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

Katharine Wooller é Chief Strategist – Serviços Financeiros, Softcat plc, uma empresa de TI cotada na FTSE.

Descubra as principais notícias e eventos de fintech!

Subscreva a newsletter do FinTech Weekly

Lida por executivos da JP Morgan, Coinbase, Blackrock, Klarna e mais

Poucos temas são tão polarizadores como a IA; os veredictos vão desde, na ponta mais positiva, o próximo patamar do progresso humano, a uma solução tecnológica à procura de problemas para resolver, ou, no pior dos casos, a capacidade de criar o fim da humanidade.

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

Em primeiro lugar, a adesão em fundos de quant hedge tem sido forte, que abraçam o investimento significativo em IA para obter melhores retornos, e também em seguros, que beneficiam das grandes quantidades de dados — ambos conseguem facilmente justificar casos de uso claros com um ROI forte.
 
As empresas de serviços financeiros têm vindo a fazer modelação matemática e machine learning há quase uma década antes de a IA ter sido comercializada na sua forma atual, mas recentemente o desempenho “bruto” da infraestrutura de IA tem impulsionado uma forte adesão por parte de fundos de trading quantitativo e de empresas de seguros e de gestão de património, que procuram tirar partido da enorme quantidade de dados agora disponível para elas.

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

Embora vejamos um grande interesse em IA em todos os tipos de empresas de serviços financeiros, devido ao enorme potencial da tecnologia, acabamos por estar nos primeiros passos da adoção. Além disso, existem casos de uso muito diferentes — um banco de nível 1 implementará IA de forma muito distinta, por exemplo, de uma associação local de dez agências.

Frequentemente vejo apetites diferentes dentro da mesma organização, com os conselhos de administração, as gerações mais jovens e mais conhecedoras de tecnologia, e as funções de operações/finanças muitas vezes mais recetivas à ideia do que, por exemplo, os colegas de conformidade.  As preocupações levantadas incluem frequentemente a natureza de “black box” da tecnologia, receios quanto à utilização ética da IA e falta de clareza regulatória.

Existem, no entanto, padrões claros a emergir no que torna possível uma adoção precoce e níveis elevados de utilização.  As empresas bem-sucedidas têm uma estratégia forte para adotar IA, criam centros de excelência e garantem que os seus dados estão num estado adequado desde o início; estas iniciativas parecem pequenos esforços, mas são a base do sucesso da inovação.

Normalmente vemos o primeiro caso de uso para implementar em ferramentas de produtividade como ChatGPT, Co-pilot ou Claude, que são frequentemente o ponto de entrada para muitos colegas ao abraçar a ideia de IA, e por vezes referidas de forma algo seca como o “gateway drug”!
 
Culturalmente, adotar IA pode ser um grande afastamento do status quo, e as equipas de liderança altamente eficazes estarão a procurar preparar as suas organizações para o futuro.  Uma estratégia de RH com visão de futuro é fundamental, construindo capacidades internas de IA e especialização, focando competências e conhecimentos aplicáveis e incentivando a partilha de conhecimento.  Ter-se-á de adotar uma perspetiva de longo prazo para redistribuir colegas cujas funções são substituídas por eficiências impulsionadas pela IA.

É legítimo haver bastante foco no valor acrescentado da IA; há alguns bancos que têm centenas de potenciais casos de uso e navegar quais devem ser escolhidos para avançar com prova de conceito e depois alargar a implementação de forma mais ampla pode ser desafiante.  As melhores práticas, para uma tecnologia tão nova, estão apenas a começar a surgir. Num primeiro momento, ao percorrer um número enorme de potenciais casos de uso para priorizar aqueles que oferecem a maior criação de valor, pode ser avassalador, e uma triagem implacável pode ser feita com base no impacto, custo, viabilidade e alinhamento com objetivos mais amplos do negócio, para avaliar o potencial de ROI.

É necessário um quadro de medição bem pensado para avaliar projetos de IA, com KPIs relevantes, metodologias robustas de recolha de dados e mecanismos de reporte claramente definidos.  Uma vez que um projeto de IA passa a fazer parte das atividades normais do negócio (BAU), tem de existir uma política de desenvolvimento contínuo e iterativo ao longo do tempo para maximizar retornos e garantir o alinhamento com prioridades estratégicas — novamente, esta é frequentemente uma característica cultural de equipas com alto desempenho.

Recentemente, fui convidada para falar sobre IA com um regulador.  Durante uma mesa-redonda do setor, foi apresentada uma pergunta brilhantemente intrigante: “Que problema único é resolvido pela IA 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 conseguem ser estratégicos em relação à IA e não a implementam de forma adequada e atempada estarão em desvantagem significativa.