À medida que a utilização da inteligência artificial (IA) se expande rapidamente em todo o ambiente empresarial, os bancos têm uma série de oportunidades para empregar a tecnologia para um processamento mais rápido de pagamentos comerciais e de consumo, bem como para a gestão global da tesouraria e a melhoria dos processos internos.

Por exemplo, todos nós já enfrentamos atrasos de vários dias úteis nas transferências de pagamentos. seja depois de receber um pagamento de fornecedor iniciado por banco ou ACH ou um reembolso de sua loja favorita depois de fazer algumas devoluções de compras. Mas cada vez mais, os clientes querem que as suas transações sejam resolvidas mais rapidamente e, em última análise, para compras muito maiores.

“Os clientes desejam fazer transações 24 horas por dia, 7 dias por semana”, disse Graham Tasman, diretor do setor bancário da Grant Thornton. “Ser capaz de fechar uma transação em tempo real a qualquer hora do dia ou da noite é importante para os consumidores.”

Os clientes que desfrutam de entrega no mesmo dia ou no dia seguinte para muitos itens dos varejistas esperam a mesma velocidade para reembolsos. Nas compras a crédito e a prazo, os clientes desejam realizar transações a qualquer hora do dia – e não apenas nos dias úteis.

“Mais clientes estão falando sobre querer acesso a serviços bancários em dias úteis fora do padrão, como fazer pagamentos de empréstimos para automóveis ou, em alguns casos, agilizar o processo de fechamento de uma casa”, acrescentou Scott Tripp, diretor administrativos e CFO da Grant Thornton. “E no lado bancário, esses têm sido os principais casos de uso em que eles consideram que isso ajuda a melhorar a experiência do cliente e a facilitar as operações comerciais internas – tanto para atrair os clientes quanto para mantê-los fiéis através da satisfação do serviço prestado.”

Tanto as instituições bancárias como os clientes têm a oportunidade de beneficiar de pagamentos em tempo real — mas, para o conseguir, os bancos precisarão da ajuda de ferramentas de IA. Será fundamental compreender a melhor forma de aproveitar essas ferramentas e preparar-se contra os seus riscos potenciais.

O desejo de satisfazer as necessidades dos clientes de acesso rápido aos fundos não isenta os bancos das suas responsabilidades de conhecer o seu cliente (KYC) ou dos seus deveres de conformidade contra o branqueamento de capitais. Esses riscos podem aumentar com o processamento mais rápido, mas a automação e a IA também podem fornecer análises rápidas e precisas nesses casos.

A IA permite soluções dentro e fora dos bancos

Markus Veith - Líder de Blockchain, Ativos Digitais e Soluções Web da Grant Thornton

“A IA tem o poder de sintetizar rapidamente uma infinidade de informações a partir de uma ampla gama de conjuntos de dados e fornecer soluções adequadas. Ele pode lidar com etapas dos processos sem a necessidade de intervenção humana, possibilitando pagamentos mais rápidos.”

Markus Veith - Líder de Blockchain, Ativos Digitais e Soluções Web da Grant Thornton

Mas, para além dos pagamentos em tempo real, a IA pode desempenhar um papel numa vasta gama de operações bancárias, criando eficiências tanto para os clientes como para as operações. 

Aprimorando a experiência do cliente

Os casos de uso de IA no setor bancário são quase infinitos. 

Uma delas é ajudar a melhorar a satisfação do cliente e criar novas oportunidades para os clientes. Por exemplo, Tasman sugeriu que as ferramentas de IA podem fazer previsões e recomendações com base no comportamento anterior do consumidor, encontrando formas de explorar os hábitos de compra de um cliente e utilizando-as para satisfazer as necessidades do cliente.

“Talvez os padrões de gastos em diferentes partes do ano, como a temporada de férias, aumentem e haja um atraso no pagamento do cartão de crédito no ano novo”, disse ele. “A IA pode ser capaz de prever esse tipo de comportamento no futuro e oferecer diferentes tipos de opções de pagamento antes dessas compras em ciclos futuros.”

Tasman acrescentou que a capacidade da IA de rastrear o comportamento passado ou recorrente dos clientes também abre a porta para os bancos oferecerem-lhes novos produtos. “Há uma oportunidade de oferecer ao cliente uma escolha ou uma oportunidade de investir em produtos diferentes com base em seus comportamentos anteriores”, disse ele. 

