Como os bancos aplicam a inteligência artificial generativa na prática?
Se deixarmos de lado as manchetes e a especulação, a essência da questão é: como é que os maiores bancos do mundo estão realmente a usar a IA generativa? Não é sobre o potencial futuro, nem sobre a propaganda dos fornecedores, mas onde estão as aplicações práticas que já foram implementadas?
Nos últimos dois anos, a indústria financeira global entrou silenciosamente na era da IA generativa. No entanto, esse processo não é uniforme, apresentando um padrão distinto entre o interior e o exterior: a implementação discreta de ferramentas internas, experimentos cautelosos voltados para os clientes e algumas inovações ousadas estão gradualmente reformulando a estrutura interna dos bancos.
Comece de dentro para fora, e depois expanda gradualmente.
A aplicação de IA tem um ponto em comum: começa com ferramentas de produtividade internas.
A principal aplicação da IA generativa está focada na melhoria da produtividade interna – ferramentas que ajudam os colaboradores a fazer mais com menos. Do assistente de analista do JPMorgan na interpretação da pesquisa de ações à ferramenta GPT do Morgan Stanley que capacita os consultores de gestão de patrimônio, o foco inicial era capacitar os banqueiros, não substituí-los.
O Goldman Sachs está a construir assistentes de IA para desenvolvedores; a ferramenta de resumo de IA do Citi ajuda os funcionários a processar memorandos e a escrever e-mails; o "SC GPT" do Standard Chartered já está disponível para os seus 70.000 funcionários, abrangendo tudo, desde a redação de propostas até questões de recursos humanos.
Dado que estamos em um ambiente altamente regulado, a implementação de ferramentas internas torna-se particularmente razoável. Isso permite que os bancos experimentem e aprimorem suas capacidades de IA sem ultrapassar as linhas vermelhas regulatórias. Se considerarmos as recentes ações do CBN (Banco Central da Nigéria) em relação ao Zap, então "a prudência é a melhor escolha" é claramente uma opção mais sábia.
Observação da linha de negócios: onde está o valor?
O progresso das aplicações de IA em diferentes departamentos varia. Existem diferenças na velocidade de adoção da IA generativa entre os diferentes departamentos de negócios. Neste contexto, os bancos de varejo estão na liderança em termos de volume de transações. Neste setor, chatbots impulsionados por IA generativa, como o Fargo do Wells Fargo e o Erica do Bank of America, lidam com centenas de milhões de interações anualmente. Na Europa, o Commerzbank recentemente lançou seu próprio chatbot, Ava.
No entanto, o problema é que algumas dessas ferramentas na verdade não utilizam inteligência artificial generativa, mas dependem de técnicas tradicionais de aprendizado de máquina. Por exemplo, a Erica do Bank of America funciona mais como um "Mecanismo Turco" (Mechanical Turk, referindo-se à ilusão de automação alcançada através de operações humanas). Apesar disso, é importante considerar os próprios experimentos, e não os rótulos tecnológicos.
No setor corporativo e bancário de investimento, a transformação é mais sutil. As ferramentas internas do JPMorgan são principalmente voltadas para apoiar as equipes de pesquisa e vendas, em vez de se dirigirem diretamente aos clientes. O Deutsche Bank, por sua vez, utiliza a IA para analisar os registros de comunicação dos clientes, o que não é um serviço ao cliente, mas sim uma capacitação de dados, ajudando os banqueiros a entender e servir os clientes de forma mais rápida e eficaz.
A gestão de património situa-se entre os dois. As ferramentas de IA do Morgan Stanley não falam diretamente com os clientes, mas garantem que os consultores estejam bem preparados antes de cada reunião. O Deutsche Bank e o First Abu Dhabi Bank estão a testar assistentes direcionados a clientes de topo, com o objetivo de responder em tempo real a questões de investimento complexas.
Diferenças regionais: quem está liderando?
Fonte: Evident AI Index
A região da América do Norte está, como esperado, em uma posição de liderança. Bancos dos Estados Unidos, como JPMorgan, Capital One, Wells Fargo, Citi e Royal Bank of Canada (RBC), transformaram a IA em um motor de produtividade. Graças à colaboração com a OpenAI e a Microsoft, eles foram os primeiros a ter acesso aos modelos de IA mais avançados.
A Europa é mais cautelosa. O Banco Bilbao Vizcaya Argentaria (BBVA), o Deutsche Bank e o HSBC estão testando internamente ferramentas de IA e estabeleceram mais medidas de segurança. O Regulamento Geral sobre a Proteção de Dados (GDPR) tem um impacto profundo sobre eles. Como sempre, a Europa está mais focada na regulamentação do que no avanço tecnológico, o que pode custar caro.
