Como tirar o máximo proveito do seu dinheiro bancário com IA e aprendizado de máquina

A IA já está implementada em três quartos do setor bancário. E mesmo que a Gartner tenha previsto que a GenAI só se tornará uma das tendências bancárias essenciais depois de vários anos, ultimamente tem havido uma necessidade evidente de implementar a GenAI agora mesmo. A tecnologia atual não se trata de encontrar a ferramenta mais ideal. Trata-se de escolher uma ferramenta e colocá-la no lugar certo, procurar o caso de negócio adequado e, então, usar e abandonar a tecnologia. A tecnologia está a evoluir tão rápido que já se tornou algo descartável, e a tua próxima solução provavelmente não vai durar mais do que dois anos.

Particularmente à luz das implicações comerciais. Por exemplo, o objetivo principal da IA no setor bancário é automatizar tarefas e gerar previsões usando modelos de aprendizagem automática (ML) (incluindo aprendizagem profunda complexa). Isso requer enormes capacidades de computação e dados, além de investimentos substanciais. As instituições financeiras também já estão entre os grandes consumidores de IA. Elas dependem de serviços de ML baseados na nuvem (por exemplo, AWS, Microsoft Azure, Google ML) e (principalmente) de ambientes de nuvem híbrida privados ou mainframe. Pode parecer que há um novo avanço tecnológico quase todos os dias e, naturalmente, todos querem utilizá-lo imediatamente. Ainda assim, há muito a ganhar ao avaliar o que você precisa fazer em termos reais e quais soluções podem ajudá-lo a alcançar isso. E ao garantir que você está a trabalhar com o que já possui ao máximo, tirando o máximo proveito disso, ou seja, aproveitando ao máximo o seu dinheiro, antes de começar a gastar.

Já três quartos das instituições financeiras utilizam IA e os recentes progressos apresentam otimismo em relação ao crescente interesse em introduzir a GenAI no mix tecnológico o mais cedo possível. O software low-code/no-code desenvolvido pela GenAI pode economizar muitos custos, como a redução de despesas operacionais e riscos associados à falta de confiabilidade da infraestrutura antiga e processos trabalhosos.

As principais tendências de IA no setor bancário, conforme relatado pela Gartner:

• Visão computacional: melhore o desempenho operacional em KYC, AML, verificação de identidade, deteção de fraudes e subscrição
• Inteligência de decisão e tecnologias gráficas: modernize as aplicações de front-office e back-office
• Funcionalidades inovadoras de IA: aumente a precisão e a abrangência na gestão de riscos e no marketing por meio de modelos básicos. As redes adversárias generativas (GANs) são bem aplicadas na criação de imagens, vídeos e gravações de voz realistas que, na maioria dos casos, são indistinguíveis das informações originais
• IA centrada em modelos: introduzir desenvolvimentos encorajadores, como IA composta e GenAI, para apoiar novas iniciativas
• IA centrada em dados: concentre-se na análise de dados para garantir ética, precisão e explicabilidade
• Aplicações e casos de uso baseados em IA: desenvolva interfaces de usuário conversacionais, espaços inteligentes, robôs, etc.
• IA responsável e centrada no ser humano: aposte no desenvolvimento ético da IA, na gestão de riscos e no impacto social benéfico

A tomada de decisões, a gestão de operações e a hiperpersonalização de produtos para aumentar o retorno dos clientes trariam muitas melhorias para as suas receitas operacionais e redução de custos. A S&P estima que uma redução de 10% no custo do pessoal bancário aumentaria o retorno sobre o capital próprio em aproximadamente 100 pontos base e os rácios custo/rendimento em aproximadamente 3% (de acordo com a S&P Global Ratings, 200 bancos com melhor classificação global).

As estratégias de inteligência artificial têm potencial para oferecer vantagens competitivas aos bancos que têm a capacidade e a flexibilidade para utilizá-las da melhor forma. Isso requer apenas alguma previsão e uma implementação inteligente da IA. À medida que a gestão de riscos é aprimorada, a IA pode influenciar a percepção dos perfis de risco bancário associados a ela. Quando os bancos conseguirem precificar adequadamente o risco de crédito usando padrões latentes nas informações para calcular a probabilidade de pagamento da dívida do cliente, eles vão melhorar os seus modelos de recuperação, minimizar empréstimos problemáticos e maximizar a precisão. A gestão de riscos pode ser melhorada através do uso da IA de várias maneiras. No entanto, isso não vai impedir que uma implementação inadequada crie riscos operacionais e de reputação, bem como uma posição de risco negativa para o banco. Faça a escolha certa. Encontre um fornecedor de tecnologia que entenda do ramo bancário.

