IBM, CREDIT AGRICOLE & BNP PARIBAS na AI for Finance by Artefact - IA generativa, uma nova alavanca para o desempenho operacional

A mesa redonda começou preparando o terreno para discutir o papel da IA na melhoria da eficiência operacional, na criação de valor e na medição do impacto. O objetivo era explorar estratégias, fatores de sucesso e desafios na implementação da IA, com foco especial em casos de uso prático e seus resultados mensuráveis. Os palestrantes incluíram líderes do BNP Paribas, da IBM e de outros setores financeiros e de tecnologia, cada um compartilhando suas percepções.

Su Yang enfatizou que a IA é fundamental para a estratégia de negócios do banco. Para acompanhar o impacto da IA, o banco usa três tipos de métricas: financeira (economia de custos, ROI), perceptual (satisfação do usuário, pontuação líquida do promotor) e de uso (por exemplo, frequência de uso da ferramenta de IA). O envolvimento de todas as partes interessadas relevantes, incluindo proprietários de negócios e profissionais de TI, no acompanhamento dessas métricas garante uma compreensão completa dos efeitos da IA na organização.

Uma perspectiva complementar destacou a importância do foco e do compromisso da liderança. O banco priorizou mais de 30 casos de uso de IA, cada um supervisionado por um membro do comitê executivo. Isso garante que a captura de valor esteja alinhada com as metas de negócios, sejam elas relacionadas a operações voltadas para o cliente, melhorias de eficiência ou crescimento da receita. A liderança desempenha um papel crucial na manutenção do impulso e na medição do sucesso.

A IBM, apesar de ser uma gigante da tecnologia, também usa a IA internamente para aumentar a eficiência, alinhando-se com suas ofertas externas de IA. A empresa emprega uma abordagem estruturada para melhorar seus processos, começando com benchmarking e montando equipes multifuncionais para otimizar os fluxos de trabalho. Por exemplo, seu sistema de suporte ao cliente alimentado por IA agora lida com 70% de consultas de forma autônoma, enquanto seu sistema de IA de compras economizou 26.000 horas por ano ao fornecer acesso mais rápido a informações críticas.

O BNP Paribas compartilhou um caso de uso notável na detecção de fraudes, uma área em que a IA apresentou resultados significativos. A IA ajuda a lidar com a complexidade das táticas de fraude em evolução, oferecendo soluções que se adaptam rapidamente e aumentam a eficiência operacional. Além da prevenção de fraudes, espera-se que a IA generativa aumente ainda mais a eficiência, auxiliando os desenvolvedores e melhorando a personalização do cliente no setor bancário.

Os principais desafios na adoção da IA incluem garantir a colaboração entre as equipes de negócios, TI e ciência data desde o início. As métricas adequadas são essenciais para priorizar os projetos e medir seu impacto, enquanto o investimento e a ambição suficientes são necessários para alcançar o sucesso. A capacitação dos funcionários e o foco na adoção do usuário também são essenciais para que os projetos de IA forneçam valor real e evitem bloqueios na implementação.

A discussão foi concluída com reflexões sobre os impactos mais amplos da IA, incluindo sustentabilidade, confiança, inclusão e soberania europeia. A redução da pegada ambiental da IA, a garantia de práticas éticas, a promoção da diversidade e o alinhamento com os valores europeus foram enfatizados como cruciais para a implantação responsável da IA. O compromisso da IBM de usar modelos menores e mais eficientes em termos de energia é um exemplo de como as empresas de tecnologia estão lidando com essas preocupações.