A região da América do Norte está, como esperado, na dianteira.
Escrito por: Samora Kariuki
Compilado por: Deep Tide TechFlow
A onda global de IA
Como os bancos estão realmente a utilizar a IA generativa?
Se deixarmos de lado as manchetes e a especulação, a essência da questão é: como é que os maiores bancos do mundo estão a utilizar a IA generativa? Não é sobre o potencial futuro, nem sobre a propaganda dos fornecedores, mas sim sobre onde estão as aplicações práticas já 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, experimentações cautelosas voltadas para o cliente e algumas inovações ousadas estão gradualmente reestruturando a arquitetura interna dos bancos.
Comece de dentro para fora, expandindo gradualmente.
A aplicação da IA tem um ponto em comum: começa com ferramentas de produtividade internas.
As principais aplicações da IA generativa concentram-se em aumentar a produtividade interna - essas ferramentas ajudam os funcionários a realizar mais trabalho com menos recursos. Desde assistentes analíticos da JPMorgan que interpretam pesquisas de ações até ferramentas impulsionadas por GPT que oferecem suporte a consultores de gestão de patrimônio da Morgan Stanley, o foco inicial foi capacitar os profissionais bancários, em vez de 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 redigir e-mails; o "SC GPT" do Standard Chartered já está disponível para os seus 70 mil funcionários, abrangendo todos os aspectos desde a redação de propostas até questões de recursos humanos.
Dado que estamos em um ambiente altamente regulamentado, a implementação de ferramentas internas parece especialmente razoável. Isso permite que os bancos realizem experimentos e melhorem suas capacidades de IA sem ultrapassar as linhas vermelhas regulatórias. Se considerarmos a recente ação do CBN (Banco Central da Nigéria) sobre o Zap, então "a prudência é a melhor opção" é claramente uma escolha mais sábia.
Observação da linha de negócios: onde está o valor?
A adoção da IA varia de setor para setor. Existem diferenças na velocidade com que a IA generativa está sendo adotada por diferentes unidades de negócios. Entre eles, os bancos de retalho estão a liderar o caminho em termos de volume de transações. Neste espaço, chatbots generativos alimentados por IA, como Fargo, do Wells Fargo, e Erica, do Bank of America, lidam com centenas de milhões de interações todos os anos. Na Europa, o Commerzbank lançou recentemente seu próprio chatbot, o Ava.
No entanto, o problema é que algumas dessas ferramentas não utilizam realmente IA generativa, mas sim técnicas tradicionais de aprendizado de máquina. Por exemplo, a Erica do Bank of America funciona mais como um "Turco Mecânico" (Mechanical Turk, que se refere a uma ilusão de automação realizada através de operação humana). Mesmo assim, é importante focar nos próprios experimentos, e não nos rótulos técnicos.
No setor empresarial e de bancos de investimento, a transformação é mais sutil. As ferramentas internas do JPMorgan apoiam principalmente as equipes de pesquisa e vendas, e não são direcionadas diretamente aos clientes. O Deutsche Bank, por sua vez, utiliza a IA para analisar os registros de comunicação dos clientes, o que não se trata de atendimento ao cliente, mas sim de capacitação de dados, ajudando os banqueiros a entender e atender os clientes de forma mais rápida e eficaz.
A gestão de patrimónios situa-se entre as duas. As ferramentas de IA do Morgan Stanley não conversam 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 voltados para os clientes de topo, com o objetivo de responder em tempo real a questões de investimento complexas.
Diferenças regionais: quem está na liderança?
Fonte: Evident AI Index
A região da América do Norte está, como esperado, na vanguarda. Bancos dos Estados Unidos, como JPMorgan, Capital One, Wells Fargo, Citi e RBC, transformaram a IA em um motor de produtividade. Graças à colaboração com a OpenAI e a Microsoft, eles tiveram acesso antecipado aos modelos de IA mais avançados.
A Europa é mais cautelosa. O Banco Bilbao Vizcaya Argentaria (BBVA), o Deutsche Bank e o HSBC estão a testar internamente ferramentas de IA, tendo implementado mais medidas de segurança. O Regulamento Geral sobre a Proteção de Dados (GDPR) tem um impacto profundo. Como sempre, a Europa está mais focada na regulação do que no progresso tecnológico, o que pode ter um custo.
A África e a América Latina ainda estão nas fases iniciais do desenvolvimento da IA, mas os progressos são rápidos. O Nubank do Brasil destaca-se, colaborando com a OpenAI, inicialmente implementando ferramentas de IA internamente e, finalmente, expandindo para o atendimento ao cliente. Na África do Sul, o Standard Bank e o Nedbank estão realizando pilotos na área de IA, abrangendo controle de riscos, serviços de suporte e desenvolvimento.