A nova Lei de IA na Europa criou um controlo abrangente dos produtos e serviços de IA num ambiente baseado em riscos e casos de uso. A lei compreende as responsabilidades do modelo básico em termos de sistemas de IA de uso geral. Outros países, como Canadá, Brasil, Chile e Filipinas, não ficaram para trás nessas iniciativas. Nos Estados Unidos, o Instituto Nacional de Padrões e Tecnologia (NIST) criou um Consórcio de Segurança de IA. Ele quer colaborar com a indústria para criar novos padrões, como orientações específicas para o setor, que são orientadas pela gestão de riscos. Além da atividade regulatória governamental, há um reconhecimento crescente do dever da indústria de proteger a sociedade, iniciando ou fortalecendo a governança da IA.

A nova aplicação da regulamentação da IA baseia-se no risco que é provável que seja introduzido pelos utilizadores de risco e nas atividades que devem ser controladas. Existem quatro tipos de riscos que foram tidos em consideração pela UE:

As palavras riscos mínimos e limitados significam que a IA é usada em funções internas simples, como automatizar rotinas. Elas não envolvem comunicação com utilizadores e clientes reais (por exemplo, bots ou bots relacionados à base de conhecimento). O risco mínimo não precisa de muita regulamentação, e a maior parte da regulamentação que vai ser usada é sobre informar aos clientes que eles estão a lidar com bots. Os riscos considerados elevados e inaceitáveis incluem sistemas de IA que informam os tomadores de decisão. Isso inclui pontuação de consultas, questões relacionadas a dados de clientes e lidar com clientes de forma geral. Essas IAs serão altamente controladas, e muitas regulamentações terão que ser levadas em consideração ao usar esses tipos de sistemas de IA. O uso de sistemas e operações de IA que intervenham voluntária ou involuntariamente nos usuários, modificando o livre arbítrio ou comportamentos, será proibido. Desta forma, os idosos e os menores, o funcionamento da sociedade, como a pontuação social e a triagem biométrica, e a análise dos dados com a participação presumível dos clientes, incluindo a sua origem, atividade, etc., serão afetados. Os planos que forem implementados em 2024 e concluídos até 2026 serão aplicáveis principalmente a sistemas de alto risco.

Serviços financeiros

O acesso será baseado na regulamentação da IA em serviços financeiros. Serviços financeiros Em finanças, os sistemas de IA analisam os dados dos clientes para avaliar a sua credibilidade e detectar fraudes.

Em termos de análise, estamos num período de desenvolvimento exponencial nesta era tecnológica espetacular. Assim, tudo o que foi construído há apenas dois anos já está obsoleto. E a questão é: como pode uma empresa utilizar a tecnologia antiga de uma forma gerenciável e não tóxica, levando em consideração os efeitos em cadeia do menor erro? Pega o ChatGPT, por exemplo. Ninguém sabe qual é a fonte de informação do aplicativo (ou o seu viés/direitos autorais/integridade). Mesmo assim, cada vez mais funcionários estão sendo incentivados a usar o aplicativo para criar blogs corporativos, artigos, white papers e até linhas de código. Não é de se admirar que as instituições financeiras estejam a pensar em criar serviços de IA isolados (uma extensão do debate atual nas empresas: «Vamos para a nuvem ou ficamos no local?»). Isso se torna um problema sério, pois, para ter uma IA eficaz e análises avançadas, você precisa ter certeza de que a integridade dos seus dados está em dia. Dito isso, é lógico trabalhar internamente, offline. A empresa só pode treinar o seu modelo de linguagem grande (LLM) corporativo ou software de verificação gramatical especificamente na documentação interna (ele nunca sairá do mainframe). Na verdade, a resposta mais segura é o contrário do pensamento atual em TI, que seria transferir tudo para a nuvem.

Como processador e sistema de registo, a plataforma bancária central Hogan tornou-se a força motriz por trás de alguns dos bancos mais influentes do mundo. Agora, melhorámos a excepcional solução de nuvem híbrida para mainframe da Hogan, adotando as melhores soluções IBM Z e fornecendo planos para bancos com núcleos antigos serem «migrados para a plataforma». A Hogan x pode até ajudar a criar um banco digital totalmente novo. A plataforma baseia-se nos princípios da BIAN (rede de arquitetura do setor bancário) como sendo componentizada e composível. Ela explora o Z Linux e outras soluções em contêineres e baseadas em nuvem. A plataforma também pode ser oferecida em modelos baseados no consumo, como serviço.

