O uso da inteligência artificial nas finanças ainda passa por uma série de desafios. Pedro Bramont, diretor de negócios digitais & open finance do Banco do Brasil, citou como principal barreira o uso da IA em tempo real, o custo: “Tivemos um projeto de transformar voz em texto que em tempo real era até cinco vezes maior (comparado a processamento posterior)”, explicou Bramont durante o Digital Money Meeting, evento organizado pelo Tele.Síntese nesta quarta-feira, 12.
Por outro lado, o executivo prevê que a IA é algo que estará entre as prioridades de investimentos dos bancos pelos próximos 15 anos. O diretor do BB explicou que a IA – mesmo que não seja usada em tempo real – “já apresenta casos de uso interessantes”. Entre as aplicações em curso tem oferta de serviços personalizados, combate à fraude e interpretação do comportamento do usuário.
“Com a IA para analisar cliente que usa o banco, nós descobrimos que o consumidor que acessa a 1h da manhã, tem potencial de inadimplência”, relatou Bramont.
Conceitos e pessoas
Thiago Zaninotti, CTO da Celcoin, acredita que o maior desafio é explicar a decisão financeira tomada por um modelo de IA. O profissional ressalta que essa preocupação é comum em qualquer indústria que avança em modelos baseados na IA, mas é mais forte em finanças pelo forte escrutínio junto ao regulador. Também aponta a necessidade das companhias financeiras terem uma base de dados bem estruturada “para não comprometer a proteção de dados pessoais”.
Por sua vez, Felipe Carvalho da Silva, gerente executivo de políticas de crédito do Banco Inter, afirmou que o maior desafio é encontrar mão de obra qualificada e ampla para o trabalho sem viéses na inteligência artificial: “Temos um desafio de pessoas. É importante ter pessoas devidamente preparadas para entender benefícios, riscos e casos de uso”, complementou.
Caminho das pedras
Com larga experiência em IA por meio do chatbot do BB que possui 12 milhões de usuários, Bramont também acredita que precisa de uma equipe robusta para trabalhar com algoritmos e modelos de IA como engenheiros de dados, cientistas de dados, analista de negócio e linguista computacional. Também afirmou que é preciso gastar mais tempo na base de dados ante a modelagem de um algoritmo.