Doctor en Economía y economista digital. Veinte años entre dos mundos que rara vez se leen entre sí: la supervisión bancaria y la regulación, por un lado, y el machine learning en producción, por el otro.
ORCID 0000-0002-0783-8573
El requisito regulatorio se traduce en un indicador medible; el indicador se verifica sobre datos; y el resultado se publica junto con aquello que no demuestra.
Esa última advertencia suele ser lo que distingue una herramienta de un porcentaje de marketing.
Veinte años en mercados financieros y tecnología: supervisión y regulación bancaria, participación en el piloto de una moneda digital de banco central (CBDC), lanzamiento de fondos de inversión cerrados, y machine learning en producción. Doctorado en Economía; ponente en el SOA Symposium (Vancouver).
Mido la calidad de los agentes de IA que ya participan en decisiones de crédito en América Latina, y publico el método completo para que cualquiera pueda repetir la medición y discutir el resultado. El benchmark CACE-Bench y el modelo Faro son los dos productos de ese trabajo.
El proyecto se encuentra en una etapa anterior a la constitución de una sociedad. Lo digo de forma directa: en RegTech la trazabilidad empieza por la transparencia sobre quien está detrás.
El benchmark abierto CACE-Bench y su agente de referencia son obra de Ravil Akhtyamov, responsable del proyecto de investigación Digital Economy Lab. No hay coautores.
Cauce y Digital Economy Lab están afiliados: son proyectos del mismo autor. Para evitar el conflicto de intereses, el laboratorio no audita despliegues de Cauce en cliente, y esta afiliación se declara también en la metodología del benchmark. CACE-Bench evalúa modelos y agentes de terceros con el mismo criterio.
latam@digitaleconomylab.org · respuesta en 5 días hábiles