Encontre o que melhor se adapta a si

A arquitetura de nuvem híbrida de mainframe permite que adote a estratégia mais adequada para a implementação de aplicações. A seguir, um exemplo de ecossistema no setor bancário (entre IBM Z e nuvem). As aplicações são categorizadas em três áreas distintas:

• Canais digitais de interação com o cliente
• Processamento operacional (por exemplo, gestão de encomendas, marketing e vendas)
• Transações e dados essenciais (banca essencial e cartões de crédito)

Essas aplicações devem ser compatíveis entre si para que possam partilhar informações em tempo real e maximizar o desempenho dos negócios. A integração é essencial para alcançar a interoperabilidade total. Um modelo de nuvem híbrida de mainframe com IBM zSystems ajuda os clientes a otimizar custos, desempenho e agilidade com base no tipo de aplicação e na infraestrutura mais adequada. Como exemplo, considere os canais digitais. O alto nível de interação omnicanal baseia-se na integração de informações de parceiros e clientes para desenvolver a experiência ideal do cliente. Isso, juntamente com a mudança de variáveis e cargas de trabalho em soluções baseadas na nuvem, torna as soluções híbridas a sua solução ideal.

Ambiental, social e governança (ESG)

Uma vantagem frequentemente ignorada da arquitetura de nuvem híbrida de mainframe é a sustentabilidade ambiental. O trabalho ágil na nuvem e os mainframes energeticamente eficientes darão aos bancos a capacidade de maximizar a pegada e o uso de energia dos seus centros de dados (os centros de dados consomem aproximadamente 1% da energia global), o que ajudará a tornar o planeta mais verde.

No entanto, a arquitetura de nuvem híbrida de mainframe no setor bancário não é apenas uma escolha técnica. É uma necessidade estratégica, pois alcança o equilíbrio certo entre proteção, confiabilidade e escalabilidade e a flexibilidade e inovação exigidas pelo trabalho digital. Com a combinação da resiliência do mainframe e da IA, ML e a flexibilidade da computação em nuvem, os bancos poderão se manter competitivos, em conformidade e centrados no cliente. O sucesso depende da utilização máxima disso e de tal forma que os bancos não só superem os problemas atuais, mas também estejam preparados e equipados para aproveitar as oportunidades no futuro. À medida que a tecnologia evolui, as estratégias de nuvem híbrida de IA e mainframe vão ter um papel fundamental na transformação digital do setor bancário, traçando um caminho que combina tradição com inovação, estabilidade com agilidade e desempenho com eficiência. Não é hora de ficar indeciso.

Alguém do meu escritório acabou de participar numa grande conferência onde um dos palestrantes mencionou essa questão. Ele disse: «Nós realmente não sabemos para onde a tecnologia está a ir, então vamos apenas sentar e esperar para ver onde ela vai chegar. O problema é que eles nunca vão conseguir ver o ponto em que ela vai parar, já que, com o crescimento exponencial, a tecnologia nunca vai parar e, nesse ponto, não pode ser racionalizada.» A questão é que os bancos precisam entrar no comboio da previsão e da abertura de mentes para implementar a IA da forma mais rápida, segura e financeiramente vantajosa possível.

A colaboração precisa ser informada

É por isso que a ajuda de fornecedores experientes é tão valiosa. É exemplar na implementação do reconhecimento óptico de caracteres (OCR). No caso de um dos nossos clientes, oferecemos uma opção de quatro ferramentas de leitura de documentos que diziam: «Não importa realmente qual ferramenta você escolher. Em dois anos, ela estará desatualizada». O departamento de compras também nos aconselhou a considerar outras opções, o que tornou a identificação da ferramenta ideal um exercício em grande escala. No entanto, a escolha da tecnologia moderna não envolve aprofundar-se na ferramenta. Trata-se de escolher e utilizar uma ferramenta da maneira adequada, localizar o caso de negócio correto e perder e ganhar a tecnologia. A tecnologia evoluiu ao ponto de se tornar descartável, com obsolescência planeada, e a próxima correção ocorre apenas alguns anos antes de se tornar obsoleta. Dessa forma, em vez de investir mais de 5 anos numa solução z16, atualize a sua tecnologia de IA a cada 2 anos. Ou seja, deve começar a planear a sua substituição ao assinar o contrato de aquisição.