China: Construir uma pilha de tecnologia de IA autônoma
Os bancos da China não só estão a usar IA, como também a construir uma pilha de tecnologias de IA.
O Banco Industrial e Comercial da China (ICBC) lançou o "Zhi Yong", um grande modelo de linguagem com 1000 bilhões de parâmetros, desenvolvido internamente. Este modelo já foi chamado mais de um bilhão de vezes, suportando 200 cenários de negócios, desde análise de documentos até automação de marketing. Isto não é apenas a aplicação de uma ferramenta interna, mas uma mudança fundamental na forma como o banco opera.
O Ant Group lançou dois grandes modelos de linguagem na área financeira - Zhixiaobao 2.0 e Zhixiaozhu 1.0. O primeiro é direcionado a usuários comuns do Alipay e visa explicar produtos financeiros; o segundo oferece suporte a consultores de gestão de patrimónios, podendo resumir relatórios de mercado e gerar insights sobre carteiras de investimento.
O Grupo Ping An, como um gigante de fintech que integra seguros, bancos e tecnologia, está indo mais longe. O assistente de IA generativa que desenvolveram, AskBob, atende tanto os clientes quanto os gerentes de conta. Para os clientes, AskBob pode responder a perguntas sobre investimentos e seguros em chinês natural; para os consultores, ele pode extrair e resumir o histórico dos clientes, dados de produtos e materiais de marketing, transformando cada agente em um especialista financeiro digitalmente aprimorado. O objetivo do Ping An é redefinir a consultoria financeira por meio da IA, não apenas respondendo a perguntas, mas também prevendo necessidades com antecedência.
Na China, o quadro regulatório incentiva fortemente a localização de dados e a transparência dos modelos, e essas instituições optaram por um caminho mais a longo prazo: construir uma IA personalizada capaz de se adaptar à regulamentação interna, ao idioma e ao ambiente de mercado. Além disso, a China possui uma densidade de talentos suficiente, permitindo que os bancos desenvolvam de forma independente modelos básicos, o que pode ser uma conquista única a nível global.
Quem está a fornecer suporte técnico?
Algumas empresas conhecidas aparecem frequentemente em todo o mundo: a Microsoft tornou-se a plataforma mais comum atualmente através do Azure OpenAI. Desde o Morgan Stanley até o Standard Chartered, muitos bancos estão a operar os seus modelos no ambiente seguro da Microsoft.
Os LLMs (modelos de linguagem de grande escala) do Google também estão a ser utilizados, como o Wells Fargo que utiliza o Flan. Na China, depende-se principalmente de tecnologias locais, como o DeepSeek e o Hunyuan.
Alguns bancos, como o JPMorgan Chase, o Banco da Indústria e Comércio 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 diversificada de aplicações de IA em todo o mundo
Veja a imagem original no artigo original, compilado: Deep Tide 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 eu fosse membro 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 básicos da transformação da plataforma. A sua estratégia de IA deve responder às seguintes perguntas:
"A nossa estratégia de IA reestruturou a arquitetura central? Reduziu os custos em 100 vezes? Desbloqueou novos modelos de valor? Estimulou a conexão 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 o uso da tecnologia nos anos 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 da tecnologia cliente-servidor para se tornar o maior banco por capitalização de mercado na África Oriental. Da mesma forma, Access Bank, GT Bank e Capitec entraram na onda em seus respetivos mercados.
A era das plataformas de IA chegou e criará vencedores. Não se trata de focar nos perdedores, mas de como os vencedores têm uma participação de mercado significativa em uma determinada área. O sucesso da Stripe em pagamentos, por exemplo, é um exemplo disso. Esses avanços iniciais muitas vezes levam a ganhos de participação de mercado em segmentos adjacentes, como o negócio de cartões de crédito do Nubank, que se tornou um ator significativo no espaço bancário de PME e varejo.
Minha opinião é que os vencedores na era da IA se concentrarão nos custos de relacionamento. Não é mais apenas um jogo de negociação. As transações já aconteceram e agora são um jogo de experiência do cliente e gestão de relacionamento. Esta é a visão central na qual os líderes de serviços financeiros devem se concentrar. Como você pode alcançar uma melhoria de 100x na experiência do cliente e no banco de relacionamento com uma fração do custo? Como banco, como você pode aproveitar a tecnologia inteligente para ajudar melhor os clientes a gerenciar suas finanças, negócios e vidas? O jogador que for capaz de responder e executar estas perguntas será o vencedor final.
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.
