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

Katharine Wooller é Chief Strategist – Financial Services da 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 extremo mais positivo, a próxima fronteira do progresso humano, uma solução tecnológica à procura de problemas para resolver, ou, no pior cenário, 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 infraestrutura de TI, tenho um lugar privilegiado na primeira fila para observar a inovação a desenrolar-se em todo o espectro das empresas de FS&I.

Em primeiro lugar, houve uma forte adesão por parte dos fundos de hedge quantitativos, que abraçam o investimento significativo em IA para melhorar os retornos, e também do setor de seguros, que se beneficia 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 na sua forma atual, mas recentemente o desempenho extraordinário da infraestrutura de IA estimulou uma forte adoção por parte de fundos de trading quantitativo e empresas de seguros e gestão de património, todas em busca de 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, nas primeiras etapas da adoção. Além disso, existem casos de uso extremamente variados – um banco de nível um implementará IA de forma muito diferente de, digamos, uma sociedade de construção localizada com dez agências.

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

No entanto, existem padrões claros a emergir sobre o que faz uma adoção precoce e níveis elevados de uso. As empresas bem-sucedidas têm uma estratégia sólida para adotar IA, estabelecendo centros de excelência e garantindo que seus dados estejam em um estado apropriado desde o início; estas parecem 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 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 à procura de preparar 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 a realocação de colegas cujos papéis são deslocados por eficiências impulsionadas por IA.

Há, de fato, um foco considerável no valor agregado da IA; existem alguns bancos que têm centenas de casos de uso potenciais e navegar quais devem ser levados a prova de conceito e mais amplamente implementados pode ser desafiador. As melhores práticas, para uma tecnologia tão nova, estão apenas a emergir. Em primeira instância, filtrar através de um número enorme de casos de uso potenciais para priorizar aqueles que oferecem a maior criação de valor pode ser esmagador, e um triagem implacável pode ser feita com base no impacto, custo, viabilidade e alinhamento com os objetivos empresariais mais amplos, para avaliar o potencial ROI.

É necessário ter uma estrutura de medição bem pensada para avaliar projetos de IA, com KPIs relevantes, metodologias de coleta de dados robustas e mecanismos de relatório claramente definidos. Uma vez que um projeto de IA faz parte das operações do dia a dia, 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 pergunta brilhantemente perplexa: “Que problema a IA resolve melhor do que qualquer outra coisa?” Sem surpresa, cada organização teve uma resposta completamente diferente, e espero que as empresas lutem com esta questão nos anos vindouros.

Aqueles que não conseguem ser estratégicos acerca da IA, e implementá-la de forma apropriada e atempada, estarão em uma desvantagem significativa.