Sobre Andrei Serjantov: Chefe de Digital Global Markets no BNP Paribas CIB, liderando a transformação digital e a integração de IA no setor de banco de investimento.
Sobre BNP Paribas CIB: O braço bancário corporativo e institucional do BNP Paribas (aproximadamente 46 bilhões de euros de receita do grupo), atendendo a mais de 13.000 clientes corporativos e institucionais em todo o mundo.
Sobre Nathalie Beslay: CEO e cofundador da naaia, um empreendedor da RegTech especializado em ajudar as organizações a gerenciar projetos de IA dentro de restrições regulatórias rigorosas.
Sobre naaia: Uma empresa de tecnologia especializada que fornece uma plataforma SaaS (AIMS - AI Management System) para governança, conformidade e supervisão de IA; concentra-se em preencher a lacuna entre a regulamentação estática e os agentes dinâmicos de IA.
Sobre Cyril Cymbler: Chefe de Serviços Financeiros EMA na Databricks, especialista em transformar o data financeiro bruto em “Inteligência Data” para gerar valor.
Sobre Databricks: Líder global em data e IA (Data Lakehouse), avaliada em ~$43B (2023), com o objetivo de unificar data, análise e IA para casos de uso corporativo.
Por que existe uma necessidade urgente de reinventar a confiança e a estratégia data em finanças agora?
Cyril Cymbler: A necessidade é motivada por três fatores. Primeiro, o crescimento exponencial do data estruturado e não estruturado exige o gerenciamento de cargas de trabalho maciças para criar agentes fortes. Segundo, o setor está mudando de “Inteligência Geral” (ChatGPT padrão, precisão de ~55%) para “Inteligência Data” (mecanismos de análise estruturada, precisão/conversão >80%). Terceiro, a governança não é negociável; sem uma estrutura rigorosa de data, até mesmo os melhores modelos de ML falham devido ao “Garbage In, Garbage Out”.”
Andrei Serjantov: A motivação tem a ver com eficiência, escopo e capacidade. A IA permite que os bancos executem as tarefas existentes com mais rapidez, cubram um espectro mais amplo de riscos (cobrindo os riscos A, B e C em vez de apenas A) e realizem tarefas anteriormente impossíveis, como a análise de volumes maciços de documentos para análise de sentimentos em pesquisas de ações.
Quais são os casos de uso concretos e de alto impacto que estão sendo implementados no Investment Banking?
Andrei Serjantov: Além dos utilitários genéricos (codificação, tradução), o BNPP se concentra na integração vertical profunda. Na pesquisa de ações e renda fixa, há mais de uma dúzia de casos de uso que transformam o pipeline de produção de documentos. Os fluxos de trabalho dos clientes são altamente aprimorados, onde os LLMs redigem respostas às confirmações de negociação dos clientes. A estratégia é generalizada: agora é mais difícil encontrar áreas que não usam IA do que aquelas que usam.
Como as organizações lidam com os desafios específicos da IA “agêntica” e da regulamentação estática?
Nathalie Beslay: O principal conflito é que a regulamentação (como a Lei de IA da UE) é estática, enquanto a IA autêntica é dinâmica. O desafio está em qualificar os agentes com base em definições regulatórias rígidas (IA de uso geral vs. sistemas de IA). Além disso, como os agentes são autônomos, as empresas precisam gerenciar rigidamente as funções e as “habilitações” (permissões) para garantir que os agentes interajam com segurança com ambientes humanos e digitais.
Como um banco deve executar tecnicamente uma reinvenção da plataforma de IA “Zero a Um”?
Cyril Cymbler: A execução exige uma abordagem comercial de três pilares: Crescimento, proteção (risco/conformidade) e eficiência de custos. Tecnologicamente, a plataforma deve ser Multi-cloud (para atender às normas DORA sobre portabilidade do data), Open Source (garantindo a propriedade do data/cópia zero) e Governed (linhagem rigorosa do data para rastrear a criação do produto para os auditores). Por fim, a IA deve ser democratizada, permitindo que os líderes empresariais consultem o data em linguagem natural sem depender de especialistas técnicos.
Como o senhor operacionaliza a “IA confiável” (conformidade, ética, responsabilidade)?
Nathalie Beslay: A confiabilidade é construída em três camadas: Conformidade (obrigatória), ética (centrada no ser humano) e responsabilidade (prestação de contas). A naaia operacionaliza isso por meio de uma abordagem SaaS com foco em governança (criação de funções/árvores de decisão), integração (incorporação de testes/monitoramento nos sistemas de TI) e execução (aplicação da documentação). A reclamação passiva não é uma estratégia; a implementação proativa do programa é necessária para reduzir os danos econômicos e à reputação.
Qual é a estratégia em relação a “Construir vs. Comprar” e parcerias (por exemplo, Mistral)?
Andrei Serjantov: O BNPP fez uma parceria antecipada com a Mistral para aproveitar a capacidade On-Premise, garantindo que o data do cliente nunca saia do ambiente seguro do banco. Eles priorizam o ajuste fino de modelos menores e eficientes em termos de energia no data proprietário em vez de treinar modelos fundamentais maciços do zero. Essa combinação de conhecimento técnico externo e DNA interno de gerenciamento de riscos permite a implementação segura e específica de casos de uso.
