Em um contexto em que a inovação tecnológica está redefinindo os padrões de desempenho e eficiência, o programaAI for Efficiency" do BNP Paribas, desenvolvido em colaboração com a Artefact, destaca-se como um modelo ambicioso de transformação do banco comercial por meio da artificial intelligence.

Esse projeto demonstra como uma abordagem estruturada e orientada por valores pode não apenas otimizar os processos, mas também enfrentar os desafios de um setor em constante evolução.

Transformando o banco comercial: AI para eficiência

O programa "AI for Efficiency" do BNP Paribas, desenvolvido com a Artefact, tem como objetivo transformar o setor bancário comercial por meio da AI. Ao se concentrar no desempenho, na eficiência e na criação de valor, esse projeto incorpora uma visão ambiciosa e estruturada da integração AI nos processos bancários.

Estrutura do programa: Uma abordagem abrangente e pragmática

Lançado em seis meses, o "AI for Efficiency" é construído sobre três pilares principais: valor, industrialização e gerenciamento de riscos. Essas áreas de foco garantem o uso relevante da AI , ao mesmo tempo em que aderem às regulamentações e criam um impacto positivo duradouro. Uma "Fábrica" responsável pela industrialização garante a sustentabilidade das inovações, enquanto um centro de excelência conduz o programa por meio de quatro áreas principais: expertise, valor, exploração e cobertura. Essas áreas promovem a inovação e, ao mesmo tempo, mantêm a consistência entre a pesquisa aplicada, o gerenciamento de riscos e a adaptação tecnológica.

Casos de uso: Exemplos concretos do impacto AI

O programa inclui vários fluxos de aplicativos AI :

  • Fraude: Os algoritmos de aprendizado de máquina analisam os comportamentos dos clientes para identificar anomalias e evitar vários tipos de fraude, como transferências suspeitas.

  • Processamento de documentos: OCR (Optical Character Recognition, reconhecimento óptico de caracteres) e NLP aceleram o processamento de arquivos de clientes, melhorando a velocidade e a qualidade do serviço, especialmente para empréstimos hipotecários.

  • Assistentes de geração: Essas ferramentas oferecem soluções de recuperação de informações em linguagem natural para clientes e funcionários, facilitando as interações e a tomada de decisões.

  • Marketing e interações: Os modelos preditivos otimizam as campanhas de marketing e a eficácia da resposta às consultas dos clientes, garantindo um serviço mais personalizado e relevante.

"Lideramos o projeto porque ele gera valor, estimado e endossado pelas unidades de negócios, departamentos e validado por especialistas em AI ."
Jérémie CORNET VUCKOVIC, Diretor de Consultoria da Artefact

Principais fatores de sucesso: Valor, industrialização e responsabilidade

  • 1. Foco no valor: Cada projeto é avaliado com base em seu impacto direto sobre o banco e seus clientes. Isso garante a alocação estratégica de recursos e a adoção de soluções ideais.

  • 2. Industrialização: O estabelecimento de uma fábrica garante que as soluções desenvolvidas ultrapassem o estágio de demonstração e sejam integradas de forma sustentável aos processos bancários.

Desafios e próximos passos: Os desafios da transformação sustentável

  • Evolução tecnológica rápida: AI generativa e os modelos multimodais oferecem perspectivas promissoras, mas exigem monitoramento constante para permanecer na vanguarda

  • Pegada de carbono e custos de energia: A redução do impacto ambiental dos modelos AI é uma prioridade, principalmente por meio de parcerias com empresas como a Mistral.

  • Desenvolvimento de habilidades: O treinamento e a retenção de talentos são fundamentais para manter altos níveis de especialização e inovação.

  • Gerenciamento de riscos: É dada atenção especial à equidade, transparência e conformidade nas soluções implementadas.

"Para que essa iniciativa perdure nos próximos dois anos, ela deve ser industrializada. Ela precisa ser totalmente integrada aos processos do banco ou da empresa."
Adrien VESTEGHEM, Diretor do Programa de AI do BNP Paribas