Discurso de abertura: IA em serviços financeiros: Principais Tendências de Mercado e Insights para 2024 por ARTEFACT

Dezesseis anos atrás, o investimento em instituições financeiras tradicionais parecia uma aposta segura. No entanto, o rápido crescimento da IA provou que a tecnologia pode superar até mesmo os bancos mais estabelecidos. Nos últimos anos, a IA mudou significativamente o cenário financeiro, desde o aprimoramento da detecção de fraudes com o aprendizado de máquina até o aumento da eficiência do comércio algorítmico. O salto mais notável ocorreu nos últimos dois anos com a IA generativa (GenAI), que agora permite que as tecnologias demonstrem empatia nas interações com os clientes - um marco antes inimaginável.

Apesar do avanço nos recursos de IA e da redução dos custos, apenas cerca de 10% das empresas financeiras escalam com sucesso suas iniciativas de IA. A maioria dos aplicativos se limita a integrar ferramentas como o ChatGPT ou o Copilot aos processos existentes, o que resulta em dificuldades para medir o retorno sobre o investimento, a redução de custos ou o aumento da satisfação do cliente. A questão é: quais obstáculos estão impedindo o uso bem-sucedido da IA e como eles podem ser superados?

Para enfrentar os desafios da IA, a solução está no TIME - um acrônimo que representa Transformação, Integração, Medição e Capacitação.

Para obter resultados tangíveis, é necessário concentrar-se na transformação comercial em grande escala, alinhada à estratégia e às prioridades do grupo. A transformação deve ser de ponta a ponta, e não apenas adicionar tecnologia aos processos existentes. Por exemplo, otimizar o custo de atendimento pode significar trabalhar nos processos de back-office, enquanto a transformação focada na receita pode ter como alvo modelos de distribuição e canais de clientes. O segredo é decidir onde está o valor e se comprometer totalmente.

Os sistemas legados nos serviços financeiros geralmente criam silos, tornando complexos o acesso e o controle de qualidade. O cloud e as operações no local raramente são totalmente integrados. O foco deve ir além da infraestrutura para garantir que os modelos sejam totalmente incorporados ao data foundation e aos processos de negócios. Aproveitar o “LLMOps” - um conceito semelhante ao DevOps, mas adaptado para grandes modelos de linguagem - é fundamental para integrar a IA ao ecossistema existente de forma eficaz.

O paradigma mudou de modelos de treinamento para a medição de seu impacto e desvio. O desenvolvimento de modelos está se tornando comoditizado, mas é fundamental monitorar seu desempenho na detecção de fraudes, na alocação de capital e nas interações com os clientes. Uma estrutura de medição robusta envolve a observação de questões, a quantificação e a compreensão dos problemas e a supervisão do impacto comercial do modelo, garantindo a melhoria contínua.

O verdadeiro valor da IA está nas pessoas. O sucesso da implantação da IA está ligado à capacitação e ao treinamento dos funcionários da linha de frente. Os ganhos reais de produtividade só podem ser obtidos quando a força de trabalho está ativamente envolvida, treinada e pronta para adotar as ferramentas de IA. Portanto, é essencial garantir que as pessoas mais próximas das operações sejam incorporadas e entendam como a IA beneficia suas funções.

A IA requer tempo para transformar ambientes e processos profundamente regulamentados. No entanto, o apelo à ação é agir rapidamente para obter uma vantagem competitiva. Como em qualquer corrida, a velocidade é importante, mas também é importante garantir que cada etapa da transformação seja sólida. A conclusão é clara: dê tempo às iniciativas de IA, mas aja rapidamente para se manter à frente nesse cenário em rápida evolução.