Nos últimos anos, a adoção da Inteligência Artificial (IA) na concessão de crédito deixou de ser uma visão futurista para se tornar uma realidade no setor financeiro. Graças à capacidade de analisar grandes volumes de dados – tanto tradicionais, como histórico de crédito, quanto alternativos, como comportamento em redes sociais e transações digitais –, as ferramentas de IA oferecem hoje avaliações de risco precisas e inclusivas.
Estudos estimam que esses modelos tenham uma acurácia até 20% superior em comparação a métodos tradicionais, possibilitando uma avaliação justa para cada cliente. Além da precisão, a IA vem acelerando significativamente o processo de concessão, reduzindo o tempo de resposta de dias para minutos. Essa agilidade, aliada à personalização das ofertas de acordo com o perfil do cliente, eleva a experiência do cliente, ao mesmo tempo em que impulsiona a eficiência operacional e reduz custos para as instituições do setor.
Desafios para uso da IA
Contudo, essa transformação não está isenta de desafios. Gestão da inadimplência é um dos principais desafios apontados por especialistas, evidenciando a necessidade de uma IA que ofereça análises preditivas confiáveis.
Sobre essa crescente adoção e uso da IA para a concessão de crédito, conversamos com Ricardo Takeyama, diretor de Crédito e Cobrança do Banco BMG, e Wander Mion, head de Crédito e Cobrança do Tenda Atacado. Ambos participarão do Seminário Credit and Collection Experience (CCX), evento que ocorre em São Paulo, no dia 29 de julho, que trará insights estratégicos sobre o presente e o futuro do cenário de crédito no Brasil.
Práticas de uso da IA para concessão segura
CM: Como garantir a segurança de dados e a transparência das decisões automatizadas no uso de Inteligência Artificial para concessão de crédito?
Wander Mion (Tenda Atacado): O desafio aqui é garantir que os sistemas contemplem, por exemplo, a criptografia de dados dos clientes durante todo o processo de captura de uma proposta de crédito. É preciso estabelecer uma política normatizada em conformidade com GLPD. Manter a anonimização no armazenamento dos dados dos clientes, independentemente da Aprovação ou Recusa na proposta de crédito. Outro ponto é elaborar mecanismos de Auditoria constante e controle rigoroso de acesso. Neste contexto os modelos de IA, precisam, na medida do possível, ter algoritmos explicáveis com variáveis que possibilitem monitoramento. Se o processo de desenvolvimento da IA for realizado por terceiros, certificar que seguem os mesmos padrões de segurança e formalize as obrigações. Ainda neste tópico, fazer testes é fundamental. Armazenar os dados de maneira segura, sempre que possível, utilizar provedores cloud que ofereçam certificações.
Ricardo Takeyama (Banco BMG): Segurança é uma premissa básica em todos os processos. Não abriremos nenhuma exceção à implantação da IA com respeito a isso. Podemos seguir um caminho de IA mais limitada desde que isso nos dê um nível de segurança apropriado. No quesito transparência, é bom deixar claro que a IA não implica que isso seja uma caixa preta, no qual nem os gestores de crédito saibam exatamente o que está acontecendo. É o oposto: usar as melhores práticas para aplicá-las massivamente.
Desafios da integração de IA nos processos
CM: Quais são as principais barreiras técnicas, operacionais ou culturais ainda enfrentadas na implementação de IA para uma concessão de crédito realmente segura e eficiente?
Wander Mion (Tenda Atacado): Uma das principais barreiras técnicas é a qualidade dos dados, uma vez que modelos de IA necessitam de dados bem estruturados em grande volume para que os modelos tenham precisão. Operacionalmente, podemos destacar a infraestrutura legada como outra barreira. Sistemas obsoletos, por exemplo mainframes, podem não suportar o processamento de modelos de IA. Desenvolver e operacionalizar modelos de IA exige recursos computacionais robustos e escaláveis, como GPUs e cloud, que requerem mais investimentos e são mais complexos. Pessoas qualificadas podem constituir outro obstáculo, pois modelos precisam ser monitorados, recalibrados e atualizados, demandando equipe e governança contínuos. Do ponto de vista cultural podemos citar como limitador a resistência à mudança de profissionais do setor financeiro que preferem processos tradicionais baseados em regras estáticas e análises manuais. Desconfiança sobre a capacidade da IA de tomar decisões imparciais e explicáveis. Empresas que ainda focam excessivamente no controle do risco e pouco melhoria da experiência do cliente na jornada do crédito, o que pode ser mais bem explorado com o uso de IA.
Ricardo Takeyama (Banco BMG): A primeira barreira é sempre a disponibilidade dos dados para treinar e monitorar a IA. É uma etapa evolutiva, na qual dependemos que todos os dados estejam produtivos para serem consumidos. Outro ponto é o tempo de desenvolvimento e tempo de implantação. Ainda estamos superajustados no nosso operacional no modo corrente de conceder crédito. Finalmente, no lado cultural, temos que ter o apetite de testar e medir os riscos e a assertividade disso. Aqui, vejo mais contornável que os itens acima, que são pré-requisitos.
