Conoce el nuevo modelo de IA generativa de Mastercard

La IA generativa cambió por completo el mundo de los chatbots. Ahora, hablar con un robot no es ciencia ficción, es simplemente algo que hacemos.

Creemos que esta misma tecnología de IA generativa no solo transformará el chat, sino que transformará el comercio. Hará que los pagos sean más rápidos, las experiencias de venta minorista más personalizadas y las herramientas de ciberseguridad más precisas.

Para hacer realidad esta visión, nuestros equipos han estado investigando y construyendo un nuevo modelo base, que es un modelo de IA a gran escala que puede utilizarse como base para una amplia gama de aplicaciones. Estamos entrenando nuestro modelo base con los conjuntos de datos únicos de Mastercard, comenzando con miles de millones de transacciones.

Para proteger la privacidad del usuario, eliminamos todos los datos personales de estas transacciones. Después de analizar suficientes de estas transacciones anonimizadas, este modelo puede comenzar a predecir transacciones futuras.

Este tipo de modelo de predicción es prácticamente igual a cómo funcionan los chatbots actuales, en los que el chatbot predice cuál debería ser la siguiente palabra en una oración. Planeamos usar este nuevo modelo fundamental —no para crear un chatbot—, sino como un motor de información que mejorará aún más muchas de nuestras herramientas y servicios, desde defensas cibernéticas hasta programas de lealtad y herramientas para pequeñas empresas.

Y estamos haciendo este trabajo aprovechando las capacidades de Nvidia y Databricks, dos de los nombres más importantes en IA hoy en día. Ya estamos viendo resultados sólidos y estamos emocionados de mostrar nuestro trabajo durante la conferencia Nvidia GTC 2026.

Los chatbots más populares de la actualidad, como Claude y ChatGPT, están creados utilizando modelos de lenguaje extensos, o LLM, que se entrenan con enormes cantidades de datos no estructurados, como texto, video y fotos. Nuestro nuevo modelo base es un tipo diferente de red neuronal de aprendizaje profundo, llamado modelo tabular extenso, o LTM, que se entrena con datos estructurados, como tablas o conjuntos de datos a gran escala.

Estamos entrenando la última versión de nuestro LTM con miles de millones de transacciones anonimizadas. Nuestro plan es intensificar este trabajo para incluir cientos de miles de millones de transacciones de pago, así como tipos adicionales de conjuntos de datos, incluidos datos de ubicación de comercios, datos de fraude, datos de autorización, datos de devoluciones de cargo y datos de programas de lealtad. Este trabajo está impulsado por la plataforma de computación acelerada avanzada de Nvidia. Al aprovechar la plataforma de IA acelerada de pila completa de Nvidia, podemos procesar estos datos a velocidades sin precedentes.

A medida que entrenamos el modelo con más datos y más tipos de datos, podrá proporcionar más información y predecir transacciones futuras con mayor precisión.

Una de las primeras áreas en las que nos estamos centrando es la ciberseguridad. Nuestra empresa ya ha construido muchas de las mejores herramientas cibernéticas de la industria para hacer que el comercio sea más seguro. Creemos que añadir las capacidades de este nuevo modelo fundacional a nuestras herramientas actuales las hará aún más fuertes.

Para construir nuestros modelos de IA de ciberseguridad existentes, nuestros científicos de datos comienzan con datos de transacciones sin procesar. Luego enriquecen estos datos con características adicionales para indicar qué deben analizar y marcar esos modelos. Por ejemplo, un científico de datos podría agregar una característica que ayude a nuestros modelos de IA a identificar un aumento repentino en la actividad de compra de alguien, lo que permite al modelo detectar y detener el fraude.

En comparación, nuestro nuevo modelo fundacional analiza los mismos datos con una intervención humana muy limitada como punto de partida, aprendiendo de forma más independiente cuáles son las características importantes de los datos. De esta manera, el LTM podría identificar nuevas conexiones en los datos que un humano quizás no encontraría por sí solo.

En nuestras pruebas, ya hemos visto que este nuevo modelo supera a las técnicas estándar de aprendizaje automático de la industria, lo que nos da señales tempranas prometedoras. Por ejemplo, las compras muy costosas pero muy poco frecuentes —como cuando alguien compra un anillo de bodas— tienden a activar los modelos actuales y causan muchos falsos positivos. En nuestros experimentos, nuestro modelo fundacional puede identificar mejor estas transacciones legítimas, siendo capaz de aprender a partir de señales relativamente débiles en los datos.

Planeamos construir sistemas híbridos de ciberseguridad que combinen lo mejor de nuestros modelos actuales de IA y este nuevo LTM. Esto debería ayudarnos a fortalecer y preparar nuestras defensas cibernéticas para el futuro.

Este ejemplo de ciberseguridad es solo uno de los posibles resultados de esta investigación. Creemos que el nuevo modelo fundacional también puede utilizarse para mejorar los programas de fidelidad y recompensas, los modelos de personalización, la optimización de carteras y las herramientas de análisis de datos.

Además, para operar nuestra red, actualmente necesitamos construir, entrenar y mantener miles de modelos de IA, cada uno para diferentes mercados, casos de uso o clientes. Este nuevo LTM podría Become lo suficientemente flexible como para ayudarnos a reducir significativamente la necesidad de mantener tantos modelos diferentes.

Estamos intensificando nuestro trabajo para ampliar las capacidades de nuestro LTM. Estamos buscando añadir sofisticación algorítmica a la arquitectura del modelo para que pueda obtener más información a partir de datos sin procesar. Además, estamos desarrollando interfaces API y kits de herramientas para brindar a los equipos de todo Mastercard acceso a este nuevo modelo base, de modo que puedan crear nuevas aplicaciones sobre él.

También continuaremos nuestra estrecha colaboración con Nvidia y Databricks para impulsar todo este trabajo de desarrollo.

Como siempre, continuaremos construyendo este nuevo modelo siguiendo nuestros principios de responsabilidad de datos, centrándonos en la privacidad del usuario, una gobernanza y controles sólidos, y la transparencia.

Con cada paso adelante, al igual que el rápido desarrollo de los chatbots hoy en día, estamos empezando a ver el potencial que este modelo fundamental podría tener para nuestra industria — aportando más inteligencia, seguridad y velocidad a los pagos y al comercio.