37 minute read
Setor financeiro investe em automação para aprimorar oferta de crédito - pág
Thiago de Assis
Advertisement
CEO da Stoque
O setor bancário no Brasil, principalmente o mercado de crédito, está passando por grandes transformações derivadas fundamentalmente de três elementos: a entrada de novos players, baixas taxas de juros e a expectativa do consumidor. A combinação desses fatores tem levado as companhias a uma busca não só pelo aumento da eficiência operacional, ou seja, tornar o processo como um todo mais rápido, eficaz e seguro, como também melhorar a experiência do consumidor, a expectativa de como o cliente vai interagir com o banco.
A pandemia acelerou a intensidade dessas transformações com a necessidade da adoção de canais digitais por conta do distanciamento social. Isso fez com que as instituições se adaptassem e investissem em tecnologia, como digitalização e automação de processos, para criar novas soluções que atendam as demandas dos consumidores digitais.
O levantamento sobre tecnologia bancária, divulgado pela Federação Brasileira de Bancos (Febraban), mostrou que os bancos investiram R$ 25,7 bilhões em tecnologia em 2020, um crescimento de 8% em comparação com o ano anterior. Esse dado demonstra a busca por soluções para tornar os processos mais ágeis e eficientes, além de reduzir custos operacionais. Com o crescente aumento de fintechs e bancos digitais, os bancos tradicionais precisaram acelerar sua transformação digital e melhorar seus produtos para se manterem competitivos.
Uma pesquisa realizada pela Accenture aponta que no Brasil os bancos digitais são usados por 44% dos entrevistados e quase metade deles tem uma conta primária em fintechs, o que aumenta a competitividade do setor frente às instituições tradicionais. Estamos falando de um universo de mais de 175 milhões de pessoas bancarizadas atualmente, sendo que 35 milhões passaram a ter uma conta bancária apenas em 2020 por conta do auxílio emergencial.
A crise financeira provocada pela pandemia também fez com que a busca por empréstimos aumentasse. As concessões realizadas no Brasil entre março de 2020 e março de 2021 registraram um aumento de 6,3% no volume médio, se comparado ao período anterior, de acordo com a Febraban. O mercado de crédito é altamente competitivo. Isso ocorre porque parte dos pedidos de empréstimos é realizada por empresas parceiras, que costumam solicitar a cotação em até cinco bancos diferentes. O contrato costuma ser formalizado com o primeiro banco que aprova o crédito, ou seja, aquele que consegue ser mais ágil na definição e validação das informações e dos contratos. Para se adequarem ao mercado, os bancos estão investindo em plataformas de crédito totalmente automatizadas, que conseguem oferecer um serviço de ponta a ponta ao cliente. Um exemplo é a nova plataforma de automação de esteira de crédito desenvolvida pela Stoque, que já oferece soluções de automação inteligente e digitalização de processos e documentos ao mercado, em parceria com a Falconi, referência em consultoria de negócios. A iniciativa pretende entregar uma solução mais completa, pensando de forma estratégica com o cliente, redesenhando toda a jornada e processos de forma a melhorar a eficiência, a experiência do usuário final e trazer mais lucratividade. Além de suportar o crescimento do negócio a longo prazo com uma solução escalável e com ciclos de melhoria contínua.
Mas como ser ágil em um negócio altamente intensivo e com números divergentes de informações e, ao mesmo tempo, ser seguro num cenário em que uma parcela cada vez maior das demandas se dá por canais digitais? A aplicação de tecnologias de automação e inteligência artificial permite alcançar velocidade e mais segurança. Por meio da captura cognitiva, reconhecimento facial, RPA e gestão de processos de negócio (BPM) é possível suportar um grande volume de pedidos de empréstimos, analisar documentos e checar informações com alto percentual de acuracidade e sem a intervenção humana.
Experiência do usuário
O que não podemos deixar de mencionar é que, neste contexto, aumenta a preocupação dos bancos em relação à experiência do usuário. Até pouco tempo atrás não conseguíamos solicitar um crédito consignado
pelo celular, por um aplicativo, por exemplo. Mas hoje, não precisamos enfrentar filas para conseguir um empréstimo nem mesmo abrir uma conta. E uma vez que o cliente começa a interagir de uma forma diferente com as plataformas financeiras, isso passa a determinar um novo patamar de expectativa.
Com a automação e digitalização dos processos, a experiência ao pedir um crédito consignado ou solicitar um financiamento para a casa própria ou veículo pode se tornar mais acessível e transparente para o consumidor. O cliente lá na ponta acaba tendo mais visibilidade sobre a fase em que está seu pedido, quais são os próximos passos, além de ter acesso a outros produtos que podem ajudá-lo naquele momento.
A pandemia acelerou a digitalização e vem mostrando um ganho gigantesco para todo o sistema financeiro. A aplicação de tecnologia deve ser um dos principais investimentos das companhias nos próximos anos, pois não só torna o processo mais rápido, eficaz e seguro como melhora a experiência do consumidor, tornando o negócio mais competitivo no mercado.
A transformação
da Iron Mountain
Ao completar 20 anos de Brasil, a companhia mantém seu foco na gestão de conteúdo com olhar holístico para o que é físico e digital; e fazendo uso de tecnologias como inteligência artificial, RPA e machine learning. Em entrevista exclusiva, Orlando Souza, presidente da Iron Mountain Brasil, fala de passado, presente e futuro e explica como a transformação digital impulsionará ainda mais os negócios da empresa, que vem crescendo no País.
