A insegurança financeira é uma realidade assustadora que as pessoas com baixa renda precisam enfrentar. Barreiras sistêmicas à inclusão financeira são uma realidade, especialmente para mulheres negras e pardas. A Change Machine, uma organização tecnológica sem fins lucrativos, aborda esses problemas de frente.
Sua missão é criar segurança financeira para comunidades de baixa renda por meio de tecnologia movida por pessoas. A Change Machine faz seu trabalho por meio de uma plataforma de software como serviço (SaaS) que pode transformar a maneira como as pessoas atingem suas metas financeiras. Utilizado por orientadores financeiros em organizações de serviços sociais e agências públicas, a plataforma inclui uma ferramenta de colaboração social para profissionais, um portal educacional sobre diversos tópicos de coaching financeiro e um aplicativo de gestão de casos na Salesforce AppExchange para auxiliar os coaches em suas consultas com os clientes.
A plataforma contém uma variedade de produtos e serviços de fintech que a Change Machine avaliou como inclusivos, seguros e eficazes. A plataforma é impulsionada pelas pessoas, no sentido de que reflete os insights e a experiência de coaches financeiros e clientes, e inclui um recurso que utiliza análise de dados por IA dos clientes para recomendar produtos fintech relevantes.
Nem sempre foi assim. No início de 2020, a Change Machine desenvolveu um conjunto de padrões para avaliar produtos fintech quanto à acessibilidade, inclusão e segurança, além de analisar como cada produto buscava promover a segurança financeira. A primeira versão do mecanismo de recomendação, chamada Marketplace Relief, foi lançada para mitigar a insegurança financeira em meio à recessão econômica decorrente da pandemia de Covid-19. Foram criados critérios para filtrar produtos e serviços essenciais e examinados para atender às necessidades dos clientes. Se as necessidades fossem aumentar as economias e melhorar o crédito, por exemplo, o mecanismo de recomendação sugeriria produtos e serviços relacionados a poupanças e crédito.
Embora o sistema tenha funcionado bem, a abordagem foi limitada. "Nosso mecanismo de recomendação original foi projetado por um pequeno grupo de orientadores de lugares específicos e de um momento específico," afirma David Bautista, Diretor de Desenvolvimento de Produtos no Change Machine. "Para ampliar o escopo de seu conhecimento e os produtos que ele poderia recomendar, queríamos que o mecanismo de recomendação pudesse se atualizar ao longo do caminho."
As regras de recomendação levantaram outra preocupação. "Os orientadores identificaram regras com base em sua experiência no trabalho com os clientes, mas não sabíamos como aproveitar os armazenamento de dados dos clientes em nossos sistemas, como quais serviços os clientes mais usavam e quais limiares adicionais eram necessários com base em situações financeiras comuns," afirma Robert Zarate-Morales, Diretor Assistente de Desenvolvimento de Produtos. “O uso dos dados pode fornecer melhores insights sobre as necessidades do cliente.”
Além disso, o mecanismo de recomendação também não levava em consideração se os clientes aceitavam ou rejeitavam os produtos e serviços recomendados, o que é um indicativo do impacto desse recurso.
Maior uso
O uso contínuo de produtos fintech aumentou de 60% para 98%
Ciclo de desenvolvimento mais curto
A equipe do projeto usou apenas 6 semanas de sprints ágeis para desenvolver modelos de classificação de aprendizado de máquina
Ficou claro que o mecanismo de recomendação poderia ser aprimorado usando a análise de dados de IA. Para obter assistência em desenvolvimento, em março de 2021, a Change Machine engajou a equipe IBM Data Science and AI Elite. A IBM trabalhou com o programa IBM Data and AI for Social Impact (Dados da IBM e IA para impacto social), uma colaboração de aprendizado em que a IBM auxilia organizações sem fins lucrativos a utilizar a ciência de dados e a inteligência artificial para avançar em sua missão.
O projeto começou com a IBM e o pessoal da Change Machine compartilhando conhecimento e elaborando requisitos. O objetivo era racionalizar os dados organizacionais em um todo coerente e desenvolver modelos de classificação de aprendizado de máquina que personalizariam as recomendações. Os modelos seriam de autoaprendizagem e baseados em IA confiável, o que significa que o raciocínio por trás das recomendações seria explicável.
A escalabilidade permitiria que o mecanismo lidasse com o crescimento esperado de parceiros e usuários. Além disso, os dashboards operacionais exibiriam dados em tempo real para obter insights sobre as operações.
Para desenvolver os modelos de dados e IA, a equipe da IBM escolheu o IBM Cloud Pak for Data as a Service, que vincularia todos os dados em uma função de dados centralizada. Os desenvolvedores usaram a solução IBM Watson Studio com seu recurso AutoAI para facilitar o desenvolvimento. A solução IBM Cognos Dashboard Embedded baseada em API alimentaria painéis dimensionáveis. Todas as ferramentas residem no IBM Cloud Pak fornecido pela IBM Cloud.
O desenvolvimento prosseguiu rapidamente usando a metodologia de envolvimento da IBM Data Science e AI Elite de três sprints ágeis ao longo de seis semanas:
- No primeiro sprint de duas semanas, os desenvolvedores trabalharam com a Change Machine para entender os dados conectados a todas as suas fontes.