África e América Latina ainda estão em estágios iniciais de desenvolvimento de IA, mas os avanços são rápidos. O Nubank do Brasil se destaca, colaborando com a OpenAI para implementar ferramentas de IA internamente, e finalmente expandir para o atendimento ao cliente. Na África do Sul, o Standard Bank e o Nedbank estão realizando pilotos na área de IA, cobrindo controle de riscos, serviços de suporte e desenvolvimento.
China: Construir uma pilha de tecnologia de IA autónoma
Os bancos na China não só estão a utilizar IA, como também estão a construir uma pilha de tecnologias de IA.
O Banco Industrial e Comercial da China (ICBC) lançou o "Zhiyong", um modelo de linguagem grande com 100 bilhões de parâmetros, desenvolvido internamente. O modelo já foi chamado mais de um bilhão de vezes e suporta 200 cenários de negócios, desde análise de documentos até automação de marketing. Não é apenas uma aplicação de ferramentas internas, é uma mudança fundamental na forma como os bancos operam.
O Ant Group lançou dois grandes modelos de linguagem para o setor financeiro - Zhixiaobao 2.0 e Zhixiaozhu 1.0. O primeiro é direcionado aos usuários comuns do Alipay e visa explicar produtos financeiros; o segundo oferece suporte a consultores de gestão de patrimônio, podendo resumir relatórios de mercado e gerar insights sobre carteiras de investimento.
O Ping An Group, um gigante fintech que integra seguros, banca e tecnologia, foi mais longe. Ela desenvolveu o AskBob, um assistente de IA generativa que atende clientes e gerentes de conta. Para os clientes, a AskBob pode responder a perguntas sobre investimento e seguros em chinês natural; Para os consultores, ele extrai e resume o histórico do cliente, os dados do produto e os materiais de marketing, transformando cada agente em um especialista financeiro aprimorado digitalmente. O objetivo de Ping An é redefinir a consultoria financeira através da IA, não apenas para responder a perguntas, mas para antecipar a demanda com antecedência.
Na China, o quadro regulatório incentiva fortemente a localização de dados e a transparência dos modelos, e essas instituições escolheram um caminho mais a longo prazo: construir uma IA personalizada que possa adaptar-se à regulamentação, idioma e ambiente de mercado internos. Além disso, a China possui uma densidade de talentos suficiente para que os bancos possam desenvolver de forma independente modelos básicos, o que pode ser uma conquista única em todo o mundo.
Quem está a fornecer apoio técnico?
Algumas empresas conhecidas aparecem com frequência em todo o mundo: a Microsoft através do Azure OpenAI tornou-se a plataforma mais comum atualmente. Desde o Morgan Stanley até o Standard Chartered, muitos bancos estão a executar os seus modelos no ambiente seguro em sandbox da Microsoft.
Os LLMs (modelos de linguagem de grande escala) do Google também estão sendo usados, como o Wells Fargo utilizando o Flan. Na China, a dependência é principalmente de tecnologias locais, como DeepSeek e Hunyuan.
Alguns bancos, como o JPMorgan Chase, o Banco Industrial e Comercial da China e o Grupo Ping An, estão a treinar os seus próprios modelos. Mas a maioria dos bancos está a fazer ajustes finos com base em modelos existentes. A chave não está em ter o modelo em si, mas sim em controlar a camada de dados e a coordenação da operação do modelo.
Exploração da diversidade de aplicações de IA em todo o mundo
A imagem original pode ser vista no texto original, compilado por: 深潮TechFlow
E daí?
Em um setor altamente regulamentado, a cautela é crucial, e é por isso que os bancos estão engajando a IA em vez de estarem diretamente na linha de frente. No entanto, como observamos em outras mudanças de plataforma, a tomada de decisões decisivas e a experimentação rápida são fundamentais. A regulamentação nunca fica à frente da aplicação, e não é sensato esperar que a regulamentação esteja em vigor antes de experimentar a IA. Lembro-me de ter criado agências bancárias há mais de uma década, num país onde não havia regulamentação. Uma vez terminado, tornamo-nos aqueles que explicam o negócio ao banco central. Se fizesse parte do conselho de administração de um banco, perguntaria: "Quantas experiências estamos a fazer?" Quantos insights estamos gerando? ”
Para realmente medir o progresso, é necessário voltar aos princípios fundamentais da transformação da plataforma. A sua estratégia de IA deve responder às seguintes perguntas:
"A nossa estratégia de IA reconstruiu a arquitetura central? Reduziu os custos em 100 vezes? Desbloqueou novos modelos de valor? Estimulou a interconexão do ecossistema? Revolucionou o mercado? Democratizou o acesso?"
