A IA generativa está em alta. O ChatGPT alcançou um milhão de usuários em apenas cinco dias (Figura 1) e 100 milhões em 60 dias – a plataforma mais rápida a conseguir esse feito. O mercado atualmente vale cerca de US$ 14,2 bilhões e tem projeções para atingir US$ 111 bilhões até 2030. Com aplicações em torno de cinco pilares fundamentais – código, texto, áudio, vídeo e imagens – a IA generativa é claramente uma tecnologia transformadora.
As instituições financeiras estão rapidamente explorando a IA generativa, libertando-se de sua reputação de aversão ao risco. Mesmo empresas com processos enraizados incorporam rapidamente e relativamente facilmente a IA generativa em seus fluxos de trabalho, muitas vezes começando com projetos piloto. A ampla disponibilidade, fácil implantação e integração perfeita com processos existentes melhoram significativamente a produtividade, explicando a popularidade da IA generativa. A McKinsey prevê que a geração de valor a partir do aumento da produtividade representará de 2,8% a 4,7% das receitas anuais da indústria bancária, equivalente a um adicional de US$ 200 bilhões a US$ 340 bilhões.
Potencial transformador nos mercados de capital
A indústria dos mercados de capital está madura para mudanças em meio a ventos contrários da indústria e da tecnologia. Clientes, tanto existentes quanto novos, velhos e jovens, buscam experiências digitais, convenientes e personalizadas. A indústria deve se transformar para evitar ficar para trás. Provedores ágeis e nativos digitais que atendem a essas preferências surgiram, construídos na nuvem com baixo legado tecnológico.
A indústria acumulou petabytes de dados estruturados e não estruturados que permanecem inexplorados. As margens estão comprimidas devido a um ambiente global difícil, o surgimento de novos players e a crescente inflação. Isso levou os custos a níveis não vistos em duas décadas, mesmo quando os clientes gastam suas reservas de caixa. Entre esses desafios, os incumbentes enfrentam um cenário regulatório em rápida mudança.
Esses fatores incentivam a indústria a abraçar a IA generativa. As principais empresas de Wall Street estão atualmente realizando pilotos ou implantando ativamente casos de uso de IA generativa. O Deutsche Bank tem 25 casos de uso – desde desenvolvimento de software e gerenciamento de mídia adversa até impulsionamento da produtividade de banqueiros juniores automatizando tarefas como análise de comparativos e relatórios de empresas. A McKinsey estima que um conjunto diversificado de implementações poderia gerar ganhos de produtividade de 30% a 90%, aumentando os lucros operacionais de 9% a 15%. Acreditamos que esses casos de uso se dividem amplamente em quatro áreas – construção de novas capacidades, melhoria das operações, fomento à inovação e facilitação da transformação.
Ao simular diferentes cenários de produtos e resultados, a IA generativa auxilia as empresas a criar protótipos e refinar produtos. Ela processa vastos conjuntos de dados para identificar tendências e prever movimentos de mercado, auxiliando no desenvolvimento de estratégias de investimento. O modelo baseado em ChatGPT do JPMorgan analisa discursos do Federal Reserve, potencialmente ajudando em previsões de mudanças de política e negociação.
Essa tecnologia permite aconselhamento financeiro personalizado e recomendações para aprimorar a experiência do cliente. A Morgan Stanley, por exemplo, utiliza IA generativa para ajudar os consultores financeiros a responderem às perguntas dos investidores. Em outro exemplo, o BondGPT da Broadridge simplifica a identificação de títulos corporativos em sua plataforma LTX, aumentando a eficiência na seleção de títulos e na construção de portfólios. Isso beneficia gestores de ativos, fundos de hedge e dealers, além de aprimorar plataformas existentes.
Jim Crowley, chefe global do BNY Mellon Pershing, acredita que a IA generativa tem "enorme potencial na gestão de patrimônio". O Wove do BNY Mellon capacita os consultores de patrimônio com uma experiência interconectada que a IA generativa pode amplificar para criar insights mais acionáveis para os clientes.
A IA generativa serve para diversos outros propósitos, incluindo identificação de fraudes e desenvolvimento seguro de software. O JPMorgan utiliza grandes modelos de linguagem (LLMs, na sigla em inglês) em cima de suas técnicas de detecção de fraudes, usando análise de padrões para detectar sinais de comprometimento de e-mail por meio de compreensão contextual. O Goldman Sachs utiliza isso para automatizar testes e escrita de código por meio de comandos em inglês, melhorando a produtividade.
Players de infraestrutura de mercado, como Nasdaq e London Stock Exchange Group, também começaram a experimentar com IA generativa. Este último está trabalhando com a Microsoft e vários bancos para criar modelos de IA generativa personalizados em um movimento que mostra como a indústria de serviços financeiros está buscando aproveitar a tecnologia sem expor dados proprietários.