- O segundo sprint focou no desenvolvimento de modelos de aprendizado de máquina de base para verificar se os dados realmente poderiam fazer previsões.
- No terceiro sprint conseguimos concluir com sucesso os modelos, aprimorando-os com novas funcionalidades e colocando-os em produção.
Em seguida, os modelos foram integrados ao aplicativo Salesforce que os técnicos financeiros usam com os clientes. A equipe da IBM também apoiou a equipe da Change Machine no desenvolvimento de dashboards de gerenciamento. E como parte da colaboração de aprendizagem, a IBM transferiu conhecimento para a equipe da Change Machine sobre estratégia de dados e ferramentas de IA que continuarão a usar no futuro.
"O envolvimento com a IBM nos ensinou como aproveitar nossos dados de novas maneiras e como construir um framework para criar e gerenciar modelos de aprendizado de máquina," afirma Bautista. "O projeto também serviu como trampolim para nosso envolvimento em soluções avançadas de nuvem e nos ajudou a implantar uma aplicação de IA no mundo real, algo que anteriormente considerávamos estar a anos de distância, na melhor das hipóteses."
A análise de IA dos dados da Change Machine agora impulsiona o mecanismo de recomendação no Salesforce. A solução é tão inovadora que foi indicada ao AI Innovation Award da VentureBeat na categoria IA for Good.
Com o antigo mecanismo de recomendação, os clientes usaram ativamente apenas 60% dos produtos fintech recomendados por seus treinadores. Com a nova versão, o número subiu para 98%, indicando que as recomendações são mais relevantes.
"Recomendações de alta qualidade promovem nossa missão de ajudar as pessoas a superar barreiras financeiras", diz Bautista. "Eles não só aumentam a captação de produtos, como também ajudam a garantir o acesso aos produtos que as pessoas mais precisam. E ajudam a consolidar as relações entre os nossos parceiros e aqueles que eles treinam.”
Outro benefício vem da conexão do mecanismo de recomendação com dados dinâmicos sobre clientes e ofertas de fintech. À medida que esse conjunto de dados é atualizado, as recomendações do mecanismo também são atualizadas.
Os painéis estão provando valor em toda a organização. Eles ajudam os gerentes da Change Machine a visualizar dados operacionais dinâmicos onde "os números sozinhos não contam toda a história", diz Zarate-Morales. Os desenvolvedores estão construindo painéis adicionais com tecnologia de data mart sob o IBM Cloud Pak for Data.
Olhando para o futuro, o envolvimento da IBM continuará a impulsionar a inovação dentro da Change Machine à medida que seu pessoal aplica o que aprendeu.
"Para mim, foi empolgante compreender tanto os recursos quanto a relativa facilidade de uso dessa tecnologia," explica Bautista. "Anteriormente, os dados eram algo que usávamos de forma reativa. Se houvesse uma pergunta, perguntaríamos: 'Onde estão os dados?' Mas hoje, estamos começando a incorporar dados proativamente nas decisões de estratégia. Nossa parceria com a IBM nos permite pensar mais estrategicamente nos dados."
.jpg)
Fundada em 2005, a Change Machine cria segurança financeira para comunidades de baixa renda por meio da tecnologia movida por pessoas. Mais de 8.000 profissionais usaram a plataforma da Change Machine para ampliar seu impacto, incluindo colocar USD 45 milhões nos bolsos de seus clientes.
Notas de rodapé
© Copyright IBM Corporation 2022. IBM corporation, New orchard road, Armonk, NY 10504
Produzido nos Estados Unidos da América, agosto de 2022.
IBM, o logotipo IBM, ibm.com, Cognos, IBM Cloud, IBM Cloud Pak e IBM Watson são marcas comerciais da International Business Machines Corp., registradas em diversas jurisdições em todo o mundo. Outros nomes de produtos e serviços podem ser marcas comerciais da IBM ou de outras empresas. Há uma lista atualizada de marcas registradas da IBM disponível na web em “Copyright and trademark information" em www.ibm.com/br-pt/legal/copytrade.
Este documento é atual na data de sua publicação inicial, podendo ser alterado pela IBM a qualquer momento. Nem todas as ofertas estão disponíveis em todos os países em que a IBM opera.
Os dados de desempenho e exemplos de clientes citados são apresentados apenas para fins ilustrativos. Os resultados reais de desempenho podem variar de acordo com configurações e condições operacionais específicas. AS INFORMAÇÕES CONTIDAS NESTE DOCUMENTO SÃO FORNECIDAS NO ESTADO EM QUE SEM ENCONTRAM, SEM QUALQUER GARANTIA, EXPRESSA OU IMPLÍCITA, INCLUINDO SEM QUAISQUER GARANTIAS DE COMERCIALIZAÇÃO, ADEQUAÇÃO A DETERMINADO FIM E QUALQUER GARANTIA OU CONDIÇÃO DE NÃO INFRAÇÃO. Os produtos IBM têm garantia de acordo com os termos e condições dos contratos sob os quais são fornecidos.