A lógica é clara – o ceticismo é necessário, mas tanto a lógica quanto os fatos sugerem que a IA é uma nova mudança de plataforma. Além disso, a lógica e os factos também mostram que as mudanças de plataforma passadas levaram frequentemente a mudanças revolucionárias nos mercados financeiros. O Citibank, por exemplo, expandiu significativamente seus negócios de varejo com a aplicação da tecnologia nas décadas de 70 e 80. O Capital One cresceu do zero para se tornar um dos 10 maiores bancos do mercado e tem uma forte presença em indústrias relacionadas, como empréstimos de automóveis e hipotecas. Na África, o Equity Bank aproveitou a onda de tecnologia cliente-servidor para se tornar o maior banco da África Oriental por capitalização de mercado. Da mesma forma, Access Bank, GT Bank e Capitec entraram na onda em seus respetivos mercados.
A era das plataformas de IA já chegou e ela criará vencedores. O foco não está em prestar atenção nos perdedores, mas em como os vencedores conquistam uma participação de mercado significativa em áreas específicas. Por exemplo, o sucesso da Stripe no setor de pagamentos é um caso típico. Esses avanços iniciais muitas vezes levam a um crescimento da participação de mercado em áreas adjacentes, como o Nubank que se tornou um jogador importante no setor de pequenas e médias empresas e bancos de varejo através de seus serviços de cartão de crédito.
A minha opinião é que os vencedores da era da IA se concentrarão no custo das relações. Já não se trata apenas de um jogo de transações. As transações já ocorreram, agora é um jogo de experiência do cliente e gestão de relações. Este é o núcleo da percepção que os líderes de serviços financeiros devem focar. Como conseguir uma melhoria de 100 vezes na experiência do cliente e no banking relacional a um custo extremamente baixo? Como um banco pode usar a tecnologia inteligente para ajudar melhor os clientes a gerir as suas finanças, negócios e vidas? Os jogadores que conseguirem responder e executar estas questões serão os vencedores finais.
Ver original
O conteúdo é apenas para referência, não uma solicitação ou oferta. Nenhum aconselhamento fiscal, de investimento ou jurídico é fornecido. Consulte a isenção de responsabilidade para obter mais informações sobre riscos.
Gigantes do setor bancário dos EUA e da China estão adotando IA generativa
Autor: Samora Kariuki
Compilado por: ShenChao TechFlow
A onda global de IA
Como os bancos aplicam a inteligência artificial generativa na prática?
Se deixarmos de lado as manchetes e a especulação, a essência da questão é: como é que os maiores bancos do mundo estão realmente a usar a IA generativa? Não é sobre o potencial futuro, nem sobre a propaganda dos fornecedores, mas onde estão as aplicações práticas que já foram implementadas?
Nos últimos dois anos, a indústria financeira global entrou silenciosamente na era da IA generativa. No entanto, esse processo não é uniforme, apresentando um padrão distinto entre o interior e o exterior: a implementação discreta de ferramentas internas, experimentos cautelosos voltados para os clientes e algumas inovações ousadas estão gradualmente reformulando a estrutura interna dos bancos.
Comece de dentro para fora, e depois expanda gradualmente.
A aplicação de IA tem um ponto em comum: começa com ferramentas de produtividade internas.
A principal aplicação da IA generativa está focada na melhoria da produtividade interna – ferramentas que ajudam os colaboradores a fazer mais com menos. Do assistente de analista do JPMorgan na interpretação da pesquisa de ações à ferramenta GPT do Morgan Stanley que capacita os consultores de gestão de patrimônio, o foco inicial era capacitar os banqueiros, não substituí-los.
O Goldman Sachs está a construir assistentes de IA para desenvolvedores; a ferramenta de resumo de IA do Citi ajuda os funcionários a processar memorandos e a escrever e-mails; o "SC GPT" do Standard Chartered já está disponível para os seus 70.000 funcionários, abrangendo tudo, desde a redação de propostas até questões de recursos humanos.
Dado que estamos em um ambiente altamente regulado, a implementação de ferramentas internas torna-se particularmente razoável. Isso permite que os bancos experimentem e aprimorem suas capacidades de IA sem ultrapassar as linhas vermelhas regulatórias. Se considerarmos as recentes ações do CBN (Banco Central da Nigéria) em relação ao Zap, então "a prudência é a melhor escolha" é claramente uma opção mais sábia.
Observação da linha de negócios: onde está o valor?
