Estuddo recente mapeia cinco prioridades da indústria financeira com o uso de inteligência artificial. O estudo foi divulgado pela NVIDIA e realizado com profissionais globais de serviços financeiros sobre as tendências, desafios e oportunidades da computação acelerada, inteligência artificial (IA) e machine learning na indústria. Há anos a empresa vem trabalhando com algumas das principais instituições financeiras mundiais para desenvolver e executar uma ampla gama de estratégias de IA em rápida evolução.
Desde instituições bancárias e fintechs até seguradoras e empresas de gestão de ativos, os objetivos permanecem os mesmos – encontrar maneiras de gerenciar riscos com mais precisão, aumentar a eficiência para reduzir os custos operacionais e melhorar as experiências para clientes e consumidores.
Abaixo estão as quatro principais descobertas da pesquisa "State of AI in Financial Services: 2023 Trends", realizada com pelo menos 500 profissionais de serviços financeiros ao redor do mundo.
1. A nuvem híbrida está se tornando forte
As empresas de serviços financeiros, assim como outras instituições, procuram otimizar os gastos com treinamento e inferência IA – com o conhecimento de que os dados sensíveis não podem ser migrados para a nuvem. Para fazer isso de forma econômica, eles estão movendo muitas de suas cargas de trabalho intensivas em computação para a nuvem híbrida.
A pesquisa deste ano constatou que quase metade das empresas entrevistadas estão se mudando para a nuvem híbrida para otimizar o desempenho da IA e reduzir os custos. Anúncios recentes dos principais provedores de serviços e plataformas de nuvem reforçam esta mudança e tornam a portabilidade de dados, gerenciamento de MLOps e padronização de software através da nuvem e em instâncias de pré-premissão um imperativo estratégico para o custo e eficiência.
2. Modelos de idiomas grandes encabeçam a lista de casos de uso de IA
Os resultados da pesquisa, focalizada em empresas baseadas nas Américas e Europa, com um tamanho de amostra de mais de 200, constataram que os principais casos de uso de IA são processamento de linguagem natural e grandes modelos de linguagem (26%), sistemas de recomendação e a próxima melhor ação (23%), otimização de portfólio (23%) e detecção de fraude (22%). As cargas de trabalho emergentes para o metaverso, geração de dados sintéticos e mundos virtuais também eram comuns.
Bancos, empresas comerciais e fundos de hedge estão adotando estas tecnologias para criar experiências personalizadas para os clientes. Por exemplo, o Deutsche Bank anunciou recentemente uma parceria de inovação de vários anos com a NVIDIA para incorporar a IA aos serviços financeiros em todos os casos de uso, incluindo avatares inteligentes, IA de fala, detecção de fraude e gerenciamento de risco, para reduzir o custo total de propriedade em até 80%. O banco planeja usar o NVIDIA Omniverse para construir um avatar virtual 3D para ajudar os funcionários a navegar nos sistemas internos e responder a perguntas relacionadas a RH.
3. Bancos veem mais potencial para aumentar a receita da IA
A pesquisa mostrou que a IA tem um impacto quantificável sobre as instituições financeiras. Quase metade dos participantes da pesquisa disse que a IA ajudará a aumentar a receita anual para sua organização em pelo menos 10%. Mais de um terço observou que a IA também ajudará a diminuir os custos anuais em pelo menos 10%.
Os profissionais de serviços financeiros destacaram como a IA melhorou as operações comerciais – particularmente melhorando a experiência do cliente (46%), criando eficiências operacionais (35%) e reduzindo o custo total de propriedade (20%).
Por exemplo, a visão computadorizada e o processamento em linguagem natural estão ajudando a automatizar a análise de documentos financeiros e o processamento de reclamações, economizando tempo, despesas e recursos das empresas. A IA também ajuda a prevenir fraudes, melhorando o combate à lavagem de dinheiro e os processos de conhecimento do cliente, enquanto os recomendadores criam experiências digitais personalizadas para os clientes ou consumidores de uma empresa.
4. O maior obstáculo: recrutamento e retenção do talento IA
Mas há alguns desafios para atingir as metas de inteligência artificial nas empresas. Recrutar e reter especialistas em IA é o maior obstáculo, um problema relatado por 36% dos entrevistados. Há também tecnologia inadequada para permitir a inovação em IA, de acordo com 28% dos entrevistados.
O tamanho insuficiente dos dados para o treinamento e precisão dos modelos é outra questão premente apontada por 26% dos profissionais de serviços financeiros. Isto poderia ser tratado por meio do uso de IA generativa para produzir dados financeiros sintéticos precisos usados para o treinamento de modelos de IA.
"O trabalho desenvolvido pela NVIDIA com algumas das principais instituições financeiras do mundo possibilita executar diversas estratégias de IA, visando o aumento da eficiência desse mercado. Isso colabora para a redução de custos na operação além de causar um impacto positivo na experiência dos clientes", pontua Marcio Aguiar, Diretor da divisão Enterprise da NVIDIA para América Latina.
5. Apoio executivo para IA no novo alto
Apesar dos desafios, o futuro da IA na área financeira está ficando mais brilhante. O aumento da adesão de executivos à IA é um novo tema nos resultados da pesquisa. Cerca de 64% dos entrevistados observaram que "minha equipe de liderança executiva valoriza e acredita na IA", em comparação com 36% de um ano atrás. Além disso, 58% disseram que "a IA é importante para o sucesso futuro da minha empresa", acima dos 39% da pesquisa anterior.
As instituições financeiras planejam continuar a construir a IA empresarial no futuro. Isto incluirá a scaling up and scaling out da infraestrutura de IA, incluindo hardware, software e serviços.
Capacitar cientistas de dados, quants e desenvolvedores enquanto minimiza os gargalos requer uma sofisticada plataforma IA de pilha cheia. Os executivos têm visto o ROI da implantação de aplicações habilitadas para IA. Em 2023, esses líderes se concentrarão na expansão da IA em toda a empresa, contratando mais cientistas de dados e investindo em tecnologia de computação acelerada para apoiar o treinamento e a implantação de aplicações de IA.