Por Roberta Prescott
Intelligent Automation - A Iron Mountain completa 20 anos no Brasil e 70 anos no mundo. Ao longo destas décadas, como a companhia se transformou.
Orlando Souza - A Iron foi fundada em 1950 e a essência dela é a gestão da plataforma de conteúdo. Começou com a guarda de documentos e foi evoluindo para outros tipos de guardas. Tem casos de empresas como HBO e Disney que chegamos a guardar cenários, fitas, fotos; temos originais de fotos da Declaração da Independência [dos Estados Unidos]. Fazemos o processo de busca dos documentos e temos uma ferramenta nossa proprietária que faz isso muito bem. Daí, o cliente começou a pedir isso de forma digital e esse foi o começo de uma digitalização do documento. A gente pegava o arquivo, digitalizava e, em vez de levar o físico, passamos a oferecer a imagem sob demanda.
IA - Que ano foi?
OS - Para você ter uma ideia, isso existe desde os anos 1990. Agora, está potencializando. Com essa necessidade de subir a imagem, passamos a oferecer o cloud storage, uma guarda digital.
IA - Isso fica em datacenter de vocês ou terceirizado?
OS - É nosso, dentro da nossa estrutura. Mas, hoje em dia, nos Estados Unidos, na Europa e na Ásia, nós temos um negócio que é oferecer datacenter puro. Aqui no Brasil não temos ainda, mas temos o cloud storage, que tenho em datacenter interno nosso, eu consigo fazer a guarda segura. Mas não é uma oferta de datacenter com colocation e outros produtos.
IA - Nos Estados Unidos, Europa e Ásia, vocês construíram datacenter para concorrer com os players do setor?
Sim. Hoje, a Iron Mountain é uma das maiores empresas de datacenter do mundo.
IA - Voltando à trajetória da empresa, como foi o processo de evolução de portfólio?
OS - No Brasil, temos 5 mil clientes, desde SMB, que é pequena empresa, até os maiores bancos, setor público, maiores e menores varejistas, empresas de bens de consumo, grandes escritórios de advocacia, grandes consultorias… Eles começaram a perceber que precisam de certa expertise na guarda, como na forma de guardar, qual é o tempo que você precisa para destruir o documento em relação à legislação, LGPD… e nós temos especialistas internos para fazer esta aferição e essa consultoria para os nossos clientes. Então, começamos a entrar no negócio de BPO — business process outsourcing — no qual entramos em alguns processos como gestão de contratos, gestão de RH.
IA - Ou seja, vocês cruzam os documentos com as legislações, catalogam e gerenciam?
OS - Fazemos a catalogação e existe outra etapa, que é você conseguir transformar o processo atual dele em um processo híbrido ou 100% digital. Como exemplo vou pegar um varejista: a loja pegava o documento das pessoas que queria contratar, colocava no malote e mandava para matriz, onde alguém abria o malote e checava a documentação e voltava o malote, se estivesse faltando a documentação. Esse processo era lento. A gente entendeu esse processo e, hoje, existe um scanner em cada loja para digitalizar o documento e subir na plataforma que a gente criou. Isso gera um workflow, que é um processo automatizado dentro do sistema, e já chega para matriz checar se a documentação está OK. Assim, quando volta, é online, indicando se está certa ou não a documentação. E, quando chega ao RH, ele só efetiva. A gente consegue fazer backoffice e também uma transformação digital grande no processo de RH. Em alguns casos, isso já está
nascendo cada vez mais sem o documento físico, fazendo o onboarding digital.
IA - Dentro disso, qual é o desafio?
OS - Nosso desafio agora passou a ser quanto tempo a gente consegue reduzir a aprovação de, por exemplo, um crédito, um processo de sinistro, como a gente consegue ajudar na busca de contratos. Bancos, escritórios de advocacia sobem tudo na plataforma e conseguem fazer buscas em todos os documentos. E essa busca é de forma inteligente e não somente em documentos, mas também em vídeos. É um processo bastante transformacional que temos feito. Além disso, conforme eu vou fazendo também o inventário e a catalogação, eu consigo ajudar o cliente no processo de definir o que pode ser destruído de forma segura. Assim, a Iron Mountain passou a oferecer a destruição segura tanto de documentos quanto de equipamentos de tecnologia, que chamamos em inglês de IT asset disposition, que é a destruição segura e de forma ecologicamente correta.
A companhia foi do físico para o digital. Eu começo no físico com guarda, lembrando que ela pode ser bem abrangente — de caixa, de documento, de fitas de datacenter, de cenários e de uma série de outras coisas. No meio, existe a consultoria para catalogação e inventário, porque têm muitas empresas que não têm esse conhecimento. E, no Brasil, para você ter uma ideia do potencial ainda deste mercado, embora estejamos falando de transformação digital, 70% do mercado não terceirizou a guarda de documentos. E, agora, na pandemia, essas empresas olharam para esses materiais e não sabiam o que estava nas caixas, se podiam destruir ou não. Não faz sentido manter um galpão para isso; e nos pediram ajuda. Aumentou muito a demanda para isso na pandemia.
IA - Por que? As empresas brasileiras seriam mais conservadoras na guarda?
OS - Não sei dizer se o Brasil é mais conservador; é um mercado que ainda está em amadurecimento. É possível que agora o mercado comece a prestar mais atenção nisso, porque não dá para fazer a transformação digital, se você não está maduro o suficiente para entender o seu legado. E tem muita coisa importante no legado, não pode simplesmente destruir. Tem de entender o que está, porque tem informação rica nele. Eles [as empresas] não têm expertise nisso e, quando viram a necessidade, por causa da transformação digital, isso acelerou. O que estava encostado virou um ativo importante. Os ativos físicos são muito importantes e saber lidar com eles é crucial.
