Voltar ao topo.Ver em Libras.

Por que a indústria financeira está revolucionando o mercado com AI?#

« Última» Primeira🛈
ImprimirReportar erroTags:espaço, histórico, recomendações, ambiente, seguro, propaid, pudesse e estudar2307 palavras37 min. para ler
Por que a indústria financeira está revolucionando o mercado com AI?Ver imagem ampliada
As empresas de serviços financeiros estão ajudando a liderar o caminho na adoção de inteligência artificial (AI), com os bancos esperados a gastar US$ 5,6 bilhões em soluções de AI em 2019, perdendo apenas para o setor de varejo, de acordo com a IDC.

E os frutos para fins de consumo poderiam ser consideráveis: o McKinsey Global Institute prevê que a AI e o aprendizado de máquina poderiam gerar mais de US$ 250 bilhões em valor para o setor bancário. Ainda assim, muitas empresas financeiras continuam cautelosas com a inteligência artificial, graças às possíveis consequências financeiras, de reputação e regulatórias. Aqui, ter acesso a informações sobre como os sistemas de inteligência artificial chegam às decisões, é fundamental.

Enquanto isso, as empresas de serviços financeiros que buscam vantagem competitiva estão implantando sistemas de inteligência artificial para dar suporte às operações de atendimento ao cliente, realizar análises de risco e revisar processos de marketing e vendas. A seguir, veremos como várias empresas de serviços financeiros estão colocando a AI para funcionar.



Agilizando o atendimento ao cliente


A Synchrony opera cartões de crédito para muitas das principais marcas, incluindo a Gap e a Old Navy, a Amazon, a JC Penney, a Lowe`s, a Sam`s Club e a American Eagle, atendendo a mais de 80 milhões de contas de consumidores ativos. São muitos clientes que podem precisar de ajuda com seus cartões, como relatar transações fraudulentas.

Dois anos atrás, a empresa apostou tudo na inteligência artificial e já havia contratado mais de 170 cientistas de dados, ao mesmo tempo em que lançava um centro de tecnologia emergente na Universidade de Illinois. Como muitas empresas de serviços financeiros, a principal implementação de AI e aprendizado de máquina de Synchrony é em chatbots.

"Nosso agente virtual inteligente, Sydney, reside na maioria dos sites de varejo, incluindo Gap e Lowe`s”, diz Greg Simpson, diretor de tecnologia da informação da empresa. "Se você tivesse uma pergunta sobre seu cartão de crédito com uma dessas contas, poderia perguntar a Sydney e ele o ajudaria a responder perguntas básicas.”

Atualmente, a plataforma lida com meio milhão de bate-papos por mês, a partir de respostas baseadas em anos de chamadas para o centro de atendimento da Synchrony. A plataforma, que também está disponível nos dispositivos da Amazon, ajudou a reduzir o volume de bate-papo ao vivo em mais de 50%, diz Simpson, e 88% dos clientes que usaram o Sydney disseram estar satisfeitos com o serviço.

A Sumitomo Mitsui Banking Corp., empresa financeira global e o segundo maior banco do Japão em ativos, está implantando de maneira semelhante a AI para atendimento ao cliente. O banco usa o IBM Watson para monitorar as conversas do call center e reconhecer automaticamente as perguntas e solicitar respostas aos operadores, reduzindo assim o custo de cada chamada em 60 centavos. Com mais de um milhão de chamadas por ano, isso são US$ 100 mil em economias anuais, diz Tomohiro Oka, diretor do banco. Além disso, a satisfação do cliente subiu 8,4 pontos percentuais, acrescenta.

Oka mudou-se para o Vale do Silício em 2015 para administrar o escritório de inovação do SMBC e liderou vários projetos de inteligência artificial no banco.

"Também estamos usando o IBM Watson para as interações voltadas aos funcionários”, diz ele. "Por exemplo, se um vendedor tem uma pergunta sobre uma regra interna e pergunta ao HQ no Japão, há uma grande diferença de tempo e a resposta será atrasada em um dia.” O Watson é usado para responder automaticamente a essas perguntas, diz ele.

Nos últimos dois anos, todos os grandes bancos tiveram projetos de chatbot em andamento, diz o analista do Gartner, Moutusi Sau. "Existem muitas tecnologias para isso”, diz ela. "Mecanismos de bate-papo de conversação, assistentes virtuais do cliente. Eles são uma grande parte do bolo.”

Os bancos continuam investindo na área, mas os agentes inteligentes agora estão trabalhando para melhorar a eficiência operacional interna também, diz ela.



Levando inteligência para o processo de vendas


Um banco que decidiu aguardar em chatbots foi o NBKC Bank, um banco de médio porte com sede no Kansas. Em vez disso, o NBKC está usando a IA como parte de seu processo de empréstimo hipotecário.

"A maior parte da IA que você vê no universo hipotecário é voltada para chatbots para atendimento ao cliente”, diz Chad Cronk, vice-presidente do banco e diretor de hipotecas. "Nós pensamos sobre isso, mas achamos que a área precisa crescer um pouco”.

