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

Katharine Wooller é Chefe de Estratégia – Serviços Financeiros, Softcat plc, uma empresa de TI listada na FTSE.

Descubra as principais notícias e eventos de fintech!

Inscreva-se na newsletter do FinTech Weekly

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

Poucos temas são tão polarizadores quanto a IA; os veredictos variam desde, na vertente mais positiva, a próxima fronteira do progresso humano, uma solução tecnológica à procura de problemas a resolver, ou, na pior das hipóteses, o potencial de criar o fim da humanidade.

Como Chefe de Estratégia da Softcat, que apoia 2.500 empresas de serviços financeiros através de serviços de TI e infraestrutura, tenho um lugar privilegiado na primeira fila para assistir à inovação a desenrolar-se em todo o espectro das empresas de FS&I.

Primeiro a sair à frente, houve uma forte adoção por fundos de hedge quantitativos, que abraçam o investimento significativo em IA para melhorar os retornos, e também no setor de seguros, que se beneficia de enormes quantidades de dados – ambos podem facilmente justificar casos de uso claros com um forte ROI.
 
As empresas de serviços financeiros têm feito modelagem matemática e aprendizagem automática há quase uma década antes de a IA ser comercializada na sua forma atual, mas recentemente o desempenho extraordinário da infraestrutura de IA tem impulsionado uma forte adoção por fundos de trading quantitativo e empresas de seguros e gestão de património, todas procurando beneficiar-se da enorme quantidade de dados agora disponíveis para elas.

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

Embora vejamos um enorme interesse na IA em todos os tipos de empresas de serviços financeiros, com base no potencial enorme da tecnologia, estamos, na verdade, nos estágios iniciais de adoção. Além disso, existem casos de uso altamente variados – um banco de primeira linha implementará IA de forma muito diferente de, por exemplo, uma sociedade de poupança local com dez filiais.

Frequentemente vejo apetites diferentes dentro da mesma organização, com os conselhos, as gerações mais jovens mais digitalmente experientes, e as funções de operações/finanças muitas vezes mais receptivas à ideia do que, por exemplo, colegas de compliance. As preocupações levantadas frequentemente incluem a natureza de “caixa preta” da tecnologia, preocupações sobre a implementação ética da IA, e a falta de clareza regulatória.

No entanto, estão a emergir padrões claros no que diz respeito à adoção precoce e aos altos níveis de utilização. As empresas bem-sucedidas têm uma estratégia forte para adotar IA, estabelecendo centros de excelência e garantindo que os seus dados estejam em um estado adequado desde o início; estes parecem pequenas tarefas, mas são a base da inovação bem-sucedida.

Frequentemente vemos o primeiro caso de uso a ser implantado em ferramentas de produtividade como ChatGPT, Co-pilot ou Claude, que muitas vezes representam o ponto de entrada para muitos colegas na adoção da ideia de IA, sendo às vezes referidos de forma seca como a “droga de entrada”!
 
Culturalmente, adotar IA pode representar uma grande mudança em relação ao status quo, e equipas de liderança altamente eficazes procurarão preparar as suas organizações para o futuro. Uma estratégia de RH com visão de futuro é fundamental, construindo capacidades e conhecimentos internos de IA, focando em competências aplicáveis, especialização e incentivando o partilhar de conhecimentos. Uma visão de longo prazo será necessária para realocar colegas cujos papéis sejam deslocados por eficiências impulsionadas por IA.

Há, com razão, muito foco no valor acrescentado da IA; há alguns bancos com centenas de potenciais casos de uso e navegar por quais entrar em provas de conceito, e implementar de forma mais ampla, pode ser desafiador. A melhor prática, para uma tecnologia tão nova, está ainda a emergir. Na primeira fase, passar por um grande número de potenciais casos de uso para priorizar aqueles que oferecem maior valor pode ser avassalador, e uma triagem rigorosa pode ser feita com base no impacto, custo, viabilidade e alinhamento com objetivos de negócio mais amplos, para avaliar o ROI potencial.

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 faz parte do funcionamento normal, deve haver uma política de desenvolvimento iterativo contínuo ao longo do tempo para maximizar os retornos e garantir o alinhamento com as prioridades estratégicas – novamente, isto é muitas vezes uma característica cultural de equipas de alto desempenho.

Recentemente, fui convidada a falar sobre IA com um regulador. Durante uma mesa-redonda do setor, foi apresentada uma questão brilhantemente desconcertante: “Qual é o problema que a IA resolve melhor do que qualquer outra coisa?” Como era de esperar, cada organização tinha uma resposta completamente diferente, e espero que as empresas continuem a debater esta questão durante anos.

Aqueles que não conseguirem ser estratégicos em relação à IA, e implementá-la de forma adequada e oportuna, estarão em desvantagem significativa.