Existe um entendimento generalizado de que todos os atores do setor financeiro adotaram as tecnologias de Inteligência Artificial (IA) ao longo da última década. Contudo, aquilo a que assistimos no último ano (chamemos-lhe o efeito ChatGPT) foi um aumento acentuado da ambição e do investimento em todo o setor. Os bancos norte-americanos continuam a liderar este movimento, mas seguidos de perto por um grande número de bancos europeus e asiáticos.

Para uma indústria que investe massivamente em novas tecnologias, com elevados requisitos de segurança e sujeita a muitas exigências regulamentares, é uma questão de equilibrar a rapidez com o bom desempenho.

A integração das tecnologias de IA apresenta, de facto, uma miríade de oportunidades para os bancos otimizarem as suas operações e prestarem serviços de valor acrescentado aos clientes. A IA permite aos bancos gerar receitas, aumentar a eficiência operacional, melhorar a experiência do cliente e reforçar a gestão de risco. Atualmente, existem casos concretos de utilização em produção, tais como: campanhas de marketing direcionadas, extração de dados não estruturados, chatbots, automatização inteligente de deteção de fraudes, etc. Isto é uma realidade, e está a ser utilizado.

Recentemente, surgiu a Generative AI (GenAI) com as suas próprias oportunidades e desafios. Enquanto a utilização de modelos tradicionais de IA era um monopólio de uma população de especialistas, a GenAI, baseada em pedidos feitos em linguagem natural, é acessível e utilizada democraticamente por qualquer público para produzir, entre outras coisas, textos, imagens e vídeos. Este facto aumenta as expetativas de todos: clientes, colaboradores, gestores e restantes stakeholders. Os riscos são elevados e ainda há muitas incógnitas que o setor está a tentar perceber.

Em primeiro lugar, juntamente com a GenAI surge o aparecimento de quadros regulamentares como o AI Act da UE. Isto significa que os bancos têm de criar e implementar quadros de controlo reforçados para monitorizar a sua utilização das tecnologias de IA. Quanto mais avançada for a tecnologia, maior será o desafio para encontrar o equilíbrio certo entre a gestão do risco e a inovação.

O segundo ponto, é o fator humano. Gerir a mudança com os colaboradores, melhorando as suas competências técnicas e analíticas, ou atraindo novos talentos com capacidade para compreender e utilizar estas tecnologias disruptivas, são desafios que devem ser encarados simultaneamente.

Em terceiro lugar está a transformação das TI exigida pelas organizações que, frequentemente, têm trabalhado com base em ecossistemas de TI monolíticos complexos. Integrar a IA nestes ecossistemas significa mudar para uma arquitetura aberta, promover APIs – interface de programação de aplicações e micro serviços, e adquirir GPUs – Unidades de Processamento Gráfico – dispendiosas. Trata-se de uma mudança cultural séria para a população de TI e de um investimento financeiro significativo para permitir que a IA alcance todo o seu potencial.

Então, estará o setor bancário à altura deste desafio? Certamente que sim.

Os intervenientes do setor estão agora equipados com equipas de liderança de IA estabelecidas. As ambições em matéria de IA estão integradas em planos estratégicos a longo prazo e são tomadas medidas concretas em toda a cadeia de valor da IA para tornar esta transformação uma realidade.

No que diz respeito aos dados, os bancos estão a trabalhar em metodologias sólidas de governação e qualidade dos dados, que são as bases para uma implementação bem-sucedida da IA. Com uma estratégia de dados robusta em vigor, os bancos podem garantir a precisão, fiabilidade e conformidade dos dados, que são imperativos para continuar a merecer a confiança dos reguladores e dos clientes, bem como para garantir a eficácia e fiabilidade dos algoritmos de IA.

Para a sua estratégia de implementação de IA, a maioria dos bancos está a projetar estruturas que permitem uma maneira simplificada de identificar, priorizar, medir, rastrear e reportar casos de uso de IA. Ao fazê-lo, irá maximizar o retorno do investimento dos projetos de IA, uma obrigação tanto para os acionistas como para a gestão de topo.

Por último, quando se trata da industrialização da IA, os bancos também assumiram compromissos ambiciosos. Quer se trate da implementação de plataformas centralizadas de ciência de dados, grandes programas de APIs, criação de equipas de MLOps ou implementação de assistentes de código, todas estas iniciativas estão a contribuir para a massificação da IA.

Assistimos a um claro compromisso do setor bancário para com a IA e a GenAI. As ambições e os meios estão lá. Atualmente, parece que todos os intervenientes estão inclinados para fazer as coisas bem, em vez de as fazer rapidamente.