Discussão aberta: estratégias de IA para bancos

A inteligência artificial (IA) está transformando o setor bancário, oferecendo oportunidades incomparáveis de inovação, eficiência operacional e melhorias no atendimento ao cliente. No entanto, essas oportunidades não vêm sem desafios, como segurança de dados, conformidade e considerações éticas. 

Esses tópicos foram discutidos recentemente em um webinar, AI Strategies for Scalable, Secure and Compliant Banking, apresentado pela Finextra. Durante esta sessão, o vice-presidente e diretor global de serviços financeiros da Red Hat, Richard Hammer e o gerente de soluções, Will Caban, se juntaram ao CTO da Dwolla, Skylar Nesheim e Sharon Kimathi, da Finextra, para explorar as práticas recomendadas e as ferramentas de IA no setor bancário. Eles destacaram a importância dos modelos open source, da IA generativa (gen AI), do uso de dados sintéticos e de estruturas regulatórias.

Experimentação e exploração

Em uma pesquisa realizada durante o webinar e publicada no relatório pós-webinar, 58% dos entrevistados apoiaram a posição de que a maioria das instituições de serviços financeiros continua na fase de experimentação ou exploração. Embora as tendências e os casos de uso possam variar de organização para organização, surgiram temas claros sobre como os bancos estão experimentando a IA durante a sessão:

• IA generativa: frequentemente vista como tendo impacto no cliente, oferecendo respostas rápidas às consultas. A IA de geração também pode ser uma ferramenta poderosa para análise de mercado e desenvolvimento de novos produtos.
• Prevenção de crimes financeiros: os sistemas de IA podem analisar grandes quantidades de dados para identificar padrões e anomalias que indiquem atividades fraudulentas. A detecção robusta de fraudes protege os ativos do banco e aumenta a confiança dos clientes.
• Processamento de pagamentos: a IA pode simplificar e otimizar transações com mais eficiência, levando a transações mais seguras, rápidas e econômicas, beneficiando clientes e instituições.
• Agentic AI: agentes de IA realizando tarefas de forma autônoma são uma promessa para revolucionar os serviços bancários. Agentes de IA monitoram sistemas, identificam problemas e tomam ações corretivas, melhorando a eficiência operacional e a experiência do cliente.

Dados sintéticos e o dilema regulatório

Dados sintéticos são cruciais na IA, especialmente no setor bancário, onde a privacidade dos dados é essencial. Gerado por algoritmos, ele replica dados reais sem revelar informações confidenciais, permitindo o compartilhamento e a análise de novos dados. Isso aprimora a segurança e incentiva a inovação, como demonstrado na detecção de crimes financeiros, em que as instituições podem colaborar em modelos sem arriscar os dados do cliente. 

Os dados sintéticos aumentam muito o compartilhamento de informações valiosas entre instituições e países, fortalecendo seus esforços coletivos. É crucial para o treinamento de IA, considerando especialmente os altos custos e o acesso limitado a dados reais. Com dados sintéticos, as organizações podem gerar rapidamente grandes conjuntos de dados para treinar seus sistemas avançados de IA, aumentando a escalabilidade e a economia. Além disso, ajuda a reduzir tendências encontradas em dados reais, levando a modelos de IA mais precisos e justos. 

Equilibrar a regulamentação e a inovação é essencial para a implantação ética da IA. Novas regulamentações, como a Lei de Inteligência Artificial (IA) da União Europeia, enfatizam a privacidade, a transparência e a robustez dos dados, reduzindo os riscos e aumentando a confiança. Uma regulamentação eficaz deve proteger a inovação e, ao mesmo tempo, garantir a segurança, necessitando de uma compreensão completa das tecnologias envolvidas. 

O setor precisa desenvolver frameworks que ofereçam suporte à inovação e protejam contra uso indevido. Em outra pesquisa, 41% dos participantes do webinar citaram as preocupações com conformidade como o motivo para a adoção total de serviços orientados por IA. 

Práticas recomendadas a serem consideradas

Embora as práticas recomendadas de IA evoluam rapidamente, há algumas diretrizes que os bancos devem considerar. Uma das diretrizes mais importantes a serem lembradas, de acordo com Caban, é "parar de correr atrás do próximo passo". 

“Porque o problema é o seguinte: não importa qual será o próximo grande sucesso. Alguém vai copiá-lo porque, hoje em dia, é muito fácil fazer isso,” disse Sebastian. Em vez disso, concentre-se nos problemas internos e nos problemas internos do cliente. Faça isso de maneira iterativa e traga inovação sustentável de IA para sua organização.” Sábio conselho.

Outras práticas recomendadas atemporais incluem:

• Alinhe a IA aos casos de uso bancário, gerenciamento de dados e governança para criar uma IA empresarial segura e em conformidade em escala.
• Considere usar modelos, pesos, algoritmos e frameworks de IA open source para oferecer transparência, suporte da comunidade e capacidade de ajudar a cumprir regulamentações como a Lei de IA da União Europeia (EU AI Act).
• Defender uma abordagem equilibrada para a adoção da IA, incluindo foco na solução de problemas específicos, garantindo a conformidade regulatória e promovendo uma cultura de empatia e colaboração.

Conclusão

O uso de IA no setor bancário traz benefícios e desafios únicos. Eficiência e experiência do cliente aprimoradas aumentam o interesse por novos casos de uso. Os bancos precisam alinhar a adoção da IA a práticas responsáveis para maximizar o crescimento e a satisfação dos clientes. Adotar ferramentas de IA, usar dados sintéticos e seguir as regulamentações são essenciais para liberar todo o potencial da IA. Lidar com questões éticas e preconceitos em ambientes regulatórios aumenta a eficiência e a inovação. Ao se concentrar nas necessidades dos clientes e promover a empatia, o setor financeiro pode alcançar crescimento e inovação com as estratégias e proteções certas.

A Red Hat está comprometida em oferecer soluções inovadoras orientadas por IA para o setor de serviços financeiros. A Red Hat AI ajuda a acelerar a adoção de serviços prontos para produção. Acesse nossa página de serviços financeiros para saber mais. Para mais informações sobre como a Red Hat pode ajudar você a gerar LLMs personalizados usando a IA do Red Hat Enterprise Linux e um gerador de dados sintéticos (SDG), confira nossa demonstração interativa.