Os gigantes bancários da China e dos EUA estão adotando a IA generativa.
Escrito por: Samora Kariuki
Compilado por: Deep Tide TechFlow
A onda global de IA
Como os bancos estão realmente a utilizar a IA generativa?
Se deixarmos de lado as manchetes e a especulação, a essência da questão é: como é que os maiores bancos do mundo estão a utilizar a IA generativa? Não é sobre o potencial futuro, nem sobre a propaganda dos fornecedores, mas sim sobre onde estão as aplicações práticas já 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, experimentações cautelosas voltadas para o cliente e algumas inovações ousadas estão gradualmente reestruturando a arquitetura interna dos bancos.
Comece de dentro para fora, expandindo gradualmente.
A aplicação da IA tem um ponto em comum: começa com ferramentas de produtividade internas.
As principais aplicações da IA generativa concentram-se em aumentar a produtividade interna - essas ferramentas ajudam os funcionários a realizar mais trabalho com menos recursos. Desde assistentes analíticos da JPMorgan que interpretam pesquisas de ações até ferramentas impulsionadas por GPT que oferecem suporte a consultores de gestão de patrimônio da Morgan Stanley, o foco inicial foi capacitar os profissionais bancários, em vez de 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 redigir e-mails; o "SC GPT" do Standard Chartered já está disponível para os seus 70 mil funcionários, abrangendo todos os aspectos desde a redação de propostas até questões de recursos humanos.
Dado que estamos em um ambiente altamente regulamentado, a implementação de ferramentas internas parece especialmente razoável. Isso permite que os bancos realizem experimentos e melhorem suas capacidades de IA sem ultrapassar as linhas vermelhas regulatórias. Se considerarmos a recente ação do CBN (Banco Central da Nigéria) sobre o Zap, então "a prudência é a melhor opção" é claramente uma escolha mais sábia.
Observação da linha de negócios: onde está o valor?
A adoção da IA varia de setor para setor. Existem diferenças na velocidade com que a IA generativa está sendo adotada por diferentes unidades de negócios. Entre eles, os bancos de retalho estão a liderar o caminho em termos de volume de transações. Neste espaço, chatbots generativos alimentados por IA, como Fargo, do Wells Fargo, e Erica, do Bank of America, lidam com centenas de milhões de interações todos os anos. Na Europa, o Commerzbank lançou recentemente seu próprio chatbot, o Ava.
No entanto, o problema é que algumas dessas ferramentas não utilizam realmente IA generativa, mas sim técnicas tradicionais de aprendizado de máquina. Por exemplo, a Erica do Bank of America funciona mais como um "Turco Mecânico" (Mechanical Turk, que se refere a uma ilusão de automação realizada através de operação humana). Mesmo assim, é importante focar nos próprios experimentos, e não nos rótulos técnicos.
No setor empresarial e de bancos de investimento, a transformação é mais sutil. As ferramentas internas do JPMorgan apoiam principalmente as equipes de pesquisa e vendas, e não são direcionadas diretamente aos clientes. O Deutsche Bank, por sua vez, utiliza a IA para analisar os registros de comunicação dos clientes, o que não se trata de atendimento ao cliente, mas sim de capacitação de dados, ajudando os banqueiros a entender e atender os clientes de forma mais rápida e eficaz.
A gestão de patrimónios situa-se entre as duas. As ferramentas de IA do Morgan Stanley não conversam 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 voltados para os clientes de topo, com o objetivo de responder em tempo real a questões de investimento complexas.
Diferenças regionais: quem está na liderança?
Fonte: Evident AI Index
A região da América do Norte está, como esperado, na vanguarda. Bancos dos Estados Unidos, como JPMorgan, Capital One, Wells Fargo, Citi e RBC, transformaram a IA em um motor de produtividade. Graças à colaboração com a OpenAI e a Microsoft, eles tiveram acesso antecipado aos modelos de IA mais avançados.
A Europa é mais cautelosa. O Banco Bilbao Vizcaya Argentaria (BBVA), o Deutsche Bank e o HSBC estão a testar internamente ferramentas de IA, tendo implementado mais medidas de segurança. O Regulamento Geral sobre a Proteção de Dados (GDPR) tem um impacto profundo. Como sempre, a Europa está mais focada na regulação do que no progresso tecnológico, o que pode ter um custo.
A África e a América Latina ainda estão nas fases iniciais do desenvolvimento da IA, mas os progressos são rápidos. O Nubank do Brasil destaca-se, colaborando com a OpenAI, inicialmente implementando ferramentas de IA internamente e, finalmente, expandindo para o atendimento ao cliente. Na África do Sul, o Standard Bank e o Nedbank estão realizando pilotos na área de IA, abrangendo controle de riscos, serviços de suporte e desenvolvimento.