IA - Como a transformação digital das empresas impactou a Iron Mountain? Teve aumento de faturamento, por exemplo?
OS - Tem um dado da McKinsey do fim de 2020 dizendo que, com a pandemia, aqui no Brasil, houve aceleração do processo de transformação digital em mais ou menos quatro anos. Toda a reunião que participo com cliente a pauta é essa. Nós tivemos uma procura maior em todas as frentes. De novo, 70% do mercado de guarda ainda é inhouse e houve um aumento da procura de guarda externa para fazer inventário, catalogação, entender o que se tem. Aumentou também a questão da destruição segura de equipamentos de tecnologia e de documentos em função do inventário. Um grande mercado que estamos buscando hoje é o da destruição segura de equipamentos de tecnologia; é um mercado enorme que, no mundo, temos uma estimativa que é de 20 bilhões de dólares. A terceira coisa é que, com as plataformas que eu tenho, eu consigo fazer a armazenagem em cloud storage.
IA - Como vocês se diferenciam no armazenamento na nuvem, algo bastante ofertado no mercado?
OS - Todos estão oferecendo cloud storage, mas o que é diferente é a forma como você oferece a busca da informação dentro do arquivo. Você consegue buscar pelo que está dentro do arquivo, por exemplo, no caso de uma imagem, pelo reconhecimento facial. No caso de um contrato, por alguma cláusula. É uma ferramenta que nós temos que é muito poderosa e que se conecta ao sistema do cliente. A Iron está evoluindo muito e é bacana, porque o cliente fala com uma empresa do físico ao digital; que tem o conhecimento para qualquer etapa. A grande dificuldade das empresas que eu sinto é que todo mundo tem a meta de digitalizar, de se transformar para ser 100% digital, paperless, mas a dúvida é como fazer isso. E nós temos expertise nisso.
IA - A ferramenta de vocês faz uso de inteligência artificial, RPA, machine learning?
OS - Nossa ferramenta é baseada em machine learning e inteligência artificial sim. Para você criar essa automação é importante entender o processo no detalhe e saber quais são os aceleradores para você transformar eles para quando jogar isso em um machine learning, em IA, em um sistema de workflow para não ir com os vícios do físicos. Acho que a dor maior está mais no mapeamento que na ferramenta.
IA - Como você avalia os avanços dessas novas tecnologias?
OS - Eu costumo usar uma analogia de que IA e machine learning são como você ter uma
criança. Toda vez que você vai colocar algo de pé, o grande problema é que você tem de ensinar aquela criança a falar, a fazer as correlações, a entender… Nós, como estamos com vários cases ao redor o mundo — por exemplo, em saúde, no mercado financeiro, no crédito imobiliário, em gestão de contratos, em gestão de RH, na aprovação de créditos, nos processos de sinistros de seguros —, eu já tenho uma criança um pouco mais evoluída, que já sabe buscar na ferramenta e fazer as buscas certas, o que acelera muito o processo de efetividade de uma implantação de inteligência artificial e machine learning.
IA - Com relação à LGPD, como vocês se adaptaram? E como a lei de proteção de dados impacta os negócios? Ela abre um novo mercado para a Iron Mountain?
OS - A LGPD potencializa o que a gente tem como principal ativo que é vender para os clientes uma segurança. A Iron surgiu para prover segurança na guarda de documentos e ativos importantes. E esse equity nunca perdemos. A LGPD colocou holofote na importância de se proteger os dados. Lá fora tem acontecido muitos ataques e agora aqui também. Estão tendo sequestros que hackers pegam dados e só devolvem se pagam alguns milhões; tem vazamento de informações. Estamos sentindo que as pessoas estão prestando mais atenção à segurança, começando a entender um pouco melhor e pedindo ajuda para solidificar os processos delas. Acho que isso vai acelerar ainda mais. Todo mundo está falando, mas, na prática, ainda tem pouca gente tomando decisões.
IA - Em quais segmentos potenciais você enxerga crescimento, tanto de oportunidade em indústrias — e vocês tiveram muitos projetos em saúde —, como de ofertas de serviços. Por onde esse mercado cresce?
OS - Acho que bastante os mercados financeiro e de saúde como um todo; o varejo é um grande contratante e o mercado de serviços também. Esses são mercados-chave para gente. O que temos feito também é tentar ajudá-los a ter a informação mais disponível e aí juntar cloud storage com o que o cliente tem no físico e jogar tudo isso numa única plataforma. Por exemplo, uma empresa que tenha call center com milhares de gravações para acessar junto com os contratos que já existem, colocar tudo na mesma plataforma e conseguir ver tudo que tem de uma pessoa lá é muito poderoso e facilita para quando precisar de algo. Um grande ponto da LGPD é a origem do dado, quem está usando e como. Então, acho que todo esse traqueamento em um cadastro, no contrato ou de RH vai ser onde estará a palavra do nosso jogo.
IA - O que tem levado empresas desses setores que você mencionou a buscar mais serviços?
OS - Têm duas situações. Uma delas é a melhoria da experiência do cliente final deles para ele ter um processo mais rápido e eficiente. E a segunda é o cliente ter otimização de custo, com melhora da competitividade. São essas duas grandes alavancas. Mensurar isso é muito importante para os clientes.
