O que é IA no setor bancário?

Historicamente, os provedores de serviços financeiros estabelecidos têm enfrentado dificuldades para inovar. Um estudo da McKinsey¹(link fora do site ibm.com) constatou que os grandes bancos eram 40% menos produtivos do que os nativos digitais. Muitas startups bancárias emergentes estão liderando casos de uso de inteligência artificial, tornando ainda mais importante que os bancos tradicionais se atualizem e inovem.

As empresas de banco de investimento há muito tempo utilizam o processamento de linguagem natural (PNL) para analisar as grandes quantidades de dados que possuem internamente ou que recebem de fontes terceirizadas. Eles utilizam a PNL para examinar conjuntos de dados e tomar decisões mais informadas sobre investimentos importantes e gerenciamento de patrimônio.

O setor bancário, especificamente, está absorvendo os benefícios desejados das tecnologias de IA. Os clientes querem experiências bancárias digitais: aplicativos nos quais eles possam receber mais informações sobre os serviços oferecido, interagir com pessoas ou assistentes virtuais e gerenciar melhor suas finanças. As empresas precisam melhorar a experiência do usuário para manter esses clientes satisfeitos. Adotar e implementar soluções de IA é uma maneira de conseguir isso.

Embora a IA seja poderosa por si só, combiná-la com a automação abre ainda mais potencial. A automação impulsionada por IA combina a inteligência da IA com a repetibilidade da automação. Por exemplo, a IA pode aprimorar a automação robótica de processos (RPA) para analisar melhor a análise de dados e realizar ações com base no que a IA decidir ser melhor. Um exemplo são os bancos que utilizam a RPA para validar os dados do cliente necessários para atender às restrições de conhecimento do cliente (KYC), combate à lavagem de dinheiro (AML) e due diligence do cliente (CDD).

As organizações de serviços financeiros estão adotando a inteligência artificial (IA) por vários motivos, como gerenciamento de riscos, experiência do cliente e forecasting de tendências de mercado.

A IA ajuda os clientes a aprimorar a tomada de decisões sobre questões financeiras. É mais provável que eles fiquem com bancos que utilizam tecnologia de IA de ponta para ajudá-los a gerenciar melhor seu dinheiro.

Mas, devido às extensas regulamentações do setor, os bancos e outras organizações de serviços financeiros precisam de uma estratégia abrangente para abordar a IA. O uso de IA requer uma estrutura bem pensada para mitigar riscos e exposição.

O IBM Institute for Business Value publicou um guia para bancos que desejam incorporar ferramentas e práticas de IA em suas operações no relatório 2024 Global Outlook for Banking and Financial Markets. Algumas das principais ações são:

• Definir a governança de IA e o perfil de risco do banco: cada banco é diferente, e os líderes de cada banco devem tomar suas próprias decisões sobre o risco e a implementação da IA. Os bancos devem adotar a IA com o conhecimento de que ela exige que neutralizem quaisquer riscos potenciais com fortes medidas de segurança.
• Priorizar os casos de uso: as implementações de IA devem estar vinculadas a casos de uso de negócios específicos que gerem um impacto mensurável e se alinhem aos objetivos organizacionais. Exemplos de casos de uso específicos são chatbots voltados para o cliente, estratégias de investimento personalizadas, prevenção de fraudes e pontuação de qualidade de crédito.
• Escolha uma plataforma de IA confiável: A maioria das abordagens de IA empresarial exige a aplicação de vários modelos de IA para garantir que uma organização tenha tudo o que precisa para ter sucesso. Portanto, os bancos precisam escolher se desejam utilizar modelos de código aberto, modelos desenvolvidos internamente ou ambos.
• Adote uma arquitetura de nuvem híbrida: A IA exige que os bancos resolvam quaisquer ineficiências tecnológicas existentes que possam ter e priorizem o gerenciamento de recursos de aplicações. Ao utilizar uma arquitetura de nuvem híbrida, os bancos podem alternar entre nuvens públicas e nuvens privadas para promover resiliência e capacidade de resposta para serviços bancários digitais em tempo real.
• Aprender com as implementações iniciais: os bancos preocupados com os riscos devem implementar testes e casos de uso em pequena escala para avaliar os impactos antes de escalar e implementar novas implementações. As primeiras lições são valiosas porque ajudam os bancos a entender melhor quais outras infraestruturas precisam implementar e onde precisam fazer ajustes.
• Crie uma “fábrica de IA”: depois que a organização tiver estabelecido uma estratégia viável para desenvolver ou adotar IA para casos de uso específicos, ela deve construir um aparelho que adicione a IA às suas operações e a torne central para todos os métodos de desenvolvimento e negócios.

Há vários benefícios importantes para os bancos que adotam e implementam a IA.

• Segurança cibernética aprimorada e detecção de fraudes: os atacantes cibernéticos utilizam cada vez mais a IA para criar formas mais sofisticadas de fraudar instituições financeiras. Eles podem usar áudio criado por IA² (link fora do ibm.com) para imitar os clientes, confundindo os agentes de atendimento ao cliente. Eles podem utilizar a IA para fazer com que os e-mails de phishing pareçam cada vez mais legítimos. Como resultado, essas instituições financeiras precisam utilizar algoritmos de IA para proteger seus funcionários contra ameaças à segurança cibernética em tempo real, ao mesmo tempo em que criam ferramentas para ajudar os clientes a evitar os mesmos truques. Instituições financeiras e agências governamentais também podem utilizar sistemas de IA para impedir outros crimes financeiros, como lavagem de dinheiro ou falsificação de identidade.
• APIs aprimoradas: as operações bancárias dependem cada vez mais do uso de interfaces de programação de aplicações (APIs) para permitir que os clientes acompanhem seu dinheiro em vários aplicações. Por exemplo, os bancos devem dar permissão de API a aplicativos de orçamento de terceiros para que os clientes possam monitorar várias contas bancárias. A IA aprimora o uso das APIs ao permitir mais medidas de segurança e automatizar tarefas repetitivas, tornando-as mais poderosas.
  
