O boom da inteligência artificial generativa (GenAI) do fim de 2022 para cá, impulsionado pelo sucesso massivo do ChatGPT, provocou uma verdadeira corrida entre as instituições financeiras no Brasil — de grandes bancos a fintechs. Com medo de ficar para trás, muitas organizações começaram a testar a tecnologia sem, de fato, saber por quê ou para quê.
O movimento se assemelha ao que ocorreu anos atrás com o big data, compara Alexandre Montoro, diretor-executivo e sócio do Boston Consulting Group (BCG). “Naquela época, você via as empresas investirem milhões e milhões sem saber porquê e para que iam utilizar aquelas plataformas, e muitas ficaram obsoletas”, aponta ele, em entrevista ao Finsiders Brasil.
“Esse é o grande desafio com GenAI e qualquer outra tecnologia: saber qual dor pode ser resolvida e, assim, definir as prioridades. A gente sempre fala bastante em casos de uso. Os casos de uso nada mais são do que as perguntas de negócios que a empresa precisa responder.”
Pelo jeito, esse retrato não é exclusivo do mercado brasileiro. De acordo com uma pesquisa recente feita pelo BCG com cerca de 60 instituições financeiras do mundo todo, 85% dos líderes dessas companhias acreditam que a GenAI será altamente disruptiva ou transformacional. Porém, apenas 18% deles têm uma estratégia bem definida que começaram a implementar [veja arte].
“As empresas muitas vezes ficam no laboratório testando uma série de iniciativas e acabam não conseguindo implementar as tecnologias no mundo real, ou seja, o que vai trazer impacto no resultado do negócio.”
Veja, a seguir, os principais trechos da entrevista, feita pelos nossos colegas do Finsiders Brasil:
GenAI e ‘big data’
“Estou nesse mundo de AI quando a gente ainda falava de big data. Lá atrás, foi justamente esse mesmo movimento. Tinha os fornecedores de tecnologia falando para as empresas investirem, comprarem tal plataforma, montarem um data lake. E aí as empresas nem sabiam para quê, mas investiram milhões e milhões nisso. Depois, viram que não serviu para nada porque as plataformas ficaram obsoletas.”
Testar é preciso, mas não só
“Eu falo muito aqui que as organizações muitas vezes ficam no laboratório, testando uma série de iniciativas e acabam não conseguindo implementar isso no mundo real, ou seja, para trazer impacto realmente no resultado do negócio. Então, o primeiro passo é saber priorizar, e priorizar vem de saber quais são as dores, quais problemas de negócio quer resolver. Isso passa também por conseguir, minimamente, quantificar quanto essa tecnologia ajudaria a resolver o problema e quanto de impacto ela traria.”
Notícias Relacionadas
Fintech
Nubank lidera Série D do Tyme Group, mas não empolga mercado
Aporte pode indicar uma intenção do Nubank de expandir para além da América Latina por meio de parcerias com neobancos de outras regiões
ERP
Conta Azul anuncia ex-G4 Educação como nova CMO
Após autorização do Banco Central para operar como instituição de pagamento, Conta Azul tem apostado em novas contratações
IA responsável
“A tecnologia vem evoluindo no sentido de reduzir as alucinações [quando um modelo de IA erra], ou seja, existe um trabalho mais técnico de desenvolver soluções que alucinam menos. No entanto, para saber que o risco existe, é preciso ter uma área chamada ‘AI responsável’, que está pensando e definindo quais são os padrões de atuação com essa tecnologia, quais riscos existem e como eles podem ser minimizados. Então, todas as soluções deveriam passar pelo crivo dessa área, do ponto de vista de avaliação dos riscos, sejam éticos, regulatórios, reputacionais ou outros, e qual o possível impacto deles para a organização.”
“De uma forma ou outra, eu diria que os bancos sempre tiveram que avaliar risco — em crédito, por exemplo. Vejo isso muito mais atrelado a políticas de governança de dados, segurança, privacidade ou riscos cibernéticos, mas não necessariamente estruturado de forma ampla para contemplar qualquer tipo de desenvolvimento em IA tradicional e IA generativa. Acho que os bancos no Brasil estão evoluindo para esse caminho. Lá fora, isso é muito mais uma realidade.”
Aplicações da IA generativa
“Costumamos dividir os casos de uso em três grandes grupos. O primeiro, inclusive, é aquele que a maioria das empresas acaba atacando inicialmente, que é aumentar a produtividade em tarefas do dia a dia. Por exemplo, processamento de documentos, geração de relatórios etc. O segundo grupo é o de repensar funções críticas. Significa você pegar funções que já tem na empresa e realmente transformá-las. Um exemplo é o atendimento ao cliente, o call center das instituições financeiras. Já o terceiro bloco é reinventar o modelo de negócio. Um exemplo é usar GenAI para uma comunicação mais personalizada com o cliente. Eu diria que muitas instituições ainda estão no segundo bloco.”
IA + inovações financeiras
“Para mim, a IA generativa potencializa todas essas inovações que já vêm acontecendo no setor financeiro, como Pix e Open Finance. Estou falando no sentido de poder usar os dados para tomar melhores decisões ou oferecer produtos mais personalizados para o cliente.”
“Vejo a GenAI transformando o modelo operacional dos bancos, na experiência que o cliente tem com essas instituições. Na China, por exemplo, o WeChat desenvolveu uma mega plataforma para suportar os bancos no atendimento ao cliente, e hoje boa parte desse atendimento é feito de forma automatizada com uso de inteligência artificial e estão evoluindo para o uso de IA generativa. A partir de um certo momento, o cliente é levado para o app do banco ou ali mesmo o ser humano, o gerente, engaja com aquele cliente. Você já vê o próprio WhatsApp com a estratégia de comércio conversacional, em mercados onde tem relevância, como o Brasil. A evolução disso é expandir para os produtos e serviços financeiros, e a IA generativa vai possibilitar que esse atendimento seja mais personalizado. A Magie [fintech que se propõe a ser um banco dentro do WhatsApp] é um exemplo disso.”
Regulamentação
“Na Europa, que assumiu o protagonismo ao regulamentar a IA, o fato de existir uma regulamentação exigiu que as organizações, não só bancos, tivessem uma área olhando para riscos e com políticas e diretrizes que garantem o ‘compliance’ com a regulamentação. Vejo isso evoluindo em outros mercados, inclusive no Brasil. Aqui, qualquer banco ou organização de maneira geral já deveria estar pensando sobre isso, independentemente da regulamentação.”
Algoritmos, integração e gestão da mudança
“Quando você pensa em impacto de IA tradicional ou GenAI, acho que tem três grandes dimensões. Uma delas é o algoritmo em si, os modelos que você está usando. Outra é a integração desses modelos com os seus sistemas, com a sua arquitetura. E o terceiro elemento é o que a gente chama aqui de gestão da mudança. Se fosse quantificar o impacto de IA tradicional ou IA generativa, eu diria que apenas 10% virá dos modelos, 20% será da tecnologia que está por trás e sua capacidade de integração com os sistemas da organização. Já os outros 70% virão de a empresa ser capaz de redesenhar processos, desenvolver talentos e conseguir mudar a cultura.”
Zoop
A Zoop é líder em tecnologia para embedded finance no Brasil. A parceria combina a inovação de uma startup com a solidez da maior instituição financeira privada do país e de sua empresa de meios de pagamentos, desenvolvendo as melhores estratégias e tecnologias para impulsionar soluções financeiras nos negócios.