O progresso das aplicações de IA em diferentes departamentos varia. Existem diferenças na velocidade de adoção da IA generativa entre os diferentes departamentos de negócios. Neste contexto, os bancos de varejo estão na liderança em termos de volume de transações. Neste setor, chatbots impulsionados por IA generativa, como o Fargo do Wells Fargo e o Erica do Bank of America, lidam com centenas de milhões de interações anualmente. Na Europa, o Commerzbank recentemente lançou seu próprio chatbot, Ava.
No entanto, o problema é que algumas dessas ferramentas na verdade não utilizam inteligência artificial generativa, mas dependem de técnicas tradicionais de aprendizado de máquina. Por exemplo, a Erica do Bank of America funciona mais como um "Mecanismo Turco" (Mechanical Turk, referindo-se à ilusão de automação alcançada através de operações humanas). Apesar disso, é importante considerar os próprios experimentos, e não os rótulos tecnológicos.
No setor corporativo e bancário de investimento, a transformação é mais sutil. As ferramentas internas do JPMorgan são principalmente voltadas para apoiar as equipes de pesquisa e vendas, em vez de se dirigirem diretamente aos clientes. O Deutsche Bank, por sua vez, utiliza a IA para analisar os registros de comunicação dos clientes, o que não é um serviço ao cliente, mas sim uma capacitação de dados, ajudando os banqueiros a entender e servir os clientes de forma mais rápida e eficaz.
A gestão de património situa-se entre os dois. As ferramentas de IA do Morgan Stanley não falam diretamente com os clientes, mas garantem que os consultores estejam bem preparados antes de cada reunião. O Deutsche Bank e o First Abu Dhabi Bank estão a testar assistentes direcionados a clientes de topo, com o objetivo de responder em tempo real a questões de investimento complexas.
Diferenças regionais: quem está liderando?
Fonte: Evident AI Index
A região da América do Norte está, como esperado, em uma posição de liderança. Bancos dos Estados Unidos, como JPMorgan, Capital One, Wells Fargo, Citi e Royal Bank of Canada (RBC), transformaram a IA em um motor de produtividade. Graças à colaboração com a OpenAI e a Microsoft, eles foram os primeiros a ter acesso aos modelos de IA mais avançados.
A Europa é mais cautelosa. O Banco Bilbao Vizcaya Argentaria (BBVA), o Deutsche Bank e o HSBC estão testando internamente ferramentas de IA e estabeleceram mais medidas de segurança. O Regulamento Geral sobre a Proteção de Dados (GDPR) tem um impacto profundo sobre eles. Como sempre, a Europa está mais focada na regulamentação do que no avanço tecnológico, o que pode custar caro.
África e América Latina ainda estão em estágios iniciais de desenvolvimento de IA, mas os avanços são rápidos. O Nubank do Brasil se destaca, colaborando com a OpenAI para implementar ferramentas de IA internamente, e finalmente expandir para o atendimento ao cliente. Na África do Sul, o Standard Bank e o Nedbank estão realizando pilotos na área de IA, cobrindo controle de riscos, serviços de suporte e desenvolvimento.
China: Construir uma pilha de tecnologia de IA autónoma
Os bancos na China não só estão a utilizar IA, como também estão a construir uma pilha de tecnologias de IA.
O Banco Industrial e Comercial da China (ICBC) lançou o "Zhiyong", um modelo de linguagem grande com 100 bilhões de parâmetros, desenvolvido internamente. O modelo já foi chamado mais de um bilhão de vezes e suporta 200 cenários de negócios, desde análise de documentos até automação de marketing. Não é apenas uma aplicação de ferramentas internas, é uma mudança fundamental na forma como os bancos operam.
O Ant Group lançou dois grandes modelos de linguagem para o setor financeiro - Zhixiaobao 2.0 e Zhixiaozhu 1.0. O primeiro é direcionado aos usuários comuns do Alipay e visa explicar produtos financeiros; o segundo oferece suporte a consultores de gestão de patrimônio, podendo resumir relatórios de mercado e gerar insights sobre carteiras de investimento.
O Ping An Group, um gigante fintech que integra seguros, banca e tecnologia, foi mais longe. Ela desenvolveu o AskBob, um assistente de IA generativa que atende clientes e gerentes de conta. Para os clientes, a AskBob pode responder a perguntas sobre investimento e seguros em chinês natural; Para os consultores, ele extrai e resume o histórico do cliente, os dados do produto e os materiais de marketing, transformando cada agente em um especialista financeiro aprimorado digitalmente. O objetivo de Ping An é redefinir a consultoria financeira através da IA, não apenas para responder a perguntas, mas para antecipar a demanda com antecedência.