• Banco integrável: é a introdução do setor bancário em experiências não tradicionais, como quando a Starbucks iniciou seu próprio aplicativo de pagamentos³. Espera-se que o banco incorporável cresça como serviço, especialmente porque a IA ajuda varejistas e outras empresas a coletar e analisar dados sobre possíveis oportunidades de mercado, prever a credibilidade e personalizar melhor os serviços para os clientes.
• Ferramentas mais inteligentes para o cliente: a ascensão da IA generativa impulsionada por deep learning significa que os setores de investimento e bancário podem implementar ferramentas mais sofisticadas para simplificar o atendimento ao cliente. Chatbots e assistentes virtuais impulsionados por IA podem aprimorar o atendimento ao cliente, ajudando-os a resolver pequenos problemas por conta própria. A IA também pode impulsionar os aplicativos de orçamento, que ajudam os clientes a gerenciar melhor suas finanças e economizar mais dinheiro.
• Novos mercados e oportunidades: Eles também utilizam IA para análises preditivas para ter melhores insights sobre seus clientes. A análise preditiva orientada por IA pode identificar novas áreas de crescimento para seus negócios e clientes e pode estimar melhor quais clientes apresentam risco de rotatividade. Por exemplo, os bancos podem analisar os hábitos de seus clientes, como a frequência com que eles fazem login ou depositam dinheiro, e compará-los com outros pontos de dados para determinar se clientes individuais podem estar prestes a cancelar suas contas.
  
• Cartão de crédito e pontuação de crédito mais inteligentes: determinar a qualidade de crédito é uma atividade bancária crítica. Os bancos precisam processar quantidades significativas de dados de clientes para tomar decisões de crédito importantes, como aceitar ou não uma solicitação de cartão de crédito ou aprovar um aumento de crédito. Algoritmos de IA e aprendizado de máquina podem ajudar as instituições financeiras a aprovar ou negar cartões de crédito, aumentos de crédito e outras solicitações de clientes com alta velocidade.

A introdução da IA no setor bancário não é isenta de riscos e complicações. O estudo Global Outlook for Banking and Financial Markets 2024 do IBM Institute for Business Value revelou que mais de 60% dos CEOs do setor bancário estavam preocupados com as novas vulnerabilidades introduzidas pela IA. Essas vantagens são:

• Segurança cibernética: a tecnologia de IA generativa pode ser utilizada para prevenção de fraudes e gerenciamento de conformidade, mas também produz riscos. A incorporação de ferramentas e tecnologias abertas de IA nos sistemas bancários de TI cria alguns desafios de segurança porque os modelos de IA são alvos especialmente valiosos para agentes mal-intencionados. É por isso que os bancos precisam de uma abordagem holística de governança de IA que equilibre efetivamente a inovação e o gerenciamento de riscos.
• Insegurança jurídica relacionada às operações: os modelos de IA generativa precisam de treinamento nos conjuntos de dados existentes para serem eficazes. Ainda há algumas questões não resolvidas sobre se a análise de dados publicamente disponível, como notícias e vídeos explicativos, constitui violação de direitos autorais⁴(link externo a ibm.com). Uma maneira de evitar esse problema é utilizar modelos de IA que foram treinados com dados que o banco possui, como interações do serviço ao cliente ou sua própria pesquisa proprietária.
• Dificuldades no controle da precisão dos resultados: atualmente, os modelos de IA não raciocinam ou "entendem" seus resultados. Em vez disso, os modelos de IA detectam padrões⁵(link fora do ibm.com) nos dados que recebem e geram resultados. Portanto o modelo não pode informar ao funcionário humano se os dados estão incorretos ou imprecisos.
• Preconceito do viés do modelo: os bancos estão investindo cada vez mais em iniciativas ambientais, sociais e de governança (ESG) como forma de demonstrar transparência e responsabilidade por suas ações. Como os modelos de IA são treinados com dados criados por humanos, podem herdar alguns dos vieses que influenciam os humanos. Os bancos precisam eliminar o viés na forma como comercializam os produtos e determinar fatores como a qualidade de crédito, que historicamente afetava negativamente determinadas informações demográficas.

As instituições bancárias estão sob forte pressão para fazerem a transformação digital. Os clientes exigem experiências automáticas com recursos de autoatendimento, mas também querem sentir que as interações são personalizadas e exclusivamente humanas.

Os bancos continuam priorizando o investimento em IA para se manterem à frente da concorrência e oferecerem aos clientes ferramentas cada vez mais sofisticadas para gerenciar seu dinheiro e seus investimentos. Os clientes continuam priorizando os bancos que podem oferecer aplicações de IA personalizadas que os ajudem a ter visibilidade de suas oportunidades financeiras.

No futuro, os bancos divulgarão o uso de IA e como podem implementar avanços mais rápido do que os concorrentes. A IA ajudará os bancos a mudar para novos modelos operacionais, abraçar a digitalização e a automação inteligente e alcançar a continuidade da lucratividade em uma nova era de serviços bancários comerciais e de varejo.