Inteligência Artificial: As Roupas Novas do Imperador? Adoção nos Serviços Financeiros

Katharine Wooller é Chief Strategist – Financial Services, Softcat plc, uma empresa de TI listada no FTSE.

Descubra as principais notícias e eventos de fintech!

Inscreva-se na newsletter da FinTech Weekly

Lida por executivos do JP Morgan, Coinbase, Blackrock, Klarna e outros

Poucos tópicos são tão polarizadores como a IA; os veredictos variam, desde, no lado mais positivo, a próxima fronteira do progresso humano, uma solução tecnológica à procura de problemas para resolver, ou, no pior dos casos, o potencial para criar o fim da humanidade.

Como Chief Strategist da Softcat, que apoia 2.500 empresas de serviços financeiros através de serviços e infraestrutura de TI, tenho um lugar privilegiado na primeira fila para observar a inovação a acontecer em todo o espectro das empresas de FS&I.

Desde o início, houve uma forte adesão por parte de fundos de hedge quantitativos, que abraçam o investimento significativo em IA para melhores retornos, e também pelas seguradoras, que se beneficiam de enormes quantidades de dados – ambas podem facilmente justificar casos de uso claros com um forte ROI.

As empresas de serviços financeiros têm feito modelagem matemática e aprendizado de máquina quase uma década antes que a IA fosse comercializada em sua forma atual, mas recentemente o desempenho impressionante da infraestrutura de IA alimentou uma forte adesão por parte de fundos de trading quantitativos e empresas de seguros e gestão de património, todas buscando benefícios da enorme quantidade de dados agora disponíveis para elas.

Além disso, muito do que é vendido como IA é simplesmente a próxima encarnação da automação.

Embora vejamos um enorme interesse em IA em todos os tipos de empresas de serviços financeiros, com base no enorme potencial da tecnologia, estamos, em última análise, apenas no início da adoção. Além disso, existem casos de uso extremamente variados – um banco de primeira linha implementará IA de maneira muito diferente de, digamos, uma sociedade de construção local com dez agências.

Costumo ver apetites diferentes dentro da mesma organização, com conselhos, as gerações mais jovens e digitalmente mais competentes, e as funções de operações/finanças muitas vezes mais receptivas à ideia do que, digamos, os colegas de conformidade. As preocupações frequentemente levantadas incluem a natureza “caixa-preta” da tecnologia, preocupações em torno da implementação ética da IA e a falta de clareza regulatória.

No entanto, há padrões claros emergindo sobre o que favorece a adoção inicial e níveis fortes de uso. Empresas bem-sucedidas têm uma estratégia sólida para adotar a IA, criando centros de excelência e garantindo que seus dados estejam em um estado apropriado desde o início; essas parecem ser pequenas iniciativas, mas são a base da inovação bem-sucedida.

Costumamos ver o primeiro caso de uso a ser implementado em ferramentas de produtividade como ChatGPT, Co-pilot ou Claude, que muitas vezes são o ponto de entrada para muitos colegas abraçarem a ideia de IA, e às vezes referidos secamente como a “droga de entrada”!

Culturalmente, adotar a IA pode ser uma grande mudança em relação ao status quo, e equipes de liderança altamente eficazes estarão buscando proteger suas organizações para o futuro. Uma estratégia de RH voltada para o futuro é fundamental, construindo capacidades e expertise internas em IA, focando em habilidades aplicáveis, expertise e incentivando o compartilhamento de conhecimento. Uma visão de longo prazo precisará ser adotada para realocar colegas cujos papéis são deslocados por eficiências impulsionadas por IA.

Há, com razão, muito foco no valor acrescentado da IA; há alguns bancos que têm centenas de potenciais casos de uso e navegar quais entrar em prova de conceito, e implementar mais amplamente, pode ser desafiador. As melhores práticas, para uma tecnologia tão nova, estão apenas começando a emergir. Em primeira instância, filtrar um enorme número de potenciais casos de uso para priorizar aqueles que oferecem a maior criação de valor pode ser esmagador, e um triagem rigorosa pode ser feita com base no impacto, custo, viabilidade e alinhamento com os objetivos de negócio mais amplos, para avaliar o potencial ROI.

É necessário um quadro de medição bem pensado para avaliar projetos de IA, com KPIs relevantes, metodologias robustas de coleta de dados e mecanismos de reporte claramente definidos. Uma vez que um projeto de IA faz parte das operações diárias, deve haver uma política de desenvolvimento iterativo contínuo ao longo do tempo para maximizar os retornos e garantir o alinhamento com as prioridades estratégicas - novamente, isso é frequentemente uma característica cultural de equipes de alto desempenho.

Recentemente, fui convidada para falar sobre IA com um regulador. Durante uma mesa redonda da indústria, foi apresentada uma pergunta brilhantemente perplexa: “Qual é o único problema que a IA resolve melhor do que qualquer outra coisa?” Sem surpresa, cada organização teve uma resposta completamente diferente, e espero que as empresas ainda estejam lidando com essa questão por muitos anos.

Aqueles que não conseguem ser estratégicos em relação à IA e implementá-la de maneira apropriada e oportuna estarão em uma desvantagem significativa.