Na NBKC, a AI ajuda a distribuir leads para agentes de empréstimos. Cerca de 60% dos novos guias chegam por meio de agregadores de leads on-line, como a Lending Tree e a Zillow, com uma média de 300 a 350 novos [leads] por dia – o restante vem de referências e da repetição de clientes. Anteriormente, os guias eram distribuídos aos 98 agentes de crédito da empresa por meio de um sistema "carta circular”, diz Cronk.

Mas, ao analisar dados históricos, o NBKC descobriu que alguns agentes de crédito eram melhores em lidar com novos leads no início da manhã, por exemplo, ou no final da tarde, ou tinham mais sucesso com clientes de uma determinada área geográfica.

"Isso levou ao conceito de distribuir leads em um nível inteligente”, diz Cronk. "Pensamos que, se combinássemos as perspectivas com os funcionários certos no momento certo, continuaríamos oferecendo uma melhor experiência ao cliente”.

Devido ao seu tamanho menor, o banco optou por um fornecedor externo, a ProPair, em vez de construir a tecnologia internamente. A plataforma do ProPari ajudou o NBKC a aumentar as taxas de fechamento em 10% e melhorou o desempenho de 65% de seus agentes de crédito.

Hoje, 25% dos leads vão para um grupo de controle, atribuído aleatoriamente. O restante é atribuído com base no sistema inteligente, que distribui leads para o agente mais adequado, levando em consideração cargas de trabalho individuais para garantir que todos ainda estejam recebendo o mesmo número total de leads. "Nós vimos uma melhora notável”, diz Cronk.

A implantação da nova tecnologia levou cerca de três ou quatro meses, diz ele. Os dados sobre leads de agregadores de terceiros são enviados por meio de APIs para o sistema de gerenciamento de leads do banco, o Velocify. Ele tomou um pouco de trabalho para descobrir como encaixar as recomendações dos agentes no Velocify, diz Cronk, e criar um ambiente seguro para que a ProPaid pudesse estudar o desempenho histórico dos agentes.

BIA

No Brasil, um exemplo emblemático é a BIA, sigla para Bradesco Inteligência Artificial, pedra fundamental na estratégia do Bradesco, seja de crescimento, ampliação de serviços ou eficiência no atendimento ao cliente. Tal importância se traduz em números: 87 milhões de interações realizadas e perguntas respondidas em até 3 segundos.

De acordo com Henrique Albuquerque, gerente de pesquisa e desenvolvimento do Bradesco, após três anos de projeto, a BIA deve atingir já no próximo mês 100 milhões de interações. Ao comentar o estágio atual da plataforma, o especialista relembrou o início de tudo, quando o sistema era praticamente um call center interno para que gerentes de agências físicas pudessem, rapidamente, acessar informações sobre os mais diversos produtos do banco (atualmente ela tem resposta para mais de 200 mil perguntas sobre 59 produtos).

"Conseguimos reter no chat 95% de tudo que era perguntado para BIA. Em 2016 fomos o maior case de Watson no planeta. Em agosto 2017 abrimos para clientes e saímos de 10 milhões para 87 milhões de interações, podendo bater 100 milhões em março, somente a capacidade humana não atenderia nessa velocidade e, tampouco, com essa capacidade”, avaliou. Cerca de 9 milhões de clientes do banco já interagiram com a BIA e, ano passado, 78 mil novas contas foram abertas pelo aplicativo do Bradesco. Dessas milhões de interações, mais de 80% foram avaliadas entre 3 e 5 estrelas.

Analisando o risco

Empresas de serviços financeiros há muito tempo usam modelos estatísticos para avaliar risco – risco de crédito em empréstimos, riscos financeiros em negociação, risco atuarial no setor de seguros, bem como o risco de fraude em todas as categorias.

"O que é diferente hoje em dia é que o uso desses algoritmos é muito mais extenso e a quantidade de dados disponíveis, os tipos de dados e a taxa de transferência de dados está mudando os tipos de problemas que estão sendo resolvidos”, diz Chris Feeney, presidente da BITS, a divisão de políticas de tecnologia do Bank Policy Institute.

"Se você puder coletar mais informações sobre transações, poderá fazer um trabalho melhor para evitar fraudes”. Feeney espera que a inteligência artificial se torne um grande diferencial para empresas financeiras. "Você precisa ser ativo, mas precisa escolher o seu caso de uso”, diz ele, sugerindo que as empresas busquem oportunidades de usar a IA para criar uma vantagem competitiva, mas também fornecer um valor claro ao consumidor.

"Pode ser no negócio de empréstimos”, diz ele. "Há muita atividade agora sobre o uso de fontes alternativas de dados para oferecer produtos de empréstimo a novos grupos de pessoas.”

A análise de fraude é outro caso de uso importante, diz ele. "Acho que a IA vai acelerar a capacidade de detectar fraudes mais rapidamente, a fim de evitá-las, detectar uma atividade anômala bem mais rápido”. Raghav Nyapati concorda. "Considere a subscrição”, diz Nyapati, que recentemente liderou projetos de IA em um dos dez principais bancos globais e agora está lançando uma startup de tecnologia financeira. "Temos milhares de aplicativos chegando. A Inteligência Artificial pode ajudar a filtrar aplicativos que podem ser fraudulentos ou de alto risco, e apenas os filtrados são revisados por um agente.”

