Aditi Subbarao, líder global de serviços financeiros da INSTABASE, na AI for Financial Services NYC - Adoção da GenAI na originação de empréstimos

Aditi Subara, líder de serviços financeiros da Instabase, usa um questionário para contrastar as contribuições científicas de Michael Faraday com a aplicação impactante da tecnologia de Elon Musk. Isso destaca o objetivo de transformar o potencial da IA em valor comercial tangível para os serviços financeiros, semelhante ao impacto de Musk com a Tesla.

O Instabase ajuda as organizações a converter data não estruturado em insights acionáveis, resolvendo o problema do data disperso. A IA, assim como um motor elétrico, depende do data. A maior parte do data das empresas não é estruturada. No início, a IA nos serviços financeiros se concentrava na otimização de processos, automatizando tarefas que antes eram feitas por humanos. Inicialmente, a IA extraía o data de documentos, mas a IA generativa agora integra e analisa o data de vários documentos. Isso é exemplificado na originação de empréstimos, em que a IA contabiliza o data de recibos de pagamento, extratos bancários e cartas de emprego para determinar a renda do mutuário.

O potencial da IA vai além do processamento de documentos, criando visões abrangentes por meio da integração de data internos e externos. Essa próxima fase visa à tomada de decisões automatizada com salvaguardas. As organizações têm vastas fontes de data e inúmeras aplicações potenciais de IA, concentrando-se em áreas de alto impacto onde a maior parte do tempo é gasta no processamento do data. Uma estrutura com três pilares é delineada: processamento operacional do data, consulta específica do data e busca de conhecimento, ajudando a identificar sistematicamente os aplicativos de IA em todas as funções organizacionais.

Automatizar a extração e a estruturação do data de vários documentos aumenta a eficiência em processos como a originação de empréstimos. A IA pode criar chatbots para consultar conjuntos de data estáticos, como diretrizes de subscrição ou políticas de despesas, mostrando sua flexibilidade. Avanços como o ChatGPT permitem que a IA interaja com o data, responda a consultas complexas e forneça insights mais profundos, aprimorando a análise do data. Soluções eficazes de IA exigem a integração de modelos de linguagem com reconhecimento visual e de layout para lidar com o data empresarial complexo de forma abrangente.

Isso é fundamental para garantir a precisão e a confiabilidade da IA. Os sistemas de IA devem ser examinados e equipados com pontuações de confiança e mecanismos de revisão humana. Nem todas as tarefas precisam de soluções sofisticadas de IA, portanto, as organizações devem decidir onde aplicar a IA com base nos benefícios e riscos, evitando a dependência excessiva de grandes modelos de linguagem. 1TP36A aplicação da IA envolve a identificação de casos de uso apropriados, a aplicação sistemática da IA nas funções operacionais, de consulta e de conhecimento e a garantia de testes e governança completos.

Os recursos da IA na originação de empréstimos incluem a extração automatizada de data de documentos complexos, transformando-os em data estruturados para sistemas downstream, como sistemas de originação de empréstimos, mecanismos de precificação ou sistemas de gerenciamento de riscos. Um exemplo da Instabase durante a pandemia da COVID-19 ilustra isso: um banco americano enfrentou um aumento nos pedidos de empréstimo por meio do programa de empréstimos PPP e usou a Instabase para criar uma solução em seis dias, aumentando a capacidade de processamento de 10.000 empréstimos por dia para 10.000 empréstimos por hora, demonstrando o potencial da IA para aumentar significativamente a produtividade nos processos operacionais.

Criar chatbots dedicados para funções específicas em uma organização, como consultar diretrizes de subscrição. Os chatbots lidam com consultas data fixas, fornecendo respostas precisas. Com a IA conversacional, os usuários podem interagir com o data, fazendo perguntas sobre documentos ou conjuntos de data específicos e recebendo respostas detalhadas e contextuais.

Uma estrutura de governança robusta, políticas de segurança data e protocolos de teste rigorosos são essenciais para validar os resultados da IA. As organizações devem garantir que os modelos de IA sejam precisos, transparentes e responsáveis, capazes de explicar seu funcionamento e rastrear fontes e cálculos data.

A aplicação estratégica da IA envolve a seleção cuidadosa dos casos de uso, a aplicação da IA em diferentes funções organizacionais e a garantia de testes e governança completos. Concentrando-se em áreas com o maior impacto nos negócios, aproveitando a IA para eficiência operacional, consultas específicas data e integrando estruturas de governança robustas, as organizações podem aproveitar todo o potencial da IA.