargas de trabajo de IA generativa con técnicas como citas a fuentes, fundamentación, y RAG.
Cuando la explicabilidad no sea suficiente, separa los pasos de toma de decisiones en tus flujos de valor y usa la IA para automatizar solo los pasos que no sean de toma de decisiones. En algunos casos, es posible que la IA explicable no sea suficiente o que un proceso requiera la intervención humana debido a inquietudes regulatorias (por ejemplo, el RGPD, Artículo 22). En esos casos, presenta toda la información que el agente humano necesita para la toma de decisiones en un solo panel de control, pero automatiza las tareas de recopilación, ingesta, manipulación y resumen de datos.
Replantear tu arquitectura para adaptarte a nuevas oportunidades y requisitos
Mejorar tus arquitecturas actuales con capacidades basadas en la nube puede proporcionar un valor significativo. Para lograr resultados más transformadores, debes replantear periódicamente tu arquitectura con un enfoque centrado en la nube.
Ten en cuenta las siguientes recomendaciones para replantear periódicamente la arquitectura de tus cargas de trabajo y optimizar aún más el rendimiento.
Usar alternativas basadas en la nube para los sistemas y programadores de HPC locales
Para aprovechar una mayor elasticidad, una postura de seguridad mejorada y amplias capacidades de supervisión y administración, puedes ejecutar cargas de trabajo de HPC en la nube o trasladar cargas de trabajo locales a la nube. Sin embargo, para ciertos casos de uso de modelado numérico, como la simulación de estrategias de inversión o el modelado de XVA, combinar Kubernetes con Kueue podría ofrecer una solución más potente.
Cambiar a la programación basada en gráficos para las simulaciones
Las simulaciones de Montecarlo podrían tener un rendimiento mucho mejor en un sistema de ejecución basado en gráficos, como Dataflow. Por ejemplo, HSBC usa Dataflow para ejecutar cálculos de riesgo 16 veces más rápido en comparación con su enfoque anterior.
Ejecutar plataformas de comercio y bolsas basadas en la nube
Las conversaciones con Google Cloud los clientes revelan que el principio de Pareto 80/20 se aplica a los requisitos de rendimiento de los mercados y las aplicaciones de comercio.
- Más del 80% de las aplicaciones de comercio no necesitan una latencia extremadamente baja. Sin embargo, obtienen beneficios significativos de las capacidades de resiliencia, seguridad y elasticidad de la nube. Por ejemplo, BidFX, una plataforma de varios distribuidores de divisas, usa la nube para lanzar productos nuevos rápidamente y aumentar significativamente su disponibilidad y presencia sin aumentar los recursos.
- Las aplicaciones restantes (menos del 20%) necesitan baja latencia (menos de un milisegundo), determinismo y equidad en la entrega de mensajes. Por lo general, estos sistemas se ejecutan en instalaciones de coubicación rígidas y costosas. Cada vez más, incluso esta categoría de aplicaciones se está volviendo a implementar en la nube, ya sea en el perímetro o como aplicaciones centradas en la nube.
Preparar tu tecnología para el futuro de modo que satisfaga las necesidades empresariales actuales y futuras
Históricamente, muchas organizaciones de FS crearon tecnologías patentadas para obtener una ventaja competitiva. Por ejemplo, a principios de la década de 2000, los bancos de inversión y las empresas de comercio exitosos tenían sus propias implementaciones de tecnologías fundamentales, como sistemas de publicación y suscripción y agentes de mensajes. Con la evolución de las tecnologías de código abierto y la nube, esas tecnologías se convirtieron en productos básicos y no ofrecen valor empresarial incremental.
Ten en cuenta las siguientes recomendaciones para preparar tu tecnología para el futuro.
Adoptar un enfoque de datos como servicio (DaaS) para obtener un tiempo de salida al mercado más rápido y transparencia en los costos
Las organizaciones de FS suelen evolucionar a través de una combinación de crecimiento orgánico y fusiones y adquisiciones (M&A). Como resultado, las organizaciones deben integrar tecnologías dispares. También deben administrar recursos duplicados, como proveedores de datos, licencias de datos y puntos de integración. Google Cloud ofrece oportunidades para crear valor diferenciado en las integraciones posteriores a la fusión.
Por ejemplo, puedes usar servicios como BigQuery sharing para compilar una plataforma de datos como servicio (DaaS) lista para el análisis. La plataforma puede proporcionar datos de mercado y entradas de fuentes alternativas. Este enfoque elimina la necesidad de compilar canalizaciones de datos redundantes y te permite enfocarte en iniciativas más valiosas. Además, las empresas fusionadas o adquiridas pueden racionalizar de forma rápida y eficiente sus necesidades de licencias de datos y de infraestructura posteriores a la fusión. En lugar de invertir esfuerzos en adaptar y fusionar operaciones y propiedades de datos heredados, la empresa combinada puede enfocarse en nuevas oportunidades comerciales.
Compilar una capa de abstracción para aislar los sistemas existentes y abordar los modelos de negocios emergentes
Cada vez más, la ventaja competitiva de los bancos no es el sistema bancario principal, sino su capa de experiencia del cliente. Sin embargo, los sistemas bancarios heredados suelen usar aplicaciones monolíticas que se desarrollaron en lenguajes como Cobol y se integran en toda la cadena de valor bancaria. Esta integración dificultó la separación de las capas de la cadena de valor, por lo que fue casi imposible actualizar y modernizar esos sistemas.
Una solución para abordar este desafío es usar una capa de aislamiento, como un sistema de administración de APIs o una capa de etapa de pruebas como Spanner, que duplica el libro de registros y facilita la modernización de los servicios con estadísticas avanzadas y IA. Por ejemplo, Deutsche Bank usó Spanner para aislar su propiedad bancaria principal heredada y comenzar su recorrido de innovación.