Processo de avaliação de crédito habilitado por IA Agentic: Um Plano Estratégico

Bhushan Joshi, Doutor Manas Panda, Raja Basu

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

A indústria de serviços financeiros está a passar por uma mudança de paradigma, à medida que os sistemas de IA generativa (GenAI) e de IA agentica estão a redefinir os fluxos de processos de negócio — sendo a concessão de crédito uma das áreas. Os bancos estão agora a adotar sistemas orientados por IA, melhorando a precisão preditiva enquanto automatizam, em simultâneo, fluxos de trabalho complexos. Este artigo explora como a GenAI e a IA agentica podem ser aplicadas estrategicamente no processo de avaliação de crédito, melhorando significativamente o nível de eficiência e automação, ao mesmo tempo que aborda considerações de governação, risco e conformidade.

A Vantagem da GenAI: Enriquecimento Inteligente de Dados

Os dados são o sangue da avaliação de crédito. Os bancos e as instituições financeiras avaliam e analisam grandes quantidades de elementos de dados utilizando modelos logísticos e heurísticos. Com a GenAI, este processo deu um salto enorme, pois os modelos GenAI passam a ter a capacidade de avaliar dados não estruturados, gerando insights valiosos. Gerar dados sintéticos para simular cenários com antecedência é outra mudança fundamental no processo de avaliação.

Os modelos GenAI são especialmente eficazes na análise de informação não estruturada, transformando-a em dados estruturados. Esta capacidade permite extrair atributos-chave, como consistências de rendimento, inconsistências nos pagamentos, dados de emprego, gastos discricionários, etc., que podem fornecer insights críticos na avaliação de subscrição.

A geração de dados sintéticos é uma capacidade que os modelos GenAI oferecem, podendo ser aproveitada para modelação e validação robustas. Isto pode ajudar a mitigar a escassez de dados em casos-limite. Os modelos de IA podem ser usados para definir cenários de edge, adicionar critérios mais pormenorizados — reservas de liquidez, volatilidade do rendimento, etc. — e ser validados com dados sintéticos. Estes dados com preservação de privacidade aumentam a generalizabilidade e a resiliência do modelo face aos riscos da cauda.

Os sistemas GenAI multimodais podem sinalizar inconsistências — como divergências entre rendimento declarado, registos fiscais, extratos bancários, etc. — comparando e contrastando. Estas atividades manuais, demoradas, podem ser encaminhadas rapidamente com melhor conformidade, detetando lacunas e melhorando a integridade dos dados.

IA Agentica: Orquestrar Fluxos de Trabalho Autónomos

Embora os sistemas GenAI multi-modais facilitem a integridade dos dados, criem e validem cenários extremos, a malha de IA Agentica orienta com fluxo de trabalho autónomo.

A IA agentica avançou ainda mais o processo de avaliação com a tomada de decisão autónoma de tarefas discretas. A malha de IA agentica, composta por múltiplos agentes especializados, é capaz de executar várias tarefas discretas em simultâneo. Verificação de identidade, recolha e validação de documentos, avaliação de métricas, validação de dados externos, verificações do bureau de crédito, análise psicométrica, etc., para citar alguns, podem ser executados simultaneamente por agentes especializados. Cada agente opera com objetivos definidos, métricas de sucesso e protocolos de escalonamento, tornando o processo mais rápido e com maior precisão.

Esta malha agentica impõe a lógica do negócio, invoca modelos preditivos e encaminha candidaturas com base em limiares de confiança, automatizando dinamicamente os fluxos de processos. Por exemplo, decisões de baixa confiança ou anomalias sinalizadas são automaticamente escalonadas para decisores humanos “in-loop”, com alertas enviados através de sistemas de mensagens para agir. Em simultâneo, os sistemas agenticos podem monitorizar proativamente as candidaturas, detetar contradições e iniciar mecanismos de remediação. Do mesmo modo, se o perfil de crédito de um candidato cair numa zona cinzenta, pode ativar automaticamente uma revisão secundária ou solicitar documentação adicional, ou ainda fazer entrar um humano “in-loop”.

Caso em ponto: um grande banco global implementou recentemente um processo totalmente automatizado de gestão de casos a partir de e-mails de clientes — registo de casos, invocação de fluxos de trabalho, mensagens com acompanhamento do estado e comunicação — reduzindo o esforço e o tempo de processamento para metade do que havia antes.

Para completar, a capacidade de NLP permite que os agentes conversem com os candidatos em tempo real, esclarecendo ambiguidades, recolhendo dados em falta e resumindo os próximos passos — em várias línguas e com suporte de voz, conforme necessário. Isto reduz atrito e melhora as taxas de conclusão, especialmente para segmentos de clientes não servidos e hesitantes.

Arquitetura Híbrida: Equilibrar Precisão e Explicabilidade

As tecnologias GenAI e IA Agentica estão a desenhar fluxos de processo e arquitetura — melhorando a eficiência ao mesmo tempo que equilibram a precisão e a explicabilidade dos resultados.
Uma arquitetura híbrida que combine IA Agentica com modelos GenAI aumenta o poder preditivo com dados mais ricos e maior transparência regulatória. A combinação de agentes de IA também aumenta a robustez e a capacidade de execução automatizada e fluida.

Embora a GenAI possa gerar explicações contrafactuais — cenários “e se…”, ilustrando como os candidatos podem melhorar a sua elegibilidade para empréstimo — os sistemas agenticos podem recolher dados de resultado, selecionar casos-limite e iniciar ciclos de re-treinamento. Este processo de autoaprendizagem adaptativa com conjuntos de dados mais limpos e cenários plausíveis de edge melhora a precisão do processo de avaliação da elegibilidade de crédito dos clientes.

Chamada à ação: Construir Sistemas de IA Confiáveis para uma Avaliação Mais Precisa

A avaliação da elegibilidade para empréstimo é um processo complexo que afeta a experiência do cliente e a relação de negócio a longo prazo. Algumas recomendações-chave a ter em mente, enquanto redesenha o fluxo, são: a) uma arquitetura com humano “in-loop” para melhorar o processo global de tomada de decisão com rastreabilidade e explicabilidade, b) identificar e mapear corretamente os resultados da decisão para as funcionalidades associadas para abordar preocupações de interpretabilidade e conclusões de auditoria, c) implementar guardrails de IA responsável, salvaguardas operacionais como controlos de acesso baseados em funções, matriz de escalonamento, etc., melhoraria a resiliência do processo.

Conclusão

O processo de decisão de crédito está num ponto de viragem com a GenAI e a IA Agentica a redefinir os fluxos de processos de negócio — tornando o ecossistema de concessão de crédito mais eficiente e resiliente. As instituições financeiras que investem num desenho ponderado, numa governação rigorosa e em modelos de dados robustos para automatizar casos de alto risco irão conduzir à próxima era de subscrição inteligente.