IA - Ao longo dos anos, a Iron Mountain comprou várias empresas. Como foi o processo de M&A? Que tipo de empresas buscaram? Focaram em tecnologias ou para ganhar fatia de mercado ou expansão?’
OS - Vou falar especificamente do Brasil, porque essa estratégia muda de país para país. Lá fora a gente tem a divisão de datacenter e estamos expandindo a capacidade. No Brasil, nos últimos dez anos, compramos nove empresas. Sempre olhamos o mercado de guarda de documentos, que era e ainda é bem fragmentado, e nisso foi a maior parte das compras e também em BPO. Também olhamos a geração de caixa e de receita, o portfólio de clientes para não ter concentração
grande no mercado e a diversidade da carteira. A Iron Mountain é bem diversificada, não temos concentração em um único setor; temos 15 setores enormes. Também olhamos a geografia. No Brasil, atuamos em São Paulo, Rio de Janeiro, Espírito Santo, Minas Gerais, Distrito Federal, Pernambuco, Paraná e Rio Grande do Sul e, em cada uma das praças, em várias cidades, em um total de 24 cidades. Estamos presente em mais ou menos 70% do PIB, somando os PIBs dos Estados. A partir de agora, se formos fazer aquisições, é para ganhar expertise em outros negócios. Talvez uma complementaridade em alguma plataforma de tecnologia e assim por diante.
IA - E o mercado de datacenter? Está nos planos trazer a oferta para o Brasil?
OS - É uma possibilidade, mas não tenho um horizonte de quando vai acontecer isso. Mas acho que será uma entrada natural. O Brasil é um mercado superimportante para o grupo e isso deve acontecer mais cedo ou mais tarde. Hoje, temos uma infraestrutura suficiente para ofertar para o mercado o que chamamos de cloud storage, consigo armazenar qualquer tipo de arquivo que você tenha, mais de 50 extensões.
IA - O que o Brasil representa para a companhia? Quanto o País aporta no faturamento global?
OS - Desculpe, mas, como empresa de capital aberto e por política, a empresa não abre faturamento por país. Posso dizer que o Brasil, hoje, estamos presentes em sete Estados mais o Distrito Federal, temos mais ou menos 1800 funcionários e 5 mil clientes. No mundo, são 23 mil funcionários. O Brasil sempre foi um mercado importante. Os mercados emergentes são importantes, porque ainda tem um amadurecimento muito grande em todas as etapas de nosso ciclo de venda — no físico, na consultoria, na destruição segura, na questão da digitalização. E o Brasil por essência é um país muito inovador. Recentemente, recebemos o presidente mundial aqui e uma coisa que ele disse foi que o Brasil sempre gera coisas interessantes e inovadoras não apenas na Iron Mountain, mas também no mercado.
IA - Mesmo se não puder abrir números, é possível passar dados que mostrem a importância do Brasil para a Iron Mountain, se houve crescimento?
OS - O Brasil tem, até por conta das aquisições, crescido dez vezes em comparação ao tamanho que tinha há dez anos. Neste ano, o que eu posso adiantar é que a gente vai vender o dobro do que vendeu em 2020 em novas vendas, o que vai ser um crescimento de dois dígitos, de 10% a 15%.
IA - O que puxa esse crescimento?
OS - É puxado por vários produtos e, por enquanto, temos um equilíbrio. Está dando um pouquinho a mais para o digital, com 57% para digital e 43% para físico, que são empresas que tinham estoque próprio e estão agora buscando especialistas e empresas que tinham estoque conosco e estão buscando outros serviços, como inventário, digitalização e destruição segura.
IA - Há um equilíbrio entre digital e físico. Olhando para os próximos cinco anos, você imagina que isso vá ficar como?
OS - Eu imagino que será um 70% para digital e 30% para físico.
IA - Quais são as tecnologias para esse momento que a companhia está atravessando?
OS - Acho que as principais são inteligência artificial, machine learning e RPA. A grande questão é que todo mundo fala e pouca gente faz isso direito. Mas IA, RPA, machine learning e cloud storage como pano de fundo são coisas importantes para você fazer o
negócio acontecer, mas, mais do que ter a tecnologia, é saber como fazer. Todo mundo sabe que precisa, mas como — e aí entram a segurança, a expertise, pega IA e machine learning em estágio mais avançado. As dores das pessoas estão mais no como do que no quê fazer. Essas são as tecnologias que estarão permeando boa parte das soluções.
IA - E como essas tecnologias mudam efetivamente os negócios?
OS - O grande ponto hoje é que essas tecnologias, para mim, aceleram o acesso a uma informação estratégica. Por exemplo, você tem uma cliente que tem um relacionamento longo com uma empresa X via call center e outros produtos, como você consegue agrupar tudo isso e entender todo o ciclo do cliente e cruzar isso com modelo preditivo de análise de propensão a crédito e compra, de tendência de produto, de consumo. Como você gera informação muito rapidamente? Acho que a beleza dessas tecnologias é acelerar esses modelos. E, indo mais para o prático, acho que é simplificar um processo às vezes doloroso de uma abertura de conta, de contrato de imóveis, de uma aprovação médica. E isso ocorre porque o processo é longo, mas imagine se você tem uma certa visibilidade?
IA - Que resumo você faz da mudança da Iron Mountain acompanhando a transformação da sociedade e como isso trouxe oportunidades de negócios?
