A implementação de inteligência artificial (IA) e aprendizagem de máquina tornou-se onipresente em todo o cenário financeiro. Todos os grandes bancos estão atualmente construindo grupos de IA e ciência de dados, e as menções destas tecnologias nos relatórios empresariais aumentaram 1700% nos últimos dois anos e meio.
As fintechs estão fazendo o mesmo, utilizando e desenvolvendo essas tecnologias de várias maneiras. IA está mudando a forma como ‘big data’ é analisado, as formas como as necessidades dos clientes são atendidas e as abordagens por trás do recrutamento e retenção de talentos. Por exemplo, mais acadêmicos estão trabalhando com engenheiros financeiros para superar os desafios de utilizar aprendizagem de máquina nos fluxos de trabalho tradicionais.
Estes desenvolvimentos e suas implicações estiveram em pauta no recente painel “Women in Fintech” apresentado pela Bloomberg. Embora a transição para maior automação apresente questões complexas relacionadas a imparcialidade, acurácia e enviesamento, também fomenta a inovação e impulsiona as empresas a evoluírem.
Menos enviesamento, maior acurácia
Ao considerar os usos ideais e implicações da automação, eliminar erro humano e enviesamento são prioridade máxima. O potencial da tecnologia se torna mais evidente quando ela é aplicada em tarefas apropriadas. Um exemplo perfeito é avaliar linguagem e situações exclusivamente com base em dados.
Tais oportunidades de criação de valor são especialmente interessantes para Lena Mass-Cresnik, Diretora de Dados da Moelis & Company. Sua estratégia se concentra na busca de qualidade de dados em escala, ignorando o entusiasmo em torno da automação e identificando onde e como ela pode ser mais útil em casos aplicados.
“No início da cadeia de valor da análise de dados, nosso foco está na curadoria de dados: integração, preparação, controle e garantia de qualidade, manutenção e governança”, explicou. “É fundamental possuir o tipo certo de processos para atenuar os problemas de envisamento, ao considerar as entradas de seus modelos.”
Para Carson Kahn, os recursos de automação que lidam com enviesamento se mostraram centrais para seu trabalho como CEO da Volley, uma empresa de software de educação à distância focada na mobilização de capital humano por meio do uso de aprendizagem de máquina e processamento da linguagem natural.
“Uma coisa surpreendente da aprendizagem de máquina é que ela tende a ser muito útil em aplicações nas quais os humanos não são tão bons, e não tão útil para aplicações nas quais os humanos são ótimos. Isso representa uma oportunidade para aumentar a força de trabalho humana”, disse. “Eu acho que o uso da aprendizagem de máquina é a primeira oportunidade que tivemos para ajudar a corrigir o enviesamento em uma escala sistêmica.”
Evidentemente, usar IA para imitar a tomada de decisão humana não é uma solução perfeita ou abrangente, nem aparenta eliminar completamente o enviesamento. No entanto, o potencial da tecnologia para eliminar erro humano e discrepâncias é inegável.
Experiência personalizada do cliente
À medida que as fintechs levam executivos para estratégias mais inovadoras e tecnologicamente avançadas, o foco em oferecer as melhores e mais personalizadas experiências para os clientes se torna crucial. Alavancar tecnologias como IA e aprendizagem de máquina – e a capacidade de avaliar dados e comunicações em grande escala – tornou-se essencial para fornecer os melhores serviços e insights.
“Tudo começa com dados melhores e diferenciáveis que permitam insights mais substanciáveis. Estes produzem resultados e comportamentos desejáveis que, em última instância, atrairão uma atenção mais focada, que leva a essa personalização em escala”, disse Mass-Cresnik. “Quando modelos de dados estiverem sendo executados dessa forma e aprendendo ao longo do tempo, você terá melhores análises de dados e resultados, criando níveis de customização e personalização em torno de ferramentas para clientes. Isso permite criar melhores resultados para nossos clientes.”
Ao simplificar fluxos de trabalho repetitivos e permitir que as pessoas se concentrem em tarefas mais complexas e diferenciadas, esta tecnologia se presta à colaboração. Como explicou Mass-Cresnik, estes tipos de parcerias entre fintechs e empresas estabelecidas, que podem ser estimuladas e aceleradas com o uso da automação, são em última instância para o benefício do cliente final.
“Adotamos uma abordagem centrada no cliente, e o foco em colaboração é o modelo do futuro”, disse. “A questão é: como construímos nosso ecossistema tecnológico e quem são os colaboradores? Quais são os problemas ou oportunidades que estamos tentando resolver? Nós o fazemos em torno de nossas necessidades e dos clientes, desta maneira.”
Governança, ética e mais
A ascensão da automação e a confiança depositada na inteligência artificial levanta algumas questões éticas complexas, que os corpos diretivos estão trabalhando para definir e responder.
Questões de segurança e direitos autorais são particularmente importantes a se considerar, à medida que esta tecnologia evolui e se torna cada vez mais integrada, e as soluções podem estar em retornar ao básico. “No fundo, essa tecnologia ainda é engenharia básica de software e gestão de banco de dados”, disse Amanda Stent, arquiteta de processamento de linguagem natural da Bloomberg. “IA só é tão boa quanto os dados que a alimentam e os computadores nos quais é executada.”
O modo com que as fintechs progridem eticamente e se adaptam às mudanças no cenário de IA determinarão como elas fazem negócios, desenvolvem tecnologia e crescem no mercado.
“A governança em nível organizacional é essencial, assim como garantir que equipes de ciência de dados a construam como parte de sua estratégia”, explicou Mass-Cresnik. “Reguladores e outros órgãos agora visam a ética da IA, então como podem estar melhor informados e tomar melhores decisões? É uma questão importante. O futuro da ética na esfera financeira deve se expandir do nível micro para o macro.”