En este documento del Well-Architected Framework deGoogle Cloud : perspectiva de los 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 facilitador o acelerador para 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 disminuir el costo de su negocio 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 baja y determinista para las aplicaciones de comercio. La reducción de la latencia facilitó una liquidez más alta y firme con diferenciales más ajustados en los mercados financieros.
La nube crea nuevas oportunidades para optimizar el 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 frente a 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 escalar la capacidad en la nube para adaptarte a los aumentos repentinos de la 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 nóminas no agrícolas y cuando los volúmenes de operaciones son significativamente mayores que los niveles históricos. En lugar de gastar en escribir código altamente optimizado a nivel de los servidores individuales (como código altamente ajustado en el lenguaje C) o escribir código para entornos de computación de alto rendimiento (HPC) convencionales, 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 básicos:
- Alinear las métricas de rendimiento de la tecnología con los indicadores clave de la empresa
- Prioriza la seguridad sin sacrificar el rendimiento por riesgos no comprobados
- Replantea tu arquitectura para adaptarte a 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 clave de la empresa
Puedes asignar la optimización del rendimiento a los resultados del 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 ratios de Sharpe más altos. En el lado de las ventas, puedes usar las estadísticas para hacer un seguimiento del interés de los clientes y, en consecuencia, priorizar la capacidad de procesamiento de los modelos de IA que respaldan 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 llamadas esfuerzos de cambio de banco) tienen presupuestos diferentes 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 diferenciales más ajustados, una liquidez más firme y una cobertura más rentable.
Cuando alinees tus métricas de rendimiento con los indicadores comerciales, ten en cuenta las siguientes recomendaciones:
- Conecta cada iniciativa tecnológica con los objetivos y resultados clave (OKR) comerciales pertinentes, como aumentar los ingresos o las ganancias, reducir los costos y mitigar los riesgos de manera más eficiente o integral.
- Enfócate en optimizar el rendimiento a nivel del sistema. Mira más allá de la separación convencional entre cambiar el banco y administrarlo, y los silos de front-office y back-office.
Prioriza la seguridad sin sacrificar el rendimiento por riesgos no comprobados
La seguridad y el cumplimiento de reglamentaciones en las organizaciones de FS deben ser, sin lugar a dudas, de un alto estándar. Mantener un estándar alto es esencial para evitar perder clientes y prevenir daños irreparables en la marca de una organización. A menudo, el valor más alto se obtiene a través de innovaciones tecnológicas, como la IA generativa y servicios administrados únicos, como Spanner. No descartes automáticamente esas opciones de tecnología debido a una idea errónea generalizada sobre el riesgo operativo prohibitivo o la postura de cumplimiento de reglamentaciones inadecuada.
Google Cloud trabajó en estrecha colaboración con las G-SIFI para garantizar que se pueda usar un enfoque basado en IA para la prevención del lavado de dinero (AML) en las jurisdicciones en las que las instituciones prestan servicios a los clientes. Por ejemplo, HSBC mejoró de forma significativa el rendimiento de su unidad de delitos financieros (Fincrime) con los siguientes resultados:
- Casi de dos a cuatro veces más actividades sospechosas confirmadas
- Menores costos operativos debido a la eliminación de más del 60% de los falsos positivos y al tiempo de investigación enfocado solo en las alertas de alto riesgo sobre las que se pueden tomar medidas.
- Resultados auditables y explicables para respaldar el cumplimiento de reglamentaciones.
Ten en cuenta las siguientes recomendaciones:
- Confirma que los productos que pretendes usar puedan ayudar a cumplir con los requisitos de seguridad, resiliencia y cumplimiento de las jurisdicciones en las que operas. Para lograr este objetivo, trabaja con los equipos de cuentas, de riesgo y de productos de Google Cloud.
- Crea modelos más potentes y proporciona transparencia a los clientes aprovechando la explicabilidad de la IA.
Logra transparencia en 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 impliquen tomar decisiones. En algunos casos, la IA explicable podría no ser suficiente o un proceso podría requerir intervención humana debido a inquietudes regulatorias (por ejemplo, RGPD, artículo 22). En esos casos, presenta toda la información que el agente humano necesita para tomar decisiones en un solo panel de control, pero automatiza las tareas de recopilación, transferencia, manipulación y resumen de datos.
Replantea tu arquitectura para adaptarla a nuevas oportunidades y requisitos
Aumentar tus arquitecturas actuales con funciones 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.
Considera las siguientes recomendaciones para replantear periódicamente la arquitectura de tus cargas de trabajo y optimizar aún más el rendimiento.
Usa alternativas basadas en la nube para los sistemas y programadores de HPC locales
Para aprovechar una mayor elasticidad, una mejor postura de seguridad y amplias capacidades de supervisión y administración, puedes ejecutar cargas de trabajo de HPC en la nube o ampliar las 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.
Cambia a la programación basada en gráficos para las simulaciones
Las simulaciones de Montecarlo podrían tener un rendimiento mucho mayor en un sistema de ejecución basado en grafos, como Dataflow. Por ejemplo, HSBC usa Dataflow para ejecutar cálculos de riesgo 16 veces más rápido en comparación con su enfoque anterior.
Ejecutar intercambios y plataformas de operaciones basadas en la nube
Las conversaciones con los clientes de Google Cloud revelan que el principio de Pareto 80/20 se aplica a los requisitos de rendimiento de los mercados y las aplicaciones de operaciones.
- 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 agentes de cambio de divisas, usa la nube para lanzar productos nuevos con rapidez y aumentar de forma significativa 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 reubicando en la nube, ya sea en el perímetro o como aplicaciones centradas en la nube.
Prepara tu tecnología para el futuro y satisface las necesidades empresariales actuales y futuras
Históricamente, muchas organizaciones de SF crearon tecnologías con derechos de propiedad 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 los sistemas de publicación y suscripción y los agentes de mensajes. Con la evolución de las tecnologías de código abierto y la nube, estas tecnologías se convirtieron en productos básicos y no ofrecen un valor empresarial incremental.
Ten en cuenta las siguientes recomendaciones para preparar tu tecnología para el futuro.
Adopta un enfoque de datos como servicio (DaaS) para acelerar el tiempo de salida al mercado y la transparencia de 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 necesitan integrar tecnologías dispares. También deben administrar los recursos duplicados, como los proveedores de datos, las licencias de datos y los puntos de integración. Google Cloud proporciona oportunidades para crear valor diferenciado en las integraciones posteriores a la fusión.
Por ejemplo, puedes usar servicios como el uso compartido de BigQuery 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 con rapidez y eficiencia sus necesidades de infraestructura y licencias de datos posteriores a la fusión. En lugar de dedicar esfuerzos a adaptar y fusionar los patrimonios de datos y las operaciones heredados, la empresa combinada puede enfocarse en nuevas oportunidades de negocio.
Crea una capa de abstracción para aislar los sistemas existentes y abordar los modelos de negocio 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 era casi imposible actualizar y modernizar esos sistemas.
Una solución para abordar este desafío es usar una capa de aislamiento, como un sistema de gestión de API o una capa de etapa de pruebas, como Spanner, que duplique el libro de registro y facilite la modernización de los servicios con análisis avanzados y la IA. Por ejemplo, Deutsche Bank usó Spanner para aislar su patrimonio bancario principal heredado y comenzar su recorrido de innovación.