Auxiliando em processos internos

E além dos dados de transações, a IA pode melhorar ferramentas como chatbots e correios de voz automatizados para fornecer respostas mais inteligentes e selecionadas para uma experiência personalizada do cliente, 24 horas por dia, 7 dias por semana.

O diretor administrativo de cibersegurança para auditoria interna da Grant Thornton, Vikrant Rai, disse que essas ferramentas atualizadas podem diminuir a necessidade de pessoal de call center, aumentando a economia de custos dos bancos e melhorando a eficiência internamente e para os clientes.

“O software com tecnologia de IA pode ser usado para criar chatbots inteligentes que atendem instantaneamente às dúvidas dos clientes e, em alguns casos de uso antecipado, até usam varreduras de câmeras para saber se um cliente está feliz ou satisfeito”, disse Rai.

Além disso, a IA pode melhorar o processo de empréstimo, reduzindo o tempo de subscrição, aprofundando as percepções dos clientes, incluindo a pontuação de crédito, criando formação personalizada para os funcionários, ajudando os bancos a examinar mais de perto as suas posições para identificar oportunidades de investimento superiores e muito mais. 

campaign image

Mitigando riscos

Outra oportunidade com IA no setor bancário? Gerenciamento de riscos. Sim com certeza.

“À medida que a tecnologia se torna mais inteligente, é importante lembrar que os riscos também aumentam”, disse Veith. “A IA e o aprendizado de máquina podem apoiar o gerenciamento de riscos de diversas maneiras. Do planejamento de cenários às operações do comitê de ativos e passivos, as ferramentas de IA podem desempenhar um papel nos processos de gestão de risco, capturando padrões, observando anomalias e mitigando ameaças.”

Mas, apesar desses casos de uso, as técnicas de IA e aprendizado de máquina (ML) apresentam seus próprios riscos. Antes de os bancos poderem começar a incorporar estas ferramentas nos seus processos, devem considerar os riscos inerentes e implementar as salvaguardas adequadas. 

Crie proteções de dados em sua estratégia

Os riscos da incorporação da IA estão presentes em todos os setores, mas são particularmente preocupantes para os bancos e parceiros de pagamento relacionados. Fraudes, falhas na privacidade de dados e uso de dados ou modelos imprecisos podem causar danos significativos. Estes riscos são intensificados porque os dados são frequentemente trocados entre bancos e fornecedores terceiros.

E esses riscos são possíveis mesmo quando um modelo de IA é bem concebido e treinado com dados consistentes, fiáveis, relevantes e oportunos. Mas quando são utilizadas ferramentas de código aberto, pode ser difícil determinar a qualidade do modelo e dos dados em que se baseia.

Scott Tripp - Diretor administrativo e CFO da Grant Thornton "Os bancos devem determinar que dados pretendem recolher e de que fontes. A IA fornece a capacidade de obter rapidamente uma infinidade de informações ou conjuntos de dados. Parte da sua estratégia deve incluir de quais conjuntos de dados você deseja extrair – tanto tradicionalmente quanto com recursos futuros com o poder da IA – e como eles poderiam funcionar juntos.” - Scott Tripp - Diretor administrativo e CFO da Grant Thornton

“Os resultados da IA generativa são tão bons quanto os dados contidos nela”, disse Scott Peyton, líder TI e Cibersegurança da Grant Thornton. “Digamos que você use um modelo generativo de IA treinado em cada detalhe da Terra. Se você perguntar sobre aquelas luzes cintilantes no céu, ele nunca saberá que a resposta é “estrelas”.’”

Para incorporar ferramentas de IA nas operações bancárias e nos processos de pagamento em tempo real, os bancos precisam de trabalhar com um modelo maduro e fiável. Portanto, o primeiro passo é construir uma estratégia de IA. Uma estratégia de IA em toda a organização inclui o elemento crítico de supervisão do conselho, que verifica se os processos estão em vigor para manter o uso da IA consistente com a missão e os princípios da instituição financeira.

A pesquisa de CFOs da Grant Thornton para o terceiro trimestre de 2023 mostrou que apenas 48% dos CFOs disseram que seus conselhos desempenharam um papel ativo na compreensão da governança em relação à IA generativa. Os conselhos de administração dos bancos podem e devem fazer melhor.

Uma tarefa importante de governança é verificar se a gestão implementou uma estrutura de gestão de riscos de IA apropriada para a organização.