A IA generativa não está isenta de preocupações
A IA generativa tem suas limitações. A tecnologia é bastante nova, com desafios a serem abordados antes que as empresas de mercado de capital a adotem. As principais preocupações estão relacionadas à privacidade dos dados, vieses algorítmicos e deslocamento de empregos. Além disso, a dependência da IA para tomada de decisões levanta questões sobre responsabilidade e transparência nas práticas financeiras. As empresas devem considerar seus retornos de investimento ao mesmo tempo em que gerenciam a transição de seus complexos legados tecnológicos.
É confiável?
a) Conformidade regulatória: os mercados de capital são altamente regulamentados, e qualquer produto de IA generativa também deve estar em conformidade. Estruturas de governança para uso de IA, incluindo interpretabilidade e responsabilidade por decisões impulsionadas por IA, são necessárias. Embora o ambiente regulatório para a IA ainda esteja evoluindo, ele cria incerteza e riscos de conformidade. No entanto, órgãos reguladores e governos iniciaram medidas em 2023 para abordar essas preocupações. Nos EUA, a Securities and Exchange Commission (SEC) está cada vez mais fiscalizando conselhos baseados em IA para garantir conformidade e proteger o interesse dos investidores. O governo dos EUA emitiu uma ordem executiva para gerenciar os riscos associados à IA generativa. Para uma indústria geralmente considerada prejudicada por regulamentações, este setor busca ativamente medidas para facilitar a adoção da IA generativa. O JPMorgan, por exemplo, está se envolvendo com reguladores dos EUA para explicar seus projetos de IA generativa e garantir controles adequados.
b) Preocupações com viés e respostas éticas: os LLMs "alucinam" – criam resultados que não são verdadeiros – e aprendem e perpetuam vieses nas respostas com base em seus dados de treinamento, levando a resultados injustos ou discriminatórios. Diretrizes éticas claramente definidas podem abordar preocupações em torno da geração de conteúdo prejudicial e garantir o uso ético da IA, especialmente em áreas sensíveis como aconselhamento financeiro e avaliação de riscos.
É adaptado aos mercados de capital?
a) Compartilhamento de dados em um ambiente regulamentado: a qualidade da resposta da tecnologia se correlaciona com a qualidade da entrada no LLM. A maioria das empresas de mercado de capital regulamentadas reluta em alimentar dados proprietários e de clientes no LLM, não permitindo que as respostas sejam tão precisas quanto poderiam ser. A Morgan Stanley "ajustou" o modelo GPT-4 que sustenta o ChatGPT em milhares de documentos de empresas para construir sua própria ferramenta interna. Isso alivia preocupações com alucinações e protege a propriedade intelectual corporativa.
b) Integração com sistemas legados existentes: empresas de mercado de capital ainda operam em sistemas legados e dentro de silos de dados, causando possíveis problemas de integração com tecnologias de IA generativa. Atualizar ou modificar esses sistemas pode ser caro e demorado.
É escalável?
a) Escassez de talentos: empresas de mercado de capital têm que competir com grandes empresas de tecnologia por talentos de IA generativa. Há uma escassez de especialistas em IA que possam construir soluções responsáveis, sustentáveis e produtivas. Uma pesquisa da Infosys com empresas da América do Norte apoia isso – a falta de habilidades e talentos é o maior desafio para 24% das empresas de serviços financeiros. Um requisito-chave de talento aqui são engenheiros ágeis, que transitam entre programação e escrita criativa. Eles estão muito em demanda e altamente remunerados – a Anthropic, último investimento de US$ 300 milhões do Google, está contratando engenheiros ágeis com salários de até US$ 335.000 por ano, destacando o valor atribuído à engenharia ágil e seu papel como conjunto de habilidades crucial. A demanda por funções como cientista aplicado de IA generativa e engenheiro de pesquisa em modelagem generativa multimodal aumentou, exigindo habilidades como engenharia ágil, treinamento de modelos de linguagem de IA e cadeias de engenharia.
b) Alto custo de treinamento: treinar e executar um LLM é caro, exigindo grandes quantidades de energia: diz-se que treinar o GPT-4 custou mais de US$ 100 milhões. Além disso, o processo de "ajuste fino", que envolve ajustes no modelo, incorre em um preço com base no tamanho do treinamento, dados de entrada e saída. Os preços são por 1.000 tokens ou quase 750 palavras. Além disso, manter um LLM pode ser especialmente oneroso para empresas menores. E demonstrar um retorno sobre esse investimento a curto prazo pode ser desafiador.