Problema comercial: a IA nem sempre é usada dentro da plataforma Z, onde os dados têm de se mover através de redes. É caro e não é seguro, além de diminuir a sua capacidade de pontuação de transações em termos de risco. Impacto nos negócios: O acelerador IBM Z AI on-chip permite que o Hogan e cargas de trabalho zLinux relacionadas executem recursos de IA em tempo real no mainframe onde os dados estão atualmente. Isso melhora o desempenho da IA, a segurança e o custo. Além disso, processos como a tomada de decisões de crédito automatizadas e a modificação de empréstimos podem ser realizados diretamente na plataforma Z, e os insights de IA e as decisões comerciais podem ser mais rápidos e simples de absorver. A Celent projeta que, com a triagem de 100% de todas as transações, os bancos individuais economizariam cerca de 100 milhões de dólares.

Algumas das possíveis aplicações da IA incluem pontuação de crédito, fraude e AML. As plataformas de mainframe, no entanto, executam a maioria das transações bancárias e de pagamento, mas a deteção de IA pode ser fora da plataforma (menos de 10% das transações são executadas através de um modelo de inferência de IA em tempo real devido a problemas de latência, custo e atrito com o cliente). Essa é a razão pela qual existem tantas transações fraudulentas que não são rastreadas e não são detetadas. A Umbrella.ai pode poupar milhões em deteção de fraudes com inferência no mainframe. Nesse sentido, a Umbrella é o elemento principal. A arquitetura da aplicação Umbrella é uma plataforma técnica comprovada que deve ser integrada no ambiente z/OS para ser o ambiente de desenvolvimento integrado (IDE) rápido ao longo de 35 anos. A Umbrella tem mais de 40 instituições financeiras de nível 1 em várias partes do mundo e é usada para executar aproximadamente 100 aplicações por cada banco. Isso significa milhares de aplicações em desenvolvimento de mainframe.

A Umbrella.ai evita fraudes

Em conjunto com a IBM, a duração da pontuação ou análise de uma transação está a ser minimizada. Isto dará aos clientes a oportunidade de fazer verificações virtuais em 100% das suas transações e reduzir o desperdício de tempo e dinheiro. Os objetivos da Umbrella.ai incluem:

• Cobertura de 100% das transações recebidas e dos SLAs atuais
• Utilizar modelos existentes de fraudes ou implementar novos modelos
• Reduzir a latência da pontuação através do uso da prevenção de fraudes integrada no z/OS e no sistema de autorização de cartões
• Aproveitar o serviço de pontuação MLz COBOL para simplificar bastante a chamada de pontuação e reduzir a sobrecarga para invocar o serviço de pontuação

O aumento significativo da deteção de fraudes é um dos pontos fortes do ML. Os sistemas antigos baseados em regras não são flexíveis o suficiente para lidar com as tendências emergentes de fraude. Enquanto isso, os algoritmos de ML podem continuar a atualizar-se com a ajuda de dados transacionais e a detetar casos de fraude de forma mais rápida e precisa.

Umbrella.ai e ML aceleram a deteção e prevenção de fraudes

A IA/ML no IBM Z aumenta a precisão da previsão de fraudes, permite insights acionáveis em grande escala e a deteção em tempo real de transações fraudulentas. A maior precisão dos modelos de aprendizagem profunda permite que eles reduzam significativamente os altos níveis de falsos positivos. Isso significa que os bancos têm a capacidade de filtrar transações no processo de deteção de fraudes e ainda manter a experiência do cliente e não perder dinheiro.

A parceria da Umbrella com a IA e o IBM z16 oferece insights de negócios impressionantes (sem necessidade de conhecimentos em ciência de dados). Aproximadamente 70% das operações financeiras são executadas em IBM zSystems e isso também é uma ótima notícia em termos de ESG, pois a quantidade de energia usada para inferir no mainframe é 40% menor do que usar um tipo de servidor farm.

As principais funcionalidades incluem:

• Potencialize qualquer aplicação IBM z/OS com SQL aprimorado por IA e Umbrella.ai
• Descubra e comercialize as informações ocultas nos seus dados
• Determine semelhanças, diferenças e correlações
• Obtenha interpretabilidade com a caixa
• Usa um único modelo num conjunto de perguntas
• Reduza a complexidade da implementação da IA
• Modelos de aprendizagem profunda podem ser usados para melhorar os falsos negativos

O IBM z16 suporta os algoritmos de ML mais populares, fornecendo aos clientes uma capa de IA para ajudá-los a melhorar os processos e gerar maior valor comercial a partir dos seus investimentos existentes.

Será que você pode se dar ao luxo de ficar parado e ver os seus rivais estabelecerem uma liderança arrebatadora e uma vantagem sustentável? Descubra como a IA e o ML podem ser totalmente utilizados para alcançar o maior ROI. Além disso, saiba como a ativação da nuvem híbrida de mainframe com tecnologia Hogan pode ajudá-lo a se tornar um melhor detetor de fraudes e a se preparar para ameaças e oportunidades futuras.