Embora existam muitas estruturas diferentes, uma que muitas organizações consideram útil é a Estrutura de Gestão de Riscos de IA do Instituto Nacional de Padrões e Tecnologia, que se concentra na gestão de riscos para indivíduos, organizações e sociedade associados à IA.

Uma vez estabelecida uma orientação sobre a IA e implementado um quadro, os bancos e parceiros relacionados nos espaços de pagamento precisam de abordar os blocos de construção da IA, desenvolvendo e obtendo os dados certos. Scott Tripp disse: “Os bancos devem determinar quais dados desejam coletar e de quais fontes. A IA fornece a capacidade de obter rapidamente uma infinidade de informações ou conjuntos de dados. Parte de sua estratégia deve incluir quais conjuntos de dados você deseja extrair – tanto tradicionalmente quanto com recursos futuros com o poder da IA – e como eles poderiam funcionar juntos.”

Rai disse que os dados são um dos componentes mais essenciais de um bom modelo de IA.

“A qualidade dos dados precisa ser alta e definir esses dados, controlar quem tem acesso a eles, bem como onde estão hospedados, é fundamental”, disse ele.

As empresas precisarão proteger os dados para manter informações precisas sobre seus clientes. “As organizações devem continuar a aplicar controles de integridade e proteção de dados, bem como os controles de validação de dados necessários, para proteger contra distorções imprecisas nos conjuntos de dados”, acrescentou Rai.

“Também é possível treinar e corrigir um modelo de IA”, acrescentou Peyton. “É importante ter as entradas de dados corretas, é verdade, mas é a ação corretiva que os humanos precisam tomar que diz: ‘em vez disso, você precisa responder dessa maneira’ que torna um modelo confiável e utilizável em um ambiente de negócios.”

Testar e validar os resultados da IA ainda é um esforço humano. Embora a IA possa produzir resultados, as pessoas precisam determinar se esses resultados são confiáveis.

É aí que o uso da IA pode se tornar difícil e exigir questões e decisões difíceis.

“Primeiro, podemos validar o treinamento do modelo de IA, sim ou não?” Peyton disse. “E então, podemos validar empiricamente os dados e os resultados que a IA produz? Se a resposta for não, aumenta o risco de confiar na IA ou de ter a GenAI como influência ou contributo nas nossas decisões.”

Tal como acontece com qualquer risco, a auditoria interna desempenhará um papel fundamental para manter a utilização da IA por uma organização consistente com os seus princípios e em conformidade com a regulamentação. Mas é importante lembrar que a IA também é uma tecnologia emergente para os auditores internos.

Eles precisam de uma compreensão completa da tecnologia para cumprir habilmente seu importante papel. Eles também precisam de atualizações regulares — junto com o resto da organização — sobre os desenvolvimentos regulatórios de IA à medida que surgem novos requisitos de conformidade.

“A auditoria interna precisa ser treinada”, disse Veith. “Eles precisam ser capazes de testar e auditar para se prepararem para os reguladores.” 

A importância da intervenção humana

As ferramentas de IA podem acelerar rapidamente os processos de pagamentos em tempo real e outras operações bancárias, mas a tecnologia ainda tem limites.

“Quando se trata de pagamentos em tempo real, a IA nunca deveria fazer tudo”, disse Tasman. “Sua função é cuidar de coisas que podem ser difíceis de serem gerenciadas por um indivíduo, como verificar o preenchimento de documentos, por exemplo. Mas muitas etapas do processo precisam ser devidamente julgadas por um profissional treinado.”

A intervenção humana é particularmente importante na detecção de fraudes, acrescentou Scott Tripp. “Algoritmos podem ser facilmente manipulados. Portanto, todos os processos precisam ter pelo menos alguma intervenção humana”, disse ele.

Ícone de cibersegurança Além disso, etapas como verificações KYC permanecem críticas e devem ser incluídas no processo mais a montante porque são demoradas. Sem essas verificações, disse Veith, os sistemas de pagamento em tempo real poderiam ser explorados pelos usuários errados.

Mas, apesar dos desafios e riscos potenciais, a IA veio para ficar, e saber como incorporá-la poderia separar as instituições que são capazes de implementar pagamentos em tempo real e outros benefícios daquelas que não conseguem acompanhar.

“É fundamental que os líderes do setor bancário explorem e adotem o futuro da IA nos seus negócios, mas também tenham um controle muito rígido sobre a tolerância ao risco”, disse Peyton. “Para aqueles que acertarem, estarão à frente da curva. Ficar à margem e esperar será uma receita para ficar para trás.”