OS - A gente como empresa, às vezes, não conseguimos usar todas as informações a que temos acesso. Como a gente conseguiria simplificar a gestão da plataforma de conteúdo? Como deixar o que é importante não se perder? Como deixar aquilo ser presente de forma rápida, simples? Acho que esse é nosso papel na sociedade aqui na Iron Mountain; gerar uma gestão de plataforma de conteúdo eficiente tanto do físico como do digital.
INSCRIÇÃO
AI, Fintech e Ética
Atua no mercado de TI há 27 anos. Administrador graduado e pós-graduado sity of Manchester, pós-graduado em AIML pela University of Texas at Austin, e especialização em Big Data pela FGV. Fundador do projeto Humanos Mais Tecnologia, focado em ética no design tecnólogico.
AI, Fintech e Ética
Ricardo Costa
Atua no mercado de TI há 27 anos. Administrador graduado e pós-graduado pela FGV, com mestrado pela University of Manchester, pós-graduado em AIML pela University of Texas at Austin, e especialização em Big Data pela FGV. Fundador do projeto Humanos Mais Tecnologia, focado em ética no design tecnólogico.
Se falar de Inteligência Artificial e Fintechs já é complexo o suficiente, imagine envolver Ética. Ética é o tipo de tema que todos nós temos dificuldades para definir de forma satisfatória, apesar de – conscientemente ou não - a percebermos e nos comportar de uma maneira que acreditamos ser a correta.
É comum definirmos ética como o correto a ser feito. Mas, o que é correto? Sendo correto, é percebido assim por todos? Caso percebam, continuaria assim em qualquer momento e situação?
Também é comum ligarmos a ética às leis e moralidade, o que não é necessariamente incorreto. Entretanto, tudo que é ético, também é legal? E o que é legal, é necessariamente moral?
Como já deve ter percebido, o contexto é fundamental para essas análises, e uma única dimensão não responde tudo que precisamos.
Mas, o que é Ética?
Em uma tentativa de rascunhar uma resposta, creio que essa explicação do filósofo Mario Sergio Cortella é mais que adequada: “Ética é o conjunto de valores e princípios que nós usamos para decidir as três grandes questões da vida: Quero? Devo? Posso?. Tem coisas que eu quero, mas não devo. Tem coisas que eu devo, mas não posso. E tem coisas que eu posso, mas não quero.”
Com tecnologias como a Inteligência Artificial, uma Fintech pode fazer muitas coisas. Ao criar uma Fintech, você quer ter lucros, escalar, ganhar o mercado e ultrapassar os concorrentes.
Nem tudo são flores, claro. Ao longo dessa jornada você irá se deparar com dilemas e tomadas de decisão, avaliando tradeoffs bastante complexos e potencialmente caros.
Haverá ainda decisões em relação a leis e regulamentações nos diversos processos técnicos, administrativos, operacionais, financeiros e fiscais, e isso inclui uma complexidade matricial quando pensamos nas parcerias e alianças que fará com fornecedores.
Como isso se aplica aos negócios de uma Fintech?
Não serão raras as situações onde você não tem uma lei ou regulamentação específica, nem mesmo uma boa prática ou benchmark.
E a sua Fintech? É um banco ou não? É seguradora ou não? É um pouco disso tudo, e mais alguma coisa? E se a sua inovação não couber em uma classificação tradicional e clara? Estaria livre para agir da maneira mais conveniente, sem se preocupar em conformidade com A ou B?
A Ética, muitas vezes, vive nessas lacunas e não te entrega um checklist. Talvez, nem mesmo uma resposta. O filósofo Slavoj Zizek define essa natureza de uma forma muito interessante: “A tarefa da Filosofia não é dar respostas, e sim mostrar que a forma como encaramos um problema pode ser parte do problema”, ou seja, a Filosofia passa a perguntas em si por um crivo crítico para testar a sua qualidade.
Talvez já esteja concluindo que Ética é aquele tipo de coisa que só tomará seu tempo e desacelerará sua empreitada. Calma, não é necessário fazer reuniões sobre Aristóteles. Mas como operacionalizá-la, tanbigilizá-la e torná-la prática, em sintonia com o mundo dos negócios? Creio que os seguintes contrastes ajudem a enxergar um caminho de aplicação prática de questões éticas.
Privacidade e Conveniência
Esse contraste parece fácil de compreender, mas não se engane. Lembra do “quero, posso, devo”? Você sabe o que quer, e leis como a LGPD e GDPR ajudam a compreender o que você pode fazer, mas há ambiguidade no que diz respeito ao que se deve fazer.
Quando se fala de “Consentimento”, basicamente pensamos na ciência e aprovação do outro para um determinado assunto. Por exemplo, o consentimento na coleta, armazenamento e tratamento de dados sensíveis como os financeiros.
Uma Fintech naturalmente precisará de muitos dados, terá que mantê-los por longos períodos, acessíveis ao dono dos dados e às entidades legais quando necessário, e toda a sua tecnologia embarcada depende desses dados para encontrar insights que beneficiarão o negócio. Tudo bem até aqui.
Por outro lado, se dou consentimento à sua Fintech para coletar, armazenar e tratar meu endereço residencial, telefone, renda, etc, está tudo bem? Veja, eu tenho uma família, e esse tipo de dado não é apenas meu.
Sua Fintech deve exigir consentimento de toda a família então? Claro que isso não é viável, nem necessário do ponto de vista operacional e legal, e seria extremamente inconveniente também para o cliente, entretanto tal reflexão nos leva a compreender a importância crítica da privacidade.
O impacto da quebra de privacidade não afeta apenas seu cliente, mas todo um núcleo em torno dele. Isso não está descrito na lei, não há uma prática em alguma regula-
mentação. É um exemplo de lacuna onde a a avaliação ética é importante, e isso nos leva ao próximo contraste.