Na China, o quadro regulatório incentiva fortemente a localização de dados e a transparência dos modelos, e essas instituições escolheram um caminho mais a longo prazo: construir uma IA personalizada que possa adaptar-se à regulamentação, idioma e ambiente de mercado internos. Além disso, a China possui uma densidade de talentos suficiente para que os bancos possam desenvolver de forma independente modelos básicos, o que pode ser uma conquista única em todo o mundo.
Quem está a fornecer apoio técnico?
Algumas empresas conhecidas aparecem com frequência em todo o mundo: a Microsoft através do Azure OpenAI tornou-se a plataforma mais comum atualmente. Desde o Morgan Stanley até o Standard Chartered, muitos bancos estão a executar os seus modelos no ambiente seguro em sandbox da Microsoft.
Os LLMs (modelos de linguagem de grande escala) do Google também estão sendo usados, como o Wells Fargo utilizando o Flan. Na China, a dependência é principalmente de tecnologias locais, como DeepSeek e Hunyuan.
Alguns bancos, como o JPMorgan Chase, o Banco Industrial e Comercial da China e o Grupo Ping An, estão a treinar os seus próprios modelos. Mas a maioria dos bancos está a fazer ajustes finos com base em modelos existentes. A chave não está em ter o modelo em si, mas sim em controlar a camada de dados e a coordenação da operação do modelo.
Exploração da diversidade de aplicações de IA em todo o mundo
A imagem original pode ser vista no texto original, compilado por: 深潮TechFlow
E daí?
Em um setor altamente regulamentado, a cautela é crucial, e é por isso que os bancos estão engajando a IA em vez de estarem diretamente na linha de frente. No entanto, como observamos em outras mudanças de plataforma, a tomada de decisões decisivas e a experimentação rápida são fundamentais. A regulamentação nunca fica à frente da aplicação, e não é sensato esperar que a regulamentação esteja em vigor antes de experimentar a IA. Lembro-me de ter criado agências bancárias há mais de uma década, num país onde não havia regulamentação. Uma vez terminado, tornamo-nos aqueles que explicam o negócio ao banco central. Se fizesse parte do conselho de administração de um banco, perguntaria: "Quantas experiências estamos a fazer?" Quantos insights estamos gerando? ”
Para realmente medir o progresso, é necessário voltar aos princípios fundamentais da transformação da plataforma. A sua estratégia de IA deve responder às seguintes perguntas:
"A nossa estratégia de IA reconstruiu a arquitetura central? Reduziu os custos em 100 vezes? Desbloqueou novos modelos de valor? Estimulou a interconexão do ecossistema? Revolucionou o mercado? Democratizou o acesso?"
A lógica é clara – o ceticismo é necessário, mas tanto a lógica quanto os fatos sugerem que a IA é uma nova mudança de plataforma. Além disso, a lógica e os factos também mostram que as mudanças de plataforma passadas levaram frequentemente a mudanças revolucionárias nos mercados financeiros. O Citibank, por exemplo, expandiu significativamente seus negócios de varejo com a aplicação da tecnologia nas décadas de 70 e 80. O Capital One cresceu do zero para se tornar um dos 10 maiores bancos do mercado e tem uma forte presença em indústrias relacionadas, como empréstimos de automóveis e hipotecas. Na África, o Equity Bank aproveitou a onda de tecnologia cliente-servidor para se tornar o maior banco da África Oriental por capitalização de mercado. Da mesma forma, Access Bank, GT Bank e Capitec entraram na onda em seus respetivos mercados.
A era das plataformas de IA já chegou e ela criará vencedores. O foco não está em prestar atenção nos perdedores, mas em como os vencedores conquistam uma participação de mercado significativa em áreas específicas. Por exemplo, o sucesso da Stripe no setor de pagamentos é um caso típico. Esses avanços iniciais muitas vezes levam a um crescimento da participação de mercado em áreas adjacentes, como o Nubank que se tornou um jogador importante no setor de pequenas e médias empresas e bancos de varejo através de seus serviços de cartão de crédito.
A minha opinião é que os vencedores da era da IA se concentrarão no custo das relações. Já não se trata apenas de um jogo de transações. As transações já ocorreram, agora é um jogo de experiência do cliente e gestão de relações. Este é o núcleo da percepção que os líderes de serviços financeiros devem focar. Como conseguir uma melhoria de 100 vezes na experiência do cliente e no banking relacional a um custo extremamente baixo? Como um banco pode usar a tecnologia inteligente para ajudar melhor os clientes a gerir as suas finanças, negócios e vidas? Os jogadores que conseguirem responder e executar estas questões serão os vencedores finais.