Fabio Cossini
No meu último artigo “Explorando a Inteligência Artificial nos Bancos”, descrevi como os bancos podem aplicar a inteligência artificial (IA) para mitigação de riscos financeiros e operacionais, reduzir o custo de suas operações e aumentar a produtividade de suas equipes e ampliar e melhorar o relacionamento com seus clientes. Para alguns deles esta jornada já começou, porém, não veio acompanhada dos resultados esperados. Quais os desafios que os bancos, de uma forma geral, podem encontrar para aplicar IA em escala? Segundo o Capgemini Research Institute1, eles podem ser vistos em quatro áreas distintas e interconectadas: tecnologia, pessoas, negócio e financeiro.
A IA não deve concentrar-se apenas nos times de TI. Bancos que já obtiveram sucesso com iniciativas de IA em escala acreditam que ela deve estar permeada em toda a organização e que talentos mais jovens e mais experientes devem compreender seus benefícios igualmente. Assim, há a necessidade de investimentos no desenvolvimento e reciclagem de capacidades internas, além da atração de novos talentos, para que a IA torne-se o centro da estratégia de negócios. Como consequência, com um entendimento mais uniforme das possibilidades e riscos na aplicação de IA, pode-se diminuir a fricção cultural entre os profissionais com uma maior aceitação de novas tecnologias, modelos de negócios e formas de relacionamento com os clientes.
Uma vez que que a IA deve fazer parte das equipes de Negócios e TI, uma adequada coordenação entre as ações de ambas equipes deve prevalecer. Com uma visão compartilhada da estratégia para IA, é possível o desenvolvimento de casos de negócio com definição dos resultados esperados e uma alocação de orçamento mais apropriada para cada um deles. Aliás, colocando-se os resultados esperados como o foco principal de cada ação de IA, desde a Prova de Conceito até a implantação em Produção, é possível determinar-se o Retorno sobre o Investimento das ações de IA com maior clareza.
No que diz respeito à tecnologia, o primeiro desafio reside na qualidade dos dados que servirão de base para aplicação de IA, uma vez que para a geração de conhecimento relevante fazem-se necessários dados íntegros e consistentes por meio de sua governança em todo o ciclo de vida de uma aplicação. Um segundo desafio tecnológico é a habilitação de sistemas legados complexos e com alto débito técnico para se integrarem com tecnologias de IA mais modernas e muitas vezes em Nuvem. Por último, a falta de um modelo de rastreamento do desempenho da IA em relação ao caso de negócio traz uma maior dificuldade, em termos organizacionais, de se apresentar e convencer sobre seus benefícios quantificáveis.
De uma forma geral, os bancos só conseguirão alcançar os benefícios reais da aplicação de IA unindo forças entre as áreas de TI e Negócios em todos os níveis. É necessário que a IA passe a fazer parte das decisões estratégicas e táticas dos bancos, com adequação das equipes para novos cenários de negócio onde a capacidade humana será complementada com o poder cognitivo de máquinas e as relações com os clientes serão cada vez mais digitais, porém humanizadas. Vencer esses desafios necessitará de investimentos, ações coordenadas e liderança visionária.
1 Smart Money: How to drive AI at scale to transform the financial services customer experience, “https://www.capgemini.com/research/smart-money/?utm_source=pr&utm_medium=referral&utm_content=dcx_none_link_pressrelease_none&utm_campaign=cx_cri_ai-in-cx_financial_services”