Transparência e Assimetria de Poder
Ao longo dos anos, é notório como a democratização do acesso à tecnologia, o crescimento exponencial da capacidade de processamento, e o barateamento do armezenamento, facilitaram a vida de quem quer e precisa de toneladas de dados.
Você quer isso, e a tecnologia faz com que você possa, mas será que deveria se valer disso e coletar tudo que é possível e imaginário, mesmo que com consentimento do seu cliente? Digamos que sua Fintech seja do ramo de crédito. Claro que precisa avaliar o perfil de risco do seu cliente, e você tem a capacidade e legitimidade para tal.
Por outro lado, o fato de você poder coletar dados das redes sociais desse cliente, como fotos e interações sobre viagens que fez, tipo de restaurantes que foi com amigos ou familiares, ou tipo de produtos que tem comprado, pode ser interessante para inferir padrões de gastos e comportamentos que podem aumentar o risco de inadimplência.
Mas, será que sua Fintech deveria fazer isso, apesar de poder (legalmente e tecnicamente), e querer tal inteligência? Essa assimetria de poder é muito perigosa, e para ambos os lados. Ela sempre existirá em qualquer relação, mas leis ou regulamentações não nos dão um limite, ou um “grau aceitável de desproporcionalidade de conhecimento” sobre o outro.
Seu cliente não sabe o que você sabe dele, e isso impacta a confiança na sua Fintech. Se os clientes decidirem esconder ou mascarar alguns dados para diminuir essa assimetria, o benefício de todo o investimento tecnológico que sua Fintech fez se derreterá, uma vez que os dados terão sua qualidade comprometida.
Você não é obrigado a contar tudo para o seu cliente, nem ele para sua Fintech. A mútua confiança é fundamental para enriquecer essa relação, e o benefício é mútuo.
Responsabilidade e Comprometimento
Não há como ser mais direto que isso: você pode conhecer as bibliotecas usadas na IA, os modelos formulados e até interpretar os resultados, mas é inviável compreender a anatomia por dentro da computação feita.
São interações e modelagens extremamente complexas, é matemática pesada, abstrações avançadas, e em mais dimensões que um ser humano é capaz de compreender. Se você se depara com um gráfico com eixos X e Y, moleza. Se for X, Y e Z, ainda é tranquilo, apesar de mais complexidades. Mas e se o modelo da sua Fintech, para análise de crédito ou prêmios de seguro, envolver 150 diferentes variáveis sobre seu cliente? Como “enxergar” em 150 dimensões?
Esses modelos ininteligíveis serão a base da sua Governança que, no fundo, é a engrenagem das tomadas de decisão da sua Fintech. Se já não é ruim o suficiente que o cliente não entenda como a decisão sobre ele foi tomada, pior ainda é se nem você entende.
Bem, tudo está bem enquanto está bem. Sem compreender como essa recomendação surgiu, fica difícil prever onde e se há algum furo não previsto. E, quando este ocorrer, será algo gerenciável, ou irá derreter tudo que você construiu?
Há mecanismos que podem ajudar, como as técnicas de Explainable AI (ou XAI). Apesar do nome, não se trata de AI explicando AI: são outros modelos analíticos, e não-AI, que o ajuda a compreender os resultados do modelo por várias óticas e contextos.
Responsabilidade é algo atribuído, é focado na tarefa executada, e pode ser compartilhada. Comprometimento, ou accountability, é algo assumido, é dar a cara a tapa, e foca nas decisões tomadas. Sua IA não é uma entidade viva, surgida do éter. É um artefato criado e manipulado por humanos e para humanos. Não dá para terceirizar a responsabilidade dessa forma.
Sem a capacidade de “explicar” seus modelos analíticos, para si e para outros, essa relação de confiança é inviável.
Imparcialidade e Viéses
Tenho certeza que já leu ou viu algum conteúdo na imprensa, ou em filmes, sobre escândalos e falhas terríveis com preconceitos, viéses e discriminações.
Por exemplo, não haverá um modelo que confira á sua Fintech uma precisão de 100% na análise de risco financeiro do cliente. Talvez você fique satisfeito com 95%. Mas, esses poucos 5% ocorrem como? Será que 100% desses 5% de erros ocorrem nas maiores concessões de crédito? Será que 90% desses 5% de erros ocorrem em clientes de determinada cor de pele, gênero ou região da cidade onde moram?
E se a decisão baseada no modelo causar um impacto crítico na vida pessoal ou profissional desses clientes? Como isso impactará sua Fintech em uma disputa judicial? Creio que o juiz não se contentará com “não é culpa nossa, foi a matemática!”. Talvez você pense em eliminar variáveis sensíveis, como cor de pele, do seu modelo analítico de cálculo de prêmio de seguro, na esperança que isso livre sua empresa do risco de decisões que possam resultar em exposições jurídicas em questões raciais.
No entanto, é como nos preocuparmos em avaliar a palavra “cão”, ao invés de voltarmos a atenção para o animal em si, pois este te morde. A palavra não. Em outras palavras, seus dados podem não ter uma etiqueta de cor de pele, mas os viéses estão lá impregnados.
Mesmo com bons dados, o modelo em si pode incorporar tais viéses, pois humanos os desenvolvem e ajustam. Mesmo que o modelo em si seja bom, os algoritmos usados podem ter viéses escondidos.
