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

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

Descubra as principais notícias e eventos de fintech!

Inscreva-se na newsletter da FinTech Weekly

Lido por executivos da JP Morgan, Coinbase, Blackrock, Klarna e outros

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

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

Primeiro a sair das portas, houve uma forte adesão por parte de fundos de hedge quantitativos, que abraçam o investimento significativo em IA para melhorar os retornos, e também seguros, que beneficiam de enormes quantidades de dados – ambos 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 de a IA ser comercializada em sua forma atual, mas recentemente o desempenho impressionante da infraestrutura de IA tem alimentado uma forte adesão por parte de fundos de trading quantitativo e empresas de seguros e gestão de património, todas em busca de benefício a partir 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.

Enquanto vemos 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 irá implantar IA de forma 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 experientes, e funções de operações/finanças muitas vezes mais receptivas à ideia, do que, por exemplo, colegas de conformidade. As preocupações levantadas frequentemente incluem a natureza “caixa preta” da tecnologia, preocupações em torno da implementação ética da IA e a falta de clareza regulatória.

No entanto, existem padrões claros a emergir sobre o que leva a uma adoção precoce e a níveis elevados de utilização. As empresas bem-sucedidas têm uma estratégia sólida para adotar IA, estabelecendo centros de excelência e garantindo que os seus dados estejam em um estado apropriado desde o início; estas parecem ser pequenas iniciativas, mas são a base da inovação bem-sucedida.

Costumamos ver o primeiro caso de uso a ser implantado em ferramentas de produtividade como ChatGPT, Co-pilot ou Claude, que são frequentemente o ponto de entrada para muitos colegas abraçarem a ideia de IA, e às vezes referidos de forma seca como a “droga de entrada”!
 
Culturalmente, adotar IA pode ser uma grande mudança em relação ao status quo, e equipas de liderança altamente eficazes estarão a procurar proteger o futuro das suas organizações. Uma estratégia de RH orientada para o futuro é fundamental, construindo capacidades internas de IA e expertise, focando em competências aplicáveis, experiência e incentivando a partilha de conhecimentos. Uma visão a longo prazo precisará ser adotada para realocar colegas cujos papéis sejam deslocados pela eficiência impulsionada por IA.

Certamente há muito foco no valor acrescentado da IA; existem alguns bancos que têm centenas de casos de uso potenciais e navegar quais deles entrar em prova de conceito, e implementar mais amplamente, pode ser desafiador. As melhores práticas, para uma tecnologia tão nova, estão apenas a emergir. Na 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 uma triagem rigorosa pode ser feita com base em impacto, custo, viabilidade e alinhamento com os objetivos empresariais mais amplos, para avaliar o potencial ROI.

É necessário haver uma estrutura de medição bem pensada 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 normais, deve haver uma política de desenvolvimento iterativo contínuo ao longo do tempo para maximizar retornos e garantir alinhamento com prioridades estratégicas - novamente, esta é frequentemente uma característica cultural de equipas de alto desempenho.

Recentemente, fui convidada a falar sobre IA com um regulador. Durante uma mesa redonda da indústria, foi apresentada uma questão 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 continuem a lidar com esta questão nos próximos anos.

Aqueles que não conseguirem ser estratégicos em relação à IA, e implantar de forma apropriada e atempada, estarão em uma desvantagem significativa.