Essas decisões precisam ser apoiadas pelo julgamento humano, explica ele. "Temos que fazer a IA responsável. Temos partes interessadas para responder, clientes para responder. E se alguma coisa der errado, o banco tem que pagar multas enormes.”

Uma pesquisa recente do Gartner mostra que 46% das empresas de serviços financeiros usam inteligência artificial para detecção de fraudes. Na indústria de valores mobiliários, as empresas estão usando o aprendizado de máquina na análise de risco pré e pós-negociação, diz Monica Summerville, chefe de pesquisa financeira e pesquisa européia no Tabb Group.

"É muito intensivo em computação fazer a análise de risco de maneira tradicional, e muitas técnicas de aprendizado de máquina, enquanto aproximações, são boas e rápidas”, diz ela.

Em uma pesquisa recente conduzida pelo Tabb Group, a maioria das empresas de valores mobiliários planeja expandir os gastos em AI nos próximos 12 meses. "É classificada como a tecnologia mais disruptiva para seus negócios”, diz ela.

De acordo com o Gartner, a AI também terá impacto em tarefas mais complexas, como revisão de contrato financeiro ou originação de negócios. A empresa de pesquisa prevê que, até 2020, 20% da equipe de back-office irá contar com IA para trabalhos não rotineiros.

Desafios de conformidade

Os reguladores já estão familiarizados com as dificuldades de supervisionar os modelos usados pelas instituições financeiras para, por exemplo, avaliar o risco de crédito ou identificar comportamentos suspeitos. Os modelos podem ser altamente complexos, por exemplo, e difíceis de analisar. Ou podem ser modelos proprietários de fornecedores terceirizados.

Existem maneiras de abordar esses problemas, como ter revisões independentes de modelos e usar controles compensatórios, como disjuntores. De certa forma, os sistemas com tecnologia AI podem ser tratados da mesma forma que os modelos estatísticos tradicionais, mas também representam preocupações adicionais.

"Por sua vez, a IA provavelmente apresentará alguns desafios nas áreas de opacidade e explicabilidade”, disse o membro do conselho do Federal Reserve, Lael Brainard, em um discurso no final do ano passado. "Reconhecendo que é provável que haja circunstâncias em que o uso de uma ferramenta de IA seja benéfica, mesmo que possa ser inexplicável ou opaco, a ferramenta IA deve estar sujeita a controles apropriados”.

Isso inclui controles sobre como a ferramenta é construída, como ela é usada na prática e sobre a qualidade e adequação dos dados, revela.

A explicabilidade – também conhecida como o problema da caixa preta – é um problema específico dos sistemas de inteligência artificial. Com os modelos estatísticos tradicionais, os cientistas de dados selecionam manualmente fatores críticos para uma determinada decisão ou previsões e decidem quanto peso devem ser dado a esses fatores. Os sistemas de IA, no entanto, podem identificar padrões que eram anteriormente desconhecidos e difíceis de entender. Isso dificulta os bancos cumprirem reguladores como o Equal Credit Opportunity Act e o Fair Credit Reporting Act, que exigem que eles expliquem os fatores que usaram na tomada de decisões.

"Felizmente, a própria IA pode desempenhar um papel na solução”, acrescenta Brainard. "A comunidade de IA está respondendo com importantes avanços no desenvolvimento de ferramentas `explicáveis`, com foco na expansão do acesso do consumidor ao crédito”.

O setor de valores mobiliários também está trabalhando nessa questão, diz Summerville, da Tabb. "Você pode construir um modelo imparcial em IA?” ela pergunta. "Você precisa ser capaz de explicar como você tomou a decisão. Os reguladores estão interessados em garantir que você não introduza preconceitos por acidente”. Enquanto a Synchrony começa a olhar para IA e aprendizado de máquina para decisões de crédito, o problema da caixa preta está se tornando um problema para a empresa também. "Estamos procurando construir explicabilidade em nossos modelos e apontar as razões pelas quais as decisões são tomadas”, diz Simpson, da Synchrony. "Isso não é fácil de fazer.”

Por exemplo, diz ele, as decisões não podem ser tomadas por razões discriminatórias. "Você não pode dizer: ‘Eu não vou dar crédito por alguém neste CEP’ porque é ilegal.”

A empresa também está fazendo um grande esforço para garantir que os dados brutos usados para treinar modelos de IA não sejam tendenciosos. Esta é uma das razões pelas quais a empresa precisa de tantos cientistas de dados, diz Simpson.

Uma abordagem que a empresa está adotando para reduzir o preconceito é começar com uma equipe diversificada. "Sem uma equipe diversificada, é difícil identificar vieses em seus dados porque ela [a equipe] pode ser tendenciosa”, diz ele. "E é particularmente importante para nós, por ser um banco. Diversidade da equipe é a primeira e melhor defesa neste espaço.”

Fonte:https://cio.com.br/por-que-a-industria-financeira-esta-revolucionando-o-mercado-com-ai/