Não há como se livrar de viéses, mas é importante que os identifiquemos, tratemos e diminuamos seus impactos. De uma forma geral, a taxa de erro – que sempre existe – deveria ser pelo menos proporcionalmente errada para fins de equidade e justiça.
Como exemplo, a área de seguros tem viéses, e estes além de conhecidos são valiosos, ao invés de condenáveis. Se você for mulher, seu seguro veicular será mais barato que para um rapaz de 19 anos, por exemplo. Isso é conhecido, e é benéfico, mesmo que não seja 100% verdadeiro na prática.
Viés você identifica, compreende e ameniza. Não perca tempo tentanto estar livre deles, pois é impossível.
Resumo da Ópera
Cada vez mais, a Ética vem se tornando um diferencial competitivo importante para qualquer
negócio, e isso inclui sua Fintech. Longe de ser uma inibidora da inovação, ou perda de tempo, a Ética atrapalha o nascimento de inovações que não medem consequências nem danos aos indivíduos, sociedade, ou seu negócio.
Ainda, apesar da Ética não apresentar respostas, ela é importante para mapearmos e avaliarmos o incerto, o ambíguo, o nebuloso de todas as decisões que precisamos tomar, e o que acontece à nossa volta, pois nenhuma lei ou regulamentação é capaz de criar um grau absoluto de abstração da realidade a ponto de dipensar a análise de valores e moralidade. Muitas vezes, é o único recurso que você terá em mãos.
Quando você consegue harmonia entre o que quer, pode e deve fazer, podemos dizer que atingiu um grau alto de felicidade. Quando sua empresa faz o mesmo, ela alcança um grau alto de confiabilidade e respeito, e que cliente não quer se relacionar com uma empresa como essa que, aliás, poderia ser ser a sua? Está nas suas mãos, e ao seu alcance.
INTELIGÊNCIA ARTIFICIAL EM SERVIÇOS FINANCEIROS
INTELIGÊNCIA ARTIFICIAL EM SERVIÇOS FINANCEIROS
Cesar Patino
Embora a Inteligência Artificial (IA) remonte há mais de meio século, suas possibilidades aumentaram significativamente nos últimos tempos. Isso está levando ao desenvolvimento de várias aplicações práticas, tanto no setor financeiro como em outros setores. Entretanto, o setor financeiro é um dos precursores e grande usuário da IA.
Isto é fácil de compreender devido a alguns fatores, mas especialmente por:
- a natureza complexa dos negócios financeiros e alto risco envolvido demandando análises sofisticadas;
- o capital que as instituições financeiras tem disponível para investimentos que sempre permitiram ao setor estar na vanguarda da tecnologia.
Segundo o Financial Stabilty Board a Inteligência Artificial é o conjunto de teorias e algoritmos que permitem aos sistemas de computador realizar tarefas que normalmente requerem inteligência humana (por exemplo, percepção visual, reconhecimento de voz ou interpretação de um texto tendo em conta o seu contexto) e que, em alguns casos, aumentam essas competências.
Os primeiros estudos acadêmicos sobre Inteligência Artificial datam por volta anos 1950. No entanto, ganhou popularidade recentemente, devido principalmente a três fatores:
- o crescente volume de dados digitais disponíveis;
- aumento do armazenamento de dados e capacidade de processamento computacional e seu menor custo;
- o progresso feito no algoritmos usados.
O uso de técnicas de IA na prestação de serviços financeiros pode aumentar eficiência, reduzir custos, melhorar a qualidade, elevar os níveis de satisfação dos clientes e impulsionar a inclusão financeira, principalmente pelas possibilidades que oferecem de automação operacional de processos e aumentando a capacidade analítica.
O financiamento de capital de risco para start-ups do segmento financeiro (Fintechs) que utilizam IA aumentou consideravelmente ao redor do mundo e já são 1.700. No Brasil, de acordo com o estudo Inside Fintech Report, aproximadamente 70 Fintechs atuam com IA, especialmente com soluções B2B.
Vários usos podem ser encontrados para IA nas diferentes áreas do setor financeiro, desde o back-office ao front-office. Alguns aplicativos visam melhorar a experiência do cliente (por exemplo, autenticação biométrica ou chatbots), enquanto outros procuram
otimizar processos nas diferentes fases da prestação de serviços financeiros (por exemplo, usando novas fontes de dados para selecionar investimentos ou determinar prêmios de risco). Combinando IA com outras tecnologias como Blockchain e Contratos Inteligentes (Smart Contracts) as possibilidade e benefícios aos clientes podem aumentar ainda mais.
Algumas das possíveis aplicações de IA na prestação de serviços financeiros envolvem:
Automação: técnicas como NLP (Processamento de Linguagem Natural) ou reconhecimento de imagem permitem às instituições financeiras automatizar tarefas repetitivas ou de baixo valor agregado (por exemplo, respostas a perguntas frequentes). Automatizar processos (Robotic Process Automation) reduz o potencial de erro humano, aumenta a produtividade e corta o custo dessas tarefas. Como resultado, os níveis de satisfação do cliente aumentam, uma vez que os clientes recebem um serviço melhor (mais rápido e maior disponibilidade) e, potencialmente, por um preço mais baixo. Também, dada a economia de custos resultante da automação de tarefas, isso pode tornar possível oferecer certos serviços que eram tradicionalmente reservados para determinados clientes (por exemplo, consultoria financeira) para um maior número de usuários.
