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

Katharine Wooller é Diretora de Estratégia – 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, no extremo mais positivo, o próximo patamar do progresso humano, uma solução tecnológica à procura de problemas para resolver, ou, no pior dos casos, o potencial para chegar ao fim da humanidade.

Como Diretora de Estratégia na Softcat, que apoia 2.500 empresas de serviços financeiros através de serviços de TI e infraestruturas, tenho o privilégio de estar numa posição privilegiada para observar a inovação a desenrolar-se ao longo de todo o espectro das empresas FS&I.

Em primeiro lugar, houve uma forte adesão nos fundos quantitativos (quant hedge funds), que abraçam o investimento significativo em IA para obter melhores retornos, e também nos seguros, que beneficiam de enormes quantidades de dados – ambos conseguem facilmente justificar casos de uso claros com um ROI forte.
 
As empresas de serviços financeiros vêm a fazer modelação matemática e machine learning há quase uma década antes de a IA ter sido comercializada na sua atual roupagem, mas recentemente o desempenho “brutal” das infraestruturas de IA impulsionou uma forte adesão por parte de fundos de trading quantitativo e de empresas de seguros e de gestão de património, que procuram beneficiar da enorme quantidade de dados agora disponível para elas.

Além disso, muito 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, estamos, em última análise, apenas nos primeiros passos da adoção. Além disso, existem casos de uso muito diferentes: um banco de nível 1 (tier one) irá implementar IA de forma muito diferente, por exemplo, de uma sociedade mútua local com dez agências.

Muitas vezes vejo diferentes níveis de apetite dentro da mesma organização: conselhos de administração, as gerações mais jovens e mais versadas digitalmente, e as funções de operações/finanças são muitas vezes mais recetivas à ideia do que, por exemplo, os colegas de conformidade.  As preocupações levantadas incluem frequentemente a natureza de “caixa negra” da tecnologia, receios quanto à implementação ética da IA e falta de clareza regulamentar.

No entanto, estão a emergir padrões claros sobre o que conduz à adoção precoce e a níveis elevados de utilização.  As empresas bem-sucedidas têm uma estratégia sólida para adotar IA, criam centros de excelência e garantem que os seus dados estão num estado adequado desde o início; isto pode parecer um esforço pequeno, mas é a base para uma inovação bem-sucedida.

Vemos muitas vezes 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 por vezes são referidas de forma algo seca como a “gateway drug”!
 
Culturalmente, adotar IA pode representar uma grande rutura face ao status quo, e equipas de liderança altamente eficazes estarão a 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 expertise aplicáveis e incentivando a partilha de conhecimento.  É necessário ter uma perspetiva de longo prazo sobre a reatribuição de funções aos colegas cujos cargos são substituídos por eficiências impulsionadas por IA.

Há, com razão, muita atenção ao valor acrescentado da IA; existem alguns bancos com centenas de potenciais casos de uso e navegar sobre quais escolher para passar à prova de conceito, e depois expandir e aplicar de forma mais ampla, pode ser desafiante.  As melhores práticas, para uma tecnologia nova como esta, estão apenas agora a começar a surgir. Num primeiro momento, passar por um grande número de potenciais casos de uso para priorizar aqueles que oferecem a maior criação de valor pode ser esmagador, 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 do BAU (atividades rotineiras do dia-a-dia), tem de existir uma política de desenvolvimento contínuo e iterativo ao longo do tempo para maximizar retornos e garantir alinhamento com prioridades estratégicas – mais uma vez, isso é frequentemente uma característica cultural de equipas com elevado desempenho.

Recentemente, fui convidada a falar sobre IA com um regulador.  Durante uma mesa-redonda do setor, foi colocada uma pergunta brilhantemente intrigante: “Que um problema a IA resolve melhor do que qualquer outra coisa?”  Sem surpresa, cada organização teve uma resposta completamente diferente, e espero que as empresas estejam a lidar com esta questão durante anos ainda por vir.

Aqueles que não conseguem ser estratégicos em relação à IA e que não a implementam de forma adequada e atempada, ficarão em desvantagem significativa.