Ertas para Generación de Reportes de Cumplimiento

The Challenge

La generación de reportes de cumplimiento es una de las funciones que más mano de obra requiere en las industrias reguladas. Las instituciones financieras presentan reportes trimestrales ante la SEC, OCC y FDIC. Las organizaciones de salud envían medidas de calidad a CMS y departamentos de salud estatales. Las empresas ambientales reportan datos de emisiones a la EPA. Cada organismo regulador exige formatos específicos, terminología, metodologías de cálculo y requisitos de divulgación — y las penalidades por errores u omisiones van desde multas hasta responsabilidad penal.

Los equipos de cumplimiento dedican cientos de horas por ciclo de reporte recopilando datos de múltiples sistemas, formateándolos según especificaciones regulatorias, redactando secciones narrativas en el lenguaje preciso que los reguladores esperan, y revisando cada número y declaración para verificar su exactitud. Las herramientas genéricas de escritura con IA son peligrosamente inadecuadas para este trabajo — generan texto que suena plausible pero usa la terminología regulatoria incorrecta, omite divulgaciones requeridas o hace afirmaciones factuales que no se alinean con los datos subyacentes. En cumplimiento, aproximadamente correcto no es correcto en absoluto.

The Solution

Ertas permite a los equipos de cumplimiento entrenar un modelo propio con los reportes de cumplimiento históricos de su organización, sus plantillas de presentación regulatoria y los comentarios de los examinadores. El modelo aprende el lenguaje regulatorio, las divulgaciones obligatorias, las convenciones de formato y la forma de presentar los datos en cada tipo de presentación, de modo que sus borradores siguen los patrones de presentaciones que ya fueron aprobadas.

En Ertas Studio, el equipo sube pares de datos de origen y las secciones aprobadas correspondientes como un dataset JSONL, o arma esos pares en Data Craft, el constructor guiado de datasets de Studio, donde el personal de cumplimiento edita, versiona y aprueba cada ejemplo. El entrenamiento se ejecuta en las GPU en la nube de Ertas, así que el conjunto de entrenamiento se sube a Ertas: redúcelo a lo que el modelo necesita y elimina antes los datos de clientes y personales. Cuando una ejecución supera las verificaciones del propio equipo, el modelo se descarga desde Hub en formato GGUF o safetensors y se ejecuta en los servidores de la organización, de modo que los datos de cada nuevo reporte y los borradores que escribe el modelo se quedan en casa. El modelo produce una primera versión de cada sección para revisión humana, y la aprobación y la firma siguen dentro del proceso de revisión que el equipo ya tiene.

Key Features

Example Workflow

El equipo de cumplimiento de un banco mediano prepara los Call Reports trimestrales para la FDIC y las presentaciones anuales de pruebas de estrés CCAR para la Reserva Federal. El equipo reúne cinco años de presentaciones aprobadas (40 reportes trimestrales y 5 presentaciones anuales) y empareja cada sección narrativa con un resumen de los datos estructurados que la respaldan. Antes de subir el dataset a Ertas Studio se elimina el detalle a nivel de cliente, y los analistas de cumplimiento revisan los pares en Data Craft y aprueban los que reflejan la práctica actual de reporte. El equipo lanza en paralelo ajustes sobre Qwen 2.5 7B y Llama 3.1 8B y compara los borradores de cada uno con un conjunto reservado de presentaciones recientes. El mejor modelo se exporta como safetensors y se sirve con vLLM en los servidores del propio banco, con acceso limitado al equipo de cumplimiento. En el siguiente ciclo, el modelo redacta una primera versión de las secciones narrativas a partir de los datos del trimestre, y los oficiales de cumplimiento sénior revisan, editan y aprueban cada sección mediante el proceso de firma que el banco ya tiene antes de presentar nada.