Processo de avaliação de crédito habilitado por IA Agêntica: Um Roteiro Estratégico

_Bhushan Joshi, Dr Manas Panda, Raja Basu

Descubra as principais notícias e eventos de fintech!

Assine a newsletter do FinTech Weekly

Lido por executivos do JP Morgan, Coinbase, Blackrock, Klarna e mais

A indústria de serviços financeiros está passando por uma mudança de paradigma, pois a IA generativa (GenAI) e os sistemas de IA agêntica estão redefinindo os fluxos de processos de negócios - a tomada de decisão de crédito sendo um deles. Os bancos agora estão adotando sistemas baseados em IA que aumentam a precisão preditiva enquanto automatizam fluxos de trabalho complexos. Este artigo explora como a GenAI e a IA agêntica podem ser estrategicamente implantadas no processo de avaliação de crédito, melhorando significativamente o nível de eficiência e automação, ao mesmo tempo que abordam considerações de governança, risco e conformidade.

A Vantagem da GenAI: Enriquecimento Inteligente de Dados

Os dados são a força vital da avaliação de crédito. Bancos e instituições financeiras avaliam e analisam cargas de elementos de dados usando modelos logísticos e heurísticos. Com a GenAI, esse processo deu um salto, pois os modelos GenAI forneceram a capacidade de avaliar dados não estruturados, gerando insights valiosos. Gerar dados sintéticos para simular cenários antecipadamente é outra mudança fundamental no processo de avaliação.

Os modelos GenAI se destacam na análise de informações não estruturadas, transformando-as em dados estruturados. Essa capacidade permite a extração de atributos-chave, como consistências de renda, inconsistências de pagamento, dados de emprego, gastos discricionários etc., que podem fornecer insights críticos na avaliação de subscrição.

A geração de dados sintéticos é uma capacidade que os modelos GenAI oferecem, que pode ser aproveitada para modelagem robusta e fins de validação. Isso pode ajudar a mitigar a escassez de dados em casos extremos. Modelos de IA podem ser usados para definir cenários extremos, adicionar critérios mais sutis - buffers de liquidez, volatilidade de renda, etc. - e podem ser validados com dados sintéticos. Esses dados que preservam a privacidade melhoram a generalizabilidade do modelo e a resiliência a riscos de cauda.

Sistemas multimodais de GenAI podem sinalizar inconsistências - como incompatibilidades entre renda declarada, registros fiscais, extratos bancários etc. por comparação e contraste. Essas atividades manuais demoradas podem ser aceleradas com conformidade aprimorada, detectando lacunas e melhorando a integridade dos dados.

IA Agêntica: Orquestrando Fluxos de Trabalho Autônomos

Enquanto os sistemas multimodais de GenAI facilitam a integridade dos dados, criam e validam cenários extremos, a malha de IA agêntica orienta com fluxo de trabalho autônomo.

A IA agêntica avançou ainda mais o processo de avaliação com tomada de decisão autônoma de tarefas discretas. A malha de IA agêntica, composta por múltiplos agentes especialistas, é capaz de realizar múltiplas tarefas discretas simultaneamente. Verificação de identidade, recuperação e validação de documentos, avaliação de métricas, validação de dados externos, verificações de bureaus de crédito, análise psicométrica, etc., para citar alguns, podem ser realizadas simultaneamente por agentes especializados. Cada agente opera com objetivos definidos, métricas de sucesso e protocolos de escalonamento, tornando o processo mais rápido com maior precisão.

Essa malha agêntica impõe lógica de negócios, invoca modelos preditivos e roteia aplicações com base em limites de confiança, automatizando dinamicamente os fluxos de trabalho do processo. Por exemplo, decisões de baixa confiança ou anomalias sinalizadas são automaticamente escaladas para subscritores humanos no circuito, com alertas enviados por sistemas de mensagens para agir. Simultaneamente, os sistemas agênticos podem monitorar proativamente as aplicações, detectar contradições e iniciar mecanismos de remediação. Da mesma forma, se o perfil de crédito de um candidato cair em uma zona cinzenta, pode acionar automaticamente uma revisão secundária ou solicitar documentação adicional ou trazer um humano no circuito.

Exemplo: Um grande banco global recentemente implementou um processo totalmente automatizado de gerenciamento de casos a partir de e-mails de clientes - registrando casos, invocando fluxos de trabalho, mensagens com rastreamento de status e comunicação - reduzindo o esforço e o tempo de processamento para metade do anterior.

Para completar, a capacidade de PLN permite que os agentes conversem com os candidatos em tempo real, esclarecendo ambiguidades, coletando dados faltantes e resumindo os próximos passos – em vários idiomas e com suporte de voz conforme necessário. Isso reduz o atrito e melhora as taxas de conclusão, especialmente para segmentos de clientes carentes e hesitantes.

Arquitetura Híbrida: Equilibrando Precisão e Explicabilidade

As tecnologias GenAI e IA agêntica estão projetando fluxos de processo e arquitetura - melhorando a eficiência enquanto equilibram precisão e explicabilidade dos resultados.
Uma arquitetura híbrida combinando IA agêntica com modelos GenAI aprimora o poder preditivo com dados mais ricos e transparência regulatória melhorada. Combinar agentes de IA também aumenta a robustez e capacidades de execução automatizada contínua.

Enquanto a GenAI pode gerar explicações contrafactuais - cenários "e se" ilustrando como os candidatos podem melhorar sua elegibilidade de empréstimo, os sistemas agênticos podem coletar dados de resultados, selecionar casos extremos e iniciar ciclos de retreinamento. Esse processo de autoaprendizagem adaptativa com conjuntos de dados mais limpos e cenários extremos plausíveis melhora a precisão do processo de avaliação de elegibilidade de empréstimo do cliente.

Chamada para ação: Construindo Sistemas de IA Confiáveis para avaliação mais precisa

Avaliar a elegibilidade de empréstimo é um processo complexo que impacta a experiência do cliente e o relacionamento comercial de longo prazo. Algumas recomendações importantes a serem lembradas ao redesenhar o fluxo são: a) Uma arquitetura com humano no circuito para melhorar o processo de tomada de decisão geral com rastreabilidade e explicabilidade, b) Identificar e mapear adequadamente os resultados das decisões para os recursos associados para abordar preocupações de interpretabilidade e descobertas de auditoria, c) Implementar barreiras de proteção de IA responsável, salvaguardas operacionais como controles de acesso baseados em funções, matriz de escalonamento, etc., melhorariam a resiliência do processo.

Conclusão

O processo de tomada de decisão de crédito está em um ponto de inflexão com a GenAI e a IA agêntica redefinindo os fluxos de processos de negócios - tornando o ecossistema de empréstimos mais eficiente e resiliente. As instituições financeiras que investem em design criterioso, governança rigorosa e modelos de dados robustos, automatizando casos de uso de alto risco, liderarão a próxima era de subscrição inteligente.