Para impulsionar a adoção de IA no setor bancário, é necessário compreender as competências dos seus funcionários

Bernardo Nunes é um cientista de dados especializado na transformação da IA na Workera.

Descubra as principais notícias e eventos de fintech!

Subscreva a newsletter da FinTech Weekly

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

A IA já não é apenas um experimento. De acordo com o mais recente Global Survey on AI da McKinsey, 78% das organizações já usam IA em pelo menos uma função de negócio.

A indústria bancária está a recuperar rapidamente. Um recente inquérito da EY-Parthenon revelou que 77% dos bancos já lançaram ou lançaram em versão inicial (“soft-launched”) aplicações de IA generativa, acima de cerca de 61% em 2023. No entanto, apenas 31% avançaram para uma implementação completa.

Entretanto, apesar de haver investimentos generalizados em IA na indústria bancária, apenas alguns integraram estas capacidades no seu plano estratégico. Um inquérito da BCG referiu que apenas 25% dos bancos o fizeram — e os restantes 75% estão presos em pilotos e provas de conceito isoladas, arriscando ficar irrelevantes à medida que concorrentes “digital-first” avançam.

A indústria bancária é definida por regulamentos rigorosos e estratégias deliberadas. Essa história conduziu tanto a riscos como a oportunidades com a IA. Enquanto outras indústrias dispararam, os bancos que atuam agora ainda têm a oportunidade de conquistar uma vantagem de “first-mover”. Implementar IA com sucesso exige infraestruturas, modelos, pipelines de dados e estratégias de conformidade. Contudo, o aspeto mais importante para transformar a promessa da IA em valor para o negócio está no capital humano.

As instituições financeiras que vencerem serão aquelas que permitem que os seus colaboradores utilizem ferramentas de IA não apenas de forma pontual (“ad hoc”), mas como parte do seu fluxo de trabalho diário. Isso implica desenvolver competências reais e verificadas para que as pessoas consigam compreender, aproveitar e liderar a inovação em IA.

Porque é que os colaboradores impulsionam a inovação em IA

A IA tem potencial para proporcionar ganhos incríveis em produtividade, experiência do cliente e gestão de risco. Mas, no seu núcleo, a IA é simplesmente uma ferramenta — que requer criatividade humana e conhecimento especializado do domínio para gerar valor real para o negócio. A tecnologia, por si só, não impulsiona a inovação; as pessoas é que o fazem. Nos bancos, onde confiança, regulamentação e julgamento são centrais, esta interação entre humano e máquina torna-se ainda mais importante.

Todos os colaboradores, hoje, têm de se tornar colaboradores habilitados para IA em diferentes graus. Alguns serão profundamente técnicos — cientistas de dados, engenheiros e construtores de modelos responsáveis por desenhar e manter os sistemas que sustentam a operacionalização da IA. Outros, como caixas, subscritores (“underwriters”) ou representantes de atendimento ao cliente, podem nunca tocar numa linha de código, mas ainda assim podem usar ferramentas com IA para simplificar fluxos de trabalho e tomar decisões melhores. Entre estes extremos estão os colaboradores “AI+X”. São indivíduos que trazem um profundo conhecimento do domínio em áreas como risco de crédito, conformidade ou deteção de fraude e o combinam com literacia suficiente em IA para usar a tecnologia e ampliar essa especialização.

Os colaboradores “AI+X” serão aqueles que impulsionam a verdadeira inovação. Podem ajudar a reduzir a distância entre as necessidades do negócio e as possibilidades técnicas, traduzindo desafios complexos do setor bancário em oportunidades para a IA entregar resultados tangíveis. Por exemplo, um responsável de conformidade com fluência em IA pode colaborar com equipas de dados para desenhar modelos mais justos e mais transparentes para os processos de KYC e AML. Um gestor de produto que prototipa usando IA generativa pode reinventar interações com clientes, criando aconselhamento financeiro personalizado ou melhorando jornadas de onboarding. Em todos estes casos, a IA amplifica a perceção humana em vez de a substituir.