China: Construir uma pilha de tecnologia de IA autônoma
Os bancos da China não só estão a usar IA, como também a construir uma pilha de tecnologias de IA.
O Banco Industrial e Comercial da China (ICBC) lançou o "Zhi Yong", um grande modelo de linguagem com 1000 bilhões de parâmetros, desenvolvido internamente. Este modelo já foi chamado mais de um bilhão de vezes, suportando 200 cenários de negócios, desde análise de documentos até automação de marketing. Isto não é apenas a aplicação de uma ferramenta interna, mas uma mudança fundamental na forma como o banco opera.
O Ant Group lançou dois grandes modelos de linguagem na área financeira - Zhixiaobao 2.0 e Zhixiaozhu 1.0. O primeiro é direcionado a usuários comuns do Alipay e visa explicar produtos financeiros; o segundo oferece suporte a consultores de gestão de patrimónios, podendo resumir relatórios de mercado e gerar insights sobre carteiras de investimento.
O Grupo Ping An, como um gigante de fintech que integra seguros, bancos e tecnologia, está indo mais longe. O assistente de IA generativa que desenvolveram, AskBob, atende tanto os clientes quanto os gerentes de conta. Para os clientes, AskBob pode responder a perguntas sobre investimentos e seguros em chinês natural; para os consultores, ele pode extrair e resumir o histórico dos clientes, dados de produtos e materiais de marketing, transformando cada agente em um especialista financeiro digitalmente aprimorado. O objetivo do Ping An é redefinir a consultoria financeira por meio da IA, não apenas respondendo a perguntas, mas também prevendo necessidades com antecedência.
Na China, o quadro regulatório incentiva fortemente a localização de dados e a transparência dos modelos, e essas instituições optaram por um caminho mais a longo prazo: construir uma IA personalizada capaz de se adaptar à regulamentação interna, ao idioma e ao ambiente de mercado. Além disso, a China possui uma densidade de talentos suficiente, permitindo que os bancos desenvolvam de forma independente modelos básicos, o que pode ser uma conquista única a nível global.
Quem está a fornecer suporte técnico?
Algumas empresas conhecidas aparecem frequentemente em todo o mundo: a Microsoft tornou-se a plataforma mais comum atualmente através do Azure OpenAI. Desde o Morgan Stanley até o Standard Chartered, muitos bancos estão a operar os seus modelos no ambiente seguro da Microsoft.
Os LLMs (modelos de linguagem de grande escala) do Google também estão a ser utilizados, como o Wells Fargo que utiliza o Flan. Na China, depende-se principalmente de tecnologias locais, como o DeepSeek e o Hunyuan.
Alguns bancos, como o JPMorgan Chase, o Banco da Indústria e Comércio 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 diversificada de aplicações de IA em todo o mundo
Veja a imagem original no artigo original, compilado: Deep Tide 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 eu fosse membro 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 básicos da transformação da plataforma. A sua estratégia de IA deve responder às seguintes perguntas:
"A nossa estratégia de IA reestruturou a arquitetura central? Reduziu os custos em 100 vezes? Desbloqueou novos modelos de valor? Estimulou a conexão 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 o uso da tecnologia nos anos 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 da tecnologia cliente-servidor para se tornar o maior banco por capitalização de mercado na África Oriental. Da mesma forma, Access Bank, GT Bank e Capitec entraram na onda em seus respetivos mercados.
A era das plataformas de IA chegou e criará vencedores. Não se trata de focar nos perdedores, mas de como os vencedores têm uma participação de mercado significativa em uma determinada área. O sucesso da Stripe em pagamentos, por exemplo, é um exemplo disso. Esses avanços iniciais muitas vezes levam a ganhos de participação de mercado em segmentos adjacentes, como o negócio de cartões de crédito do Nubank, que se tornou um ator significativo no espaço bancário de PME e varejo.
Minha opinião é que os vencedores na era da IA se concentrarão nos custos de relacionamento. Não é mais apenas um jogo de negociação. As transações já aconteceram e agora são um jogo de experiência do cliente e gestão de relacionamento. Esta é a visão central na qual os líderes de serviços financeiros devem se concentrar. Como você pode alcançar uma melhoria de 100x na experiência do cliente e no banco de relacionamento com uma fração do custo? Como banco, como você pode aproveitar a tecnologia inteligente para ajudar melhor os clientes a gerenciar suas finanças, negócios e vidas? O jogador que for capaz de responder e executar estas perguntas será o vencedor final.