IDC: Instituições financeiras de pequeno e médio porte adotam produtos de modelos de grande escala do setor com melhor relação custo-benefício

Em 7 de abril, o relatório mais recente da IDC indicou que a maioria das instituições financeiras — especialmente bancos mais pequenos e médios, seguradoras, etc. — utiliza produtos de modelos de grande porte para o sector financeiro, otimizados, que apresentam vantagens em termos de custos, conformidade e eficiência em comparação com a construção do zero. A investigação da IDC mostra que construir um modelo de grande porte a partir do zero exige um investimento significativo para investigação e desenvolvimento técnico, acumulação de dados e reforço de recursos humanos, além de enfrentar múltiplos riscos, como avaliações de conformidade e adaptação tecnológica; o ciclo é longo e as barreiras são elevadas, pelo que a viabilidade é menor para instituições financeiras médias e pequenas com recursos limitados. Atualmente, empresas como a Alibaba Cloud, a Baidu Intelligent Cloud, a BaiRong YunChuang, a Ant Digital Technology, a Qifu Technology, a Qifu Technology, a Zhongguancun Keke Jin, a Zhongke Wen Ge e outras já lançaram produtos de modelos de grande porte para o sector financeiro, que podem ligar-se diretamente às necessidades do negócio, reduzindo substancialmente os custos de desenvolvimento e encurtando o ciclo de colocação em produção. Ao mesmo tempo, evitam os riscos de conformidade e os riscos tecnológicos inerentes ao processo de construção autónoma, fornecendo às várias instituições financeiras suporte de capacidades de modelos de grande porte eficientes e seguras.

De acordo com a investigação da IDC, as ferramentas fortes (empresariais) para o desenvolvimento de agentes inteligentes voltados para o sector financeiro devem ter características como escalabilidade e personalização, escalabilidade e flexibilidade de implementação, orquestração de múltiplos agentes, conformidade e segurança, monitorização contínua, melhoria contínua, um sistema rico de plugins/ferramentas e capacidade de integração. Neste domínio, também empresas como a Alibaba Cloud, a Baidu Intelligent Cloud, a BaiRong YunChuang, a Kemerid, a Lenglan Software, a Ant Digital Technology, a Runhe Software, a Shenzhou Information, a Shidai Yintong, a SiMaiTe Software, a Yicheng Interactive, a Zhongguancun Keke Jin e outras fornecem ferramentas empresariais para o desenvolvimento de agentes às instituições financeiras.

A incorporação de agentes na aplicação (embedded) é, atualmente, a forma principal de concretizar agentes no sector financeiro, sobretudo devido às características dos sistemas de negócio e aos requisitos de conformidade. Os sistemas de negócio do sector financeiro são complexos; os principais processos de negócio (como a aprovação de crédito e a auditoria de controlo de risco), após longas iterações, formaram um sistema fixo, o que torna difícil desvincular-se das aplicações existentes e reconstruí-los. Os agentes embutidos podem capacitar o negócio sem alterar os processos originais, reduzindo a dificuldade de implementação. Além disso, a conformidade e os requisitos de auditoria no sector financeiro são rigorosos; as capacidades inteligentes têm de realizar “embutir no processo e ser controlável e rastreável”. Na forma embutida, é possível registar integralmente, ao longo de todo o percurso, o rasto operacional e a lógica de decisão dos agentes inteligentes, garantindo que os processos de negócio sejam auditáveis e que os riscos sejam controláveis. Desta forma, satisfaz tanto os requisitos de conformidade como o desempenho eficiente dos agentes como apoio, razão pela qual se tornou a forma principal de concretização atual.

A aplicação dos agentes no sector financeiro não tem uma norma unificada para a decomposição; a decomposição pode ser feita de forma flexível com base nos processos de negócio, nas responsabilidades dos cargos ou nos tipos de tarefas. A IDC observa que, devido às diferenças nos modelos de negócio e na estrutura organizacional de diferentes instituições financeiras, a decomposição das aplicações de agentes não precisa de seguir regras fixas, devendo corresponder às necessidades reais de cada uma. A decomposição por processos de negócio permite fazer capacitação inteligente de ponta a ponta; por exemplo, nos negócios de crédito, decompor em agentes de auditoria antes da concessão, monitorização durante a concessão e gestão após a concessão. A decomposição por responsabilidades do cargo permite adequar-se às necessidades de diferentes cargos, como agentes dedicados para gestores de clientes e especialistas em controlo de risco. A decomposição por tipo de tarefa permite focar a reutilização de capacidades; por exemplo, nos cenários de negócios de crédito, o agente para escrita de relatórios, o agente para extração de informação e o agente para cálculos matemáticos podem ser reutilizados em várias tarefas, como antes da concessão, durante a concessão e após a concessão. Métodos de decomposição flexíveis podem aumentar a pertinência e a eficiência da implementação dos agentes.

Os modelos de grande porte estão a impulsionar a transformação de várias áreas do sector financeiro para um modelo RaaS (Results-as-a-Service, RaaS), mas durante a implementação enfrentam-se múltiplos desafios, como a quantificação dos resultados e a conformidade. As capacidades de processamento de dados multimodais e de análise preditiva dos modelos de grande porte permitem corresponder com precisão às necessidades de negócio em áreas como crédito, controlo de risco e marketing, realizando o modelo RaaS de “pagar com base nos resultados”. Nesse modelo, as instituições financeiras pagam com base no efeito real dos serviços inteligentes, reduzindo o risco de investimento inicial. No entanto, a implementação desse modelo tem dificuldades evidentes: a quantificação dos resultados não dispõe de um padrão unificado, o que dificulta a avaliação precisa do valor real do serviço inteligente; os resultados do negócio são influenciados por múltiplos fatores, o que torna a atribuição difícil; a delimitação de responsabilidades é pouco clara; se ocorrer um risco, torna-se difícil distinguir as responsabilidades do fornecedor do modelo e da instituição financeira. Ao mesmo tempo, problemas como a segurança dos dados e as auditorias de conformidade também restringem a implementação em escala do modelo RaaS.