Num setor tão fortemente regulado e avesso ao risco como o bancário, esta camada humana é essencial. A tecnologia pode identificar anomalias ou gerar recomendações, mas serão os humanos a interpretar, contextualizar e garantir que as decisões se alinham com padrões éticos, legais e de reputação. É por isso que os bancos que lideram na adoção de IA são aqueles que investem não só em sistemas e modelos, mas também nas competências e no entendimento da sua força de trabalho.

Impulsionar o desenvolvimento com competências verificadas

Construir uma força de trabalho habilitada para IA começa por compreender as competências existentes e as lacunas. Para escalar a IA com sucesso, os bancos precisam de mais do que entusiasmo e orçamentos de formação. Precisam de uma base de dados de competências verificadas e mensuráveis. Sem uma visão clara das capacidades dos colaboradores, os líderes não conseguem tomar decisões informadas sobre como desenvolver as suas pessoas ou onde implementar IA com maior eficácia.

A autoavaliação, por si só, não é fiável. Os colaboradores tendem a sobrestimar ou subestimar a sua proficiência, o que leva a ineficiências na formação. As competências verificadas — medidas através de avaliações objetivas — permitem às organizações mapear com precisão os pontos fortes e fracos atuais. Com esta informação, os bancos podem desenhar percursos de aprendizagem adaptados a processos e objetivos específicos, seja isto o que for: literacia inicial em IA para equipas da linha da frente, conhecimento técnico profundo para profissionais de dados, ou experiência em governação para responsáveis de conformidade.

Quando os colaboradores sabem em que ponto estão, podem procurar aperfeiçoamento focado e verificar competências em ciclos periódicos para medir o progresso e fazer investimentos responsáveis e prestáveis contas nas pessoas. Este ciclo de aprendizagem e validação cria uma cultura de melhoria contínua, garantindo que as competências se mantêm atuais à medida que o setor evolui. Isto é particularmente importante em IA, onde o “half-life” de uma competência é mais curto do que nunca. O que é considerado de ponta hoje pode estar desatualizado dentro de um ano, tornando a capacidade de um colaborador aprender rapidamente mais valiosa do que qualquer competência técnica específica.

Para os bancos, isto traduz-se na necessidade de priorizar a velocidade de crescimento de competências — a taxa a que os colaboradores conseguem adquirir e aplicar novas competências. As instituições que cultivam esta adaptabilidade manterão uma vantagem competitiva, respondendo mais rapidamente a novas regulamentações, expectativas dos clientes e tecnologias. As competências verificadas reforçam também a governação, assegurando que os colaboradores entendem não apenas como usar IA, mas como usá-la de forma responsável, com atenção à justiça, transparência e gestão de risco.

O objetivo final é o alinhamento. Quando a inteligência sobre competências orienta a estratégia de aprendizagem — e a estratégia de aprendizagem apoia as prioridades do negócio — os bancos conseguem acelerar a sua transformação em IA com confiança. Os dados de competências verificadas permitem aos líderes ver onde investir, como mobilizar talento e quando escalar a inovação com segurança.

Construir uma força de trabalho que vence

Este é um momento decisivo para a indústria bancária. As instituições que estabelecerem uma base para a inovação vão avançar mais depressa, enquanto as que hesitarem correm o risco de ficar para trás. O caminho é claro: os bancos que constroem capacidades amplas de IA entre os seus colaboradores — especialmente competências verificadas que combinam conhecimento técnico e do domínio — estarão na posição mais forte para prosperar.

Quando cada colaborador tem autonomia para usar IA — seja como criador, utilizador avançado (“power user”) ou especialista do domínio — o banco, no seu conjunto, ganha agilidade, resiliência e capacidade de gerar valor estratégico, em vez de apenas eficiência incremental. Agora é a altura de passar da experimentação para a operacionalização (“enablement”). Em IA, o que separa os líderes dos que ficam atrás não são apenas os modelos que constroem nem a I&D (“R&D”) que financiam, mas as competências que desenvolvem.