Sobre Andrei Serjantov: Diretor de Mercados Globais Digitais do BNP Paribas CIB, liderando a transformação digital e AI no setor de banco de investimento.
Sobre o BNP Paribas CIB: A divisão de banco corporativo e institucional do BNP Paribas (receita do Grupo de aproximadamente € 46 bilhões), atendendo a mais de 13.000 clientes corporativos e institucionais em todo o mundo.

Sobre Nathalie Beslay: CEO e cofundadora da naaia, uma empreendedora da área de RegTech especializada em ajudar organizações a gerenciar AI dentro de rigorosas restrições regulatórias.
Sobre a naaia: Uma empresa de tecnologia especializada que oferece uma plataforma SaaS (AIMS – AI System) para AI , conformidade e supervisão AI ; concentra-se em preencher a lacuna entre a regulamentação estática e AI dinâmicos AI .

Sobre Cyril Cymbler: Diretor de Serviços Financeiros para a região EMA na Databricks, especialista em transformar data financeiros brutos data Data para gerar valor.
Sobre a Databricks: Líder global em data AI Data ), avaliada em cerca de US$ 43 bilhões (2023), com o objetivo de unificar data, análises e AI casos de uso corporativos.

Por que há uma necessidade urgente de reinventar a confiança e data no setor financeiro neste momento?

Cyril Cymbler: Essa necessidade é impulsionada por três fatores. Primeiro, o crescimento exponencial de data estruturados e não estruturados data o gerenciamento de cargas de trabalho massivas para criar agentes robustos. Segundo, o setor está mudando da “Inteligência Geral” (ChatGPT padrão, ~55% de precisão) paraData (mecanismos de análise estruturada, >80% de precisão/conversão). Em terceiro lugar, a governança é inegociável; sem uma data rigorosa, mesmo os melhores modelos de ML falham devido ao princípio “Garbage In, Garbage Out” (se o input for ruim, o output também será).

Andrei Serjantov: O objetivo é a eficiência, o alcance e a capacidade. AI os bancos executem tarefas existentes com maior rapidez, abranjam um espectro mais amplo de riscos (abrangendo os riscos A, B e C, em vez de apenas o A) e realizem tarefas antes impossíveis, como a análise de grandes volumes de documentos para a análise de sentimentos na pesquisa de ações.

Quais são os casos de uso concretos e de alto impacto que estão sendo implementados na área de banco de investimento?

Andrei Serjantov: Além de utilidades genéricas (programação, tradução), o BNPP concentra-se na integração vertical profunda. Na área de pesquisa de ações e renda fixa, há mais de uma dúzia de casos de uso que estão transformando o fluxo de produção de documentos. Os fluxos de trabalho dos clientes foram significativamente aprimorados, com modelos de linguagem de grande escala (LLMs) elaborando respostas para as confirmações de negociação dos clientes. A estratégia é generalizada: hoje em dia, é mais difícil encontrar áreas que não utilizam AI aquelas que a utilizam.

Como as organizações lidam com os desafios específicos da AI “autônoma” AI da regulamentação estática?

Nathalie Beslay: O principal conflito reside no fato de que a regulamentação (como a AI da UE) é estática, enquanto AI Agente AI dinâmica. O desafio consiste em classificar os agentes de acordo com definições regulatórias rígidas ( AI de Propósito Geral AI AI ). Além disso, como os agentes são autônomos, as empresas devem gerenciar de forma rigorosa as funções e as “habilitações” (permissões) para garantir que os agentes interajam com segurança com ambientes humanos e digitais.

Como um banco deveria, tecnicamente, implementar uma reinvenção AI do tipo “do zero ao um”?

Cyril Cymbler: A execução requer uma abordagem empresarial baseada em três pilares: Crescimento, Proteção (Risco/Conformidade) e Eficiência de Custos. Do ponto de vista tecnológico, a plataforma deve sercloud para atender às regulamentações DORA sobre data ), de código aberto (garantindo data ) e governada ( data rigorosa para rastrear a criação de produtos para fins de auditoria). Por fim, AI ser democratizada, permitindo que os líderes empresariais consultem data linguagem natural sem depender de especialistas técnicos.

Como você coloca em prática AI(conformidade, ética, responsabilidade)?

Nathalie Beslay: A confiabilidade assenta em três pilares: Conformidade (obrigatória), Ética (centrada no ser humano) e Responsabilidade (prestação de contas). A naaia concretiza isso por meio de uma abordagem SaaS com foco em Governança (definição 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; é necessária a implantação proativa de programas para mitigar danos econômicos e à reputação.

Qual é a estratégia em relação à escolha entre “desenvolver internamente ou adquirir” e às parcerias (por exemplo, a Mistral)?

Andrei Serjantov: O BNPP estabeleceu uma parceria inicial com a Mistral para aproveitar a capacidade de execução local, garantindo que data dos clientes data saiam do ambiente seguro do banco. Eles priorizam o ajuste fino de modelos menores e energeticamente eficientes com base em data proprietários, data treinar modelos fundamentais de grande porte a partir do zero. Essa combinação de expertise tecnológica externa e DNA interno de gestão de riscos permite a implantação segura e direcionada a casos de uso específicos.