BNP PARIBAS & ARTEFACT AI Finance by Artefact Transformando a banca comercial com AI

Pierre Ruhlmann destacou como o banco estrutura suas AI em torno do valor. O programa assenta em três pilares: equipes especializadas que gerenciam a jornada do cliente, uma AI para ampliar as soluções e um centro de especialização para avaliar o valor comercial e promover AI . Essa estrutura organizacional foi implementada ao longo dos últimos quatro anos, marcando o fim da primeira fase.

Pierre destacou que o BNP Paribas avalia o valor em várias dimensões, e não apenas em termos de retorno financeiro. Embora a redução de custos e a eficiência sejam fundamentais, o banco também prioriza a satisfação do cliente e o engajamento dos funcionários. O banco utiliza o Net Promoter Score (NPS) para acompanhar como AI afetam a experiência do cliente. O engajamento dos funcionários é igualmente importante, garantindo que a equipe sinta os benefícios da AI, o que está em consonância com o duplo foco do banco nos clientes e nos funcionários.

Pierre compartilhou exemplos de como o banco amplia suas AI , especialmente no aprendizado de máquina para pontuação e processamento inteligente de documentos. Embora o BNP Paribas tenha feito investimentos significativos nessas áreas, a instituição ainda apresenta menos maturidade em AI generativa. Dois produtos mínimos viáveis (MVP), “Gary” e “Genius Bar”, estão em desenvolvimento, com foco na gestão interna do conhecimento e em melhorias no atendimento ao cliente. Ambos os projetos requerem otimização adicional antes de poderem ser totalmente industrializados.

O sistema Gary foi desenvolvido para auxiliar os funcionários nas verificações de produtos e nos procedimentos. Embora 90% da força de trabalho já tenha adotado o sistema, surgiram desafios de implementação, como inconsistências na base de conhecimento entre os diversos procedimentos. É fundamental resolver essas inconsistências antes que a solução possa ser ampliada. O Gary representa um passo crucial para a melhoria dos processos internos com o uso AI.

O Genius Bar, o segundo MVP principal, visa aprimorar o atendimento ao cliente substituindo chatbots obsoletos por uma AI generativa. Com mais de um milhão de interações previstas nos próximos dois anos, a industrialização dessa solução exige uma abordagem cautelosa. Os exercícios de simulação de ataques (red-teaming) têm sido fundamentais para identificar problemas de segurança e confiabilidade, que foram corrigidos para garantir uma expansão tranquila do sistema.

Pierre destacou AI , usando o Microsoft Copilot como exemplo. Um teste com 20 funcionários mostrou que, apesar do interesse inicial, metade deixou de usar a ferramenta. Isso levou à criação de um Programa de Embaixadores e a treinamentos direcionados. O banco está agora ampliando o uso do Copilot com cautela para garantir um bom retorno sobre o investimento.

Os desafios da adoção também incluem fomentar uma mentalidade crítica entre os funcionários para garantir que AI sejam interpretados corretamente. Dada a natureza regulamentada do setor bancário, os funcionários precisam ter cautela ao confiar exclusivamente em soluções AI. Pierre também abordou o receio de que AI tirar empregos, tranquilizando os funcionários de que AI complementar, e não substituir, o trabalho deles. Ele destacou o uso de testes A/B para comparar o valor das tarefas realizadas com e sem AI, ajudando a promover a confiança e a compreensão do potencial AIdentro da organização.