Adote a IA generativa nos mercados de capital
Apesar dos desafios, as vantagens potenciais da IA generativa tornam difícil ignorá-la. Para as empresas adotarem a IA generativa rapidamente, porém com segurança, uma combinação de cultura, responsabilidade e impacto deve ser considerada:
1. É sobre cultura
a) Abraçar a mudança cultural: uma cultura de inovação é fundamental para a adoção rápida e bem-sucedida da IA generativa. Empresas tradicionais baseiam-se em sua reputação de serem seguras, estáveis e consideradas – o oposto do que é necessário para inovar. Adotar características de testar rapidamente, falhar rapidamente e mudar com agilidade pode dar às empresas avanços precoces. Por exemplo, a Morgan Stanley começou sua jornada com a IA generativa antes da maioria das empresas.
Uma cultura de inovação lança as bases para se tornar a primeira empresa em IA – entender quais experiências e processos ampliar por meio da IA, a ferramenta e automação necessárias para implantar modelos e obter o talento e modelo operacional adequados para dar vida a essa IA.
b) Suporte da gestão: o apoio executivo é crucial para construir uma solução de IA generativa. Eles também devem ter supervisão adequada dos sistemas de IA, com responsabilidade clara e entendimento suficiente da IA. Uma pesquisa da Infosys com empresas nos EUA e Canadá constatou que um ponto positivo claro nessa rápida adoção da IA generativa é que ela está sendo levada a sério pelos executivos sênior, e além das equipes de TI. Nossa pesquisa revela que tanto CEOs quanto líderes de unidades de negócios desempenham papéis importantes.
c) Investir em treinamento e aprendizado contínuo: um programa de treinamento bem desenvolvido para equipar os funcionários com as habilidades necessárias é fundamental para a adoção em larga escala. Isso pode incluir sessões de treinamento internas, certificações externas e workshops práticos, como hackathons. As empresas também devem promover um ambiente de aprendizado contínuo para acompanhar as tecnologias e aplicações de IA em constante evolução.
2. Trata-se de responsabilidade
a) Responsabilidade desde a concepção: integre considerações éticas no design e na arquitetura das soluções de IA generativa, focando especialmente em evitar viés, proteger a privacidade e prevenir conteúdo prejudicial. Desenvolva um framework de responsabilidade desde a concepção para o uso ético da IA. A IA responsável desde a concepção é orientada por princípios como supervisão humana e governança em cada estágio, auditoria constante de processos e produtos para equidade e inclusão, e uma IA transparente, explicável, confiável, segura e privada em cada estágio. Implemente isso por meio de cinco blocos de construção: objetivo, governança, métricas, capacidades e conformidade.
b) Mantenha-se ágil e flexível: projete soluções flexíveis e adaptáveis para alternar entre diferentes modelos de linguagem (LLMs) ou tecnologias sem grandes revisões. Mantenha-se atualizado sobre os desenvolvimentos da IA generativa para aproveitar as oportunidades emergentes.
c) Incentive a implementação: implemente estruturas de incentivo que encorajem os funcionários a se envolverem e aproveitarem as capacidades da IA generativa. Estabeleça um sistema de recompensas para a implementação bem-sucedida e uso inovador da tecnologia, promovendo uma cultura de inovação e conquista.
3. Trata-se de maximizar o impacto
a) Selecione o caso de uso adequado: escolha um caso de uso que ofereça vitórias rápidas e aborde desafios contínuos sem ajustes extensivos ou engenharia de prompt. Opte por aqueles com aplicação generalizada e critérios de sucesso claros e facilmente compreensíveis.
b) Resolva problemas comerciais exclusivos para escalabilidade: após estabelecer a base da IA generativa, resolva problemas comerciais exclusivos do setor. Isso pode gerar um ROI significativo a curto e médio prazo. Essa abordagem também pode conferir uma vantagem competitiva à medida que a tecnologia amadurece.
c) Aceite o fracasso: cultive uma cultura que tolere e aprenda com os fracassos, compreendendo que a IA generativa é algo relativamente novo. Incentive a prototipagem rápida e iteração, permitindo aprendizado rápido e ajustes com base em feedback e resultados.
As empresas do mercado de capitais adotam cautelosamente a IA generativa devido à escrutinação regulatória em torno do setor. Como resultado, a maioria dos casos de uso não envolve atividades diretas com clientes, como fornecer conselhos. Isso indica a necessidade de supervisão humana, apesar dos benefícios de eficiência e automação.
Enquanto algumas empresas abraçam totalmente a IA generativa em seus negócios, incluindo tecnologia e operações, outras estão experimentando, mas hesitam em investir em uma estratégia abrangente. Algumas ainda estão preocupadas com a confiabilidade da tecnologia.
Uma solução para cada uma dessas categorias de empresas é a parceria. As parcerias oferecem acesso a conhecimentos especializados, ferramentas e melhores práticas, ao mesmo tempo em que adaptam estratégias de adoção, aceleram a implementação e mitigam armadilhas comuns.
Ankush Srivastava, vice-presidente global da Infosys e Sharan Bathija, consultor sênior de serviços financeiros do Infosys Knowledge Institute.