Capacidade Analítica: graças às ferramentas de IA, as instituições financeiras são capazes de analisar maior volume de dados estruturados e não estruturados. Além disso, o aumento do número de variáveis aumenta a qualidade da análise, pois o conhecimento sobre clientes é maior e os resultados obtidos são mais precisos. Isto permite que as instituições financeiras ofereçam melhores serviço (por exemplo, maior precisão na detecção de fraude de cartão) e concessão de serviços financeiros serviços para certos clientes que poderiam ter sido excluídos (por exemplo, empréstimos para clientes com os quais o banco ainda não teve relacionamento anterior). Também pode proporcionar economias de custos substanciais em áreas, como conformidade regulatória. Além disso, uma maior capacidade analítica permite que as instituições financeiras explorem todos os dados (internos e externos) aos quais eles têm acesso sobre seus clientes, para saber mais sobre suas preferências.
Desta forma, eles são capazes de desenvolver produtos e serviços feitos sob medida e até mesmo antecipar as necessidades de seus clientes, melhorando a experiência do usuário.
Aplicações nos Bancos Centrais: as autoridades monetárias também tem se beneficiado do uso de IA em termos de eficiência operacional e redução de custos. Vários bancos centrais estão começando a incorporar IA em algumas de suas atividades, como supervisão microprudencial e macroprudencial, gerenciamento de informações, previsão ou detecção de atividades fraudulentas.
Por exemplo, a Autoridade Monetária de Cingapura desenvolveu uma ferramenta para análise de relatórios sobre transações suspeitas, enquanto o banco central da Áustria desenvolveu um protótipo para validação de dados. O banco central da Itália está usando técnicas IA para prever variação de preços no mercado imobiliário, e o banco central da Holanda para antecipar potenciais problemas de liquidez nas instituições financeiras.
RISCOS E DESAFIOS NO USO DE INTELIGÊNCIA ARTIFICIAL
Mas, nem só de flores vive o cenário atual de Inteligência Artificial.
Apesar dos benefícios significativos que a inteligência artificial oferece, ela também vem com uma série das limitações que devem ser levadas em consideração. Os principais riscos
decorrem do potencial viés nos resultados obtidos usando estas ferramentas, e das dificuldades envolvidas na compreensão dos resultados obtidos por algoritmos.
Viés nos resultados: em geral, os algoritmos operam buscando correlações que habilitam seu poder preditivo.
Em alguns casos, os dados usados podem conter relações espúrias e, assim, levar a conclusões tendenciosas e equivocadas. É importante estar atento e adotar mecanismos que evitem resultados enviesados que podem prejudicar as pessoas tornando-se um obstáculo à igualdade de oportunidades (por exemplo, em caso de processo seletivo de empregos ou originação de empréstimos).
Interpretação dos algoritmos: Os algoritmos geralmente operam de uma maneira complexa, especialmente aqueles classificados como Redes Neurais, e isso torna difícil entender o raciocínio que seguem para chegar a um resultado. Embora em alguns casos entender este processo possa não ser importante (um chatbot, por exemplo), em outros pode ser necessário para explicar por que uma decisão específica, que pode prejudicar alguém, foi tomada (por exemplo, uma baixa pontuação de crédito). Parece razoável estabelecer um conjunto de requisitos para garantir a transparência do processo pelo qual se chega a uma determinada conclusão, e a União Europeia, assim como fez com a GDPR (Lei Geral de Proteção de Dados), também está empenhada em criar regulamentações para garantir a “explicabilidade” dos algoritmos.
Privacidade de Dados: o Open Banking em implantação no sistema financeiro brasileiro, garante que o cliente é o dono dos seus dados, então, também não podemos negligenciar os riscos com relação à privacidade dos dados.
O desenvolvimento de ferramentas de IA requer usar um grande volume de dados e isto aumenta a importância das questões de privacidade. Aumenta o risco de problemas com instituições financeiras usando determinados dados (por exemplos das Redes Sociais) sem que seus clientes estejam totalmente cientes disso. Também surgem dúvidas sobre qual parte seria responsável (a instituição financeira ou o fornecedor do algoritmo) por qualquer perda resultante do uso de técnicas de IA.
CONCLUSÃO
O uso de aplicativos de inteligência artificial no setor financeiro já é uma realidade que oferece inúmeros benefícios aos participantes do mercado. No entanto, também representa um série de riscos e limitações que devem ser conhecidos e gerenciados de forma a ser capaz de extrair corretamente todo o seu potencial. Para esse fim, uma distinção deve ser feita entre os diferentes tipos de atividades para as quais essas ferramentas são utilizadas, uma vez que problemas como resultados viés ou dificuldades de interpretação do algoritimo são mais importantes em algumas áreas do que em outros. Assim, as vantagens e desvantagens de usar esta tecnologia, junto com a forma como deve ser usado, precisam ser avaliados em um caso individual base.
Cesar Patino
Profissional nas áreas de Tecnologia da Informação e Consultoria, atuando no Brasil, EUA, Argentina e Chile. Mentor para empresas e startups no processo de Transformação Digital e, nos últimos 20 anos vem trabalhando na definição e implementação de soluções de negócios, especializado nas áreas de Data Management, Analytics, IoT e Blockchain. Palestrante para disseminação de novas tecnologias em eventos como: ITForum, Gartner, INOVABRA, IDC (Argentina), Amba (Argentina), e professor convidado nos cursos Corporate Performance Management (FGV) e MBA Business Intelligence e MBA E-Commerce (Faculdade Anhembi-Morumbi). Coordenador do Comitê IoT Analyics & AI na ABINC/I2AI e Membro da Comunidade Olhar do Futuro.
