O setor bancário tem passado por transformações, primeiro com o avanço das fintechs e, mais recentemente, pela adoção de tecnologias emergentes, como a Inteligência Artificial (IA) generativa. Inicialmente, as fintechs surgiram como disruptoras, ampliando o portfólio de produtos financeiros e transformando a maneira como os consumidores lidam com suas finanças. Agora, a IA generativa está acelerando ainda mais essas mudanças, proporcionando uma nova onda de inovação que está redefinindo a experiência do cliente no setor bancário.
A IA generativa está moldando um novo cenário para as operações bancárias tradicionais. De acordo com a Bain & Company, essa tecnologia tem a capacidade de automatizar tarefas rotineiras e liberar até 65% do tempo dos consultores financeiros, permitindo que esses profissionais se concentrem em atividades mais estratégicas e de alto valor. Ao utilizar fontes de dados não estruturados, a IA generativa consegue oferecer aconselhamento financeiro altamente personalizado e adaptar-se às preferências individuais de cada cliente, aprimorando a qualidade do serviço prestado.
Ações em escala
Na avaliação da consultoria, as equipes de marketing já estão se beneficiando da IA generativa para criar conteúdo personalizado em escala, o que tem permitido aos bancos alcançarem seus clientes com mensagens mais relevantes aos clientes.
Além disso, a IA generativa também está transformando o processo de concessão de empréstimos corporativos. Com a capacidade de analisar rapidamente grandes volumes de dados e tomar decisões informadas, a tecnologia promete reduzir o tempo de liberação de empréstimos em até 40%. Nesse sentido, a IA, além de melhorar a experiência do cliente, também permite que os bancos operem de maneira mais ágil e competitiva.
Contudo, a onda crescente de aplicações da IA exige foco na gestão de custos, recursos e perfil de risco do banco. “O primeiro ponto é que a IA generativa não resolve todos os desafios por si só”, explica Pablo Sansuste, sócio da Bain & Company. “Ela funciona melhor quando orquestrada com outros processos e sistemas de aprendizagem automática e levanta os seus próprios desafios organizacionais, tecnológicos, regulamentares e éticos. É por isso que é fundamental elaborar um roteiro de casos de uso, incluindo os recursos e gargalos que podem surgir durante o desenvolvimento e a implementação da plataforma”.
8 passos para IA generativa
Dada a forma como a IA generativa pode alterar operações internas e interações com clientes, bancos precisam desenvolver uma visão ampla dos sistemas e dados subjacentes para possibilitar que a tecnologia faça a diferença. A Bain & Company elaborou 8 passos de como os bancos podem construir uma base sólida em IA generativa:
- Aplicações e sistemas: adoção de sistemas baseados em nuvem e APIs avançadas é fundamental para a implementação de IA generativa. O mercado global para essas tecnologias pode crescer de US$ 20 bilhões em 2022 para mais de US$ 100 bilhões em 2032, segundo a consultoria. Bancos precisam criar camadas de serviço que conectem LLMs às aplicações de IA generativa, demandando investimentos significativos;
- Arquitetura de dados: a IA generativa valoriza ainda mais os dados, incluindo dados não estruturados, para insights sobre comportamento do cliente. É necessário uma arquitetura de dados eficiente para monitorar custos, latência, rastreabilidade e moderação de conteúdo. Como aponta a Bain & Company, mais de 80% dos bancos planejam atualizar suas arquiteturas de dados nos próximos três anos;
- Privacidade de dados, segurança e gerenciamento de riscos: a IA generativa redefine riscos de privacidade e segurança, exigindo uma estratégia de IA responsável. Bancos bem-sucedidos tratam privacidade e segurança como componentes essenciais de uma política de conformidade integrada;
- Modelo operacional e governança: implementar IA generativa requer uma revisão do modelo operacional, promovendo colaboração multifuncional. Muitas instituições usam modelos centralizados para iniciar a IA generativa, podendo evoluir para modelos hub-and-spoke no futuro;
- Operações de IA e ML: casos de uso em larga escala exigem melhorias consistentes e um ecossistema de fornecedores especializados para gerenciar APIs, bancos de dados vetoriais e hospedagem de aplicativos. A abordagem ecoa os princípios do DevOps. Como resultado, está a tomar forma um ecossistema de fornecedores adaptados para abordar elementos específicos da pilha de tecnologia que viabilizam operações de IA e aprendizagem automática (ML);
- Políticas e regulamentação: reguladores monitoram o uso da IA generativa para garantir uso responsável e transparente de dados. O aumento do escrutínio internacional limita a arbitragem regulamentar para bancos multinacionais;
- Gestão de custos e recursos: implementar IA generativa requer investimento inicial significativo e altos custos de manutenção. A compreensão detalhada dos custos e a capacidade de gerenciar ativamente os recursos são essenciais para uma transformação bem-sucedida;
- Talento e cultura de dados: A demanda por habilidades especializadas em IA aumenta, incluindo engenharia imediata e gerenciamento de bancos de dados vetoriais. Promover mudanças comportamentais e mobilizar agentes de mudança em todos os níveis da organização é essencial.
