Como os bancos aplicam a IA generativa na prática?
Se deixarmos de lado as manchetes e a promoção, a essência da questão é: como os maiores bancos do mundo estão realmente utilizando a IA generativa? Não é o potencial futuro, nem 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 homogêneo, apresentando uma configuração distinta entre o interno e o externo: a implantação discreta de ferramentas internas, experimentos cautelosos voltados para o cliente e algumas inovações ousadas estão gradualmente reformulando a estrutura interna dos bancos.
Começando de dentro, depois expandindo gradualmente para fora
A aplicação de IA tem um ponto em comum: começa como uma ferramenta de produtividade interna.
As principais aplicações da IA generativa estão focadas em aumentar a produtividade interna - essas ferramentas ajudam os funcionários a realizar mais trabalho com menos recursos. Desde assistentes de analistas do JPMorgan que analisam pesquisas de ações até ferramentas impulsionadas por GPT que suportam consultores de gestão de riqueza na Morgan Stanley, o foco inicial foi capacitar os profissionais bancários, e não substituí-los.
O Goldman Sachs está construindo assistentes de IA para desenvolvedores; a ferramenta de resumo de IA do Citi ajuda os funcionários a lidar com memorandos e redigir e-mails; o "SC GPT" do Standard Chartered já está em uso entre seus 70 mil funcionários, para todas as questões desde a redação de propostas até problemas de recursos humanos.
Dada a natureza altamente regulamentada em que nos encontramos, a implementação de ferramentas internas torna-se especialmente razoável. Isso permite que os bancos experimentem e melhorem suas capacidades de IA sem ultrapassar as linhas vermelhas da regulamentação. Se considerarmos as recentes ações do CBN (Banco Central da Nigéria) em relação ao Zap, então "prudência em primeiro lugar" é claramente uma escolha mais sábia.
Observação da linha de negócios: onde está o valor?
O progresso das aplicações de IA varia entre diferentes departamentos. Existem diferenças na velocidade de adoção da IA generativa entre os diferentes departamentos de negócios. Entre eles, os bancos de varejo estão em posição de liderança em termos de volume de transações. Neste campo, 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 lançou recentemente seu próprio chatbot, Ava.
No entanto, o problema é que algumas dessas ferramentas não utilizam realmente inteligência artificial generativa, mas sim dependem de técnicas de aprendizado de máquina tradicionais. Por exemplo, a Erica, do Bank of America, funciona mais como um "Turco Mecânico" (Mechanical Turk, que significa criar a ilusão de automação através de operação humana). Apesar disso, o importante são os próprios experimentos, e não os rótulos tecnológicos.
No setor empresarial e de bancos de investimento, a transformação é mais discreta. As ferramentas internas do JPMorgan principalmente apoiam as equipes de pesquisa e vendas, em vez de serem direcionadas diretamente aos clientes. O Deutsche Bank utiliza a IA para analisar os registros de comunicação dos clientes, o que não é atendimento ao cliente, mas sim 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 os dois. As ferramentas de IA da 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 para clientes de topo, destinados a 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 posição de liderança. Bancos nos Estados Unidos, como JPMorgan, Capital One, Wells Fargo, Citi e Royal Bank of Canada, 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, por sua vez, é mais cautelosa. O Banco Bilbao Vizcaya Argentaria (BBVA), o Deutsche Bank e o HSBC estão testando ferramentas de IA internamente e estabeleceram mais medidas de proteção. O Regulamento Geral sobre a Proteção de Dados (GDPR) tem um impacto profundo. Como sempre, a Europa se concentra mais na regulamentação do que no avanço tecnológico, o que pode ter um custo.
A África e a América Latina ainda estão nos estágios iniciais de desenvolvimento da IA, mas os progressos são rápidos. O Nubank do Brasil se destaca, fazendo parceria com a OpenAI para implantar ferramentas de IA no local e, eventualmente, expandir para o atendimento ao cliente. Na África do Sul, o Standard Bank e o Nedbank estão testando IA em controle de risco, serviços de suporte e desenvolvimento.
China: Construir uma pilha de tecnologia de IA autónoma
Os bancos chineses não estão apenas a utilizar IA, mas também a construir uma pilha de tecnologia 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. Isso não é apenas a aplicação de ferramentas internas, mas uma transformação fundamental na maneira como o banco opera.
O Grupo Ant (Ant Group) lançou dois modelos de linguagem de grande escala no setor financeiro - Zhixiaobao 2.0 e Zhixiaozhu 1.0. O primeiro é voltado para os usuários comuns do Alipay, com o objetivo de explicar produtos financeiros; o segundo oferece suporte a consultores de gestão de património, podendo resumir relatórios de mercado e gerar insights de portfólio.
O Grupo Ping An, como um gigante de fintech que integra seguros, bancos e tecnologia, está indo mais longe. Seu assistente de IA generativa AskBob serve 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 dos produtos e materiais de marketing, transformando cada agente em um especialista financeiro digitalmente aprimorado. O objetivo do Ping An é redefinir a consultoria financeira através da IA, não apenas respondendo 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 escolheram um caminho mais a longo prazo: construir IA personalizada que possa se adaptar à regulamentação interna, linguagem e ambiente de mercado. Além disso, a China possui uma densidade de talentos suficiente, permitindo que os bancos desenvolvam autonomamente modelos básicos, o que pode ser uma conquista única em todo o mundo.
Quem está a fornecer suporte técnico?
Algumas empresas conhecidas aparecem com frequência em todo o mundo: a Microsoft, através do Azure OpenAI, tornou-se a plataforma mais comum atualmente. De Morgan Stanley ao Standard Chartered Bank, 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, por exemplo, o Wells Fargo utiliza o Flan para suporte. Na China, depende-se principalmente de tecnologias locais, como o DeepSeek e o 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 do funcionamento do modelo.
Exploração da diversificação das aplicações de IA globalmente
A imagem original está no texto original, tradução: Shenchao 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 reconstruiu 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 - manter uma atitude cética é necessário, mas a lógica e os fatos indicam que a IA é uma nova mudança de plataforma. Além disso, a lógica e os fatos também mostram que as mudanças de plataforma no passado frequentemente trouxeram mudanças revolucionárias nos mercados financeiros. Por exemplo, o Citibank expandiu significativamente sua aplicação tecnológica em sua operação de varejo nas décadas de 70 e 80. O Capital One surgiu do nada para se tornar um dos dez maiores bancos do mercado e ocupa uma posição importante em setores relacionados, como empréstimos para automóveis e hipotecas. Na África, o Equity Bank aproveitou a onda da tecnologia cliente-servidor e se tornou o banco com maior valor de mercado na África Oriental. Da mesma forma, o Access Bank, o GT Bank e o Capitec também aproveitaram essa onda em seus respectivos 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 ocupam 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 trazem 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 irão focar-se nos custos de relacionamento. Já não se trata apenas de um jogo de transações. As transações já aconteceram, agora é um jogo de experiência do cliente e gestão de relacionamentos. Este é o núcleo da percepção que os líderes de serviços financeiros devem ter em mente. Como alcançar melhorias de 100 vezes na experiência do cliente e na banca de relacionamento a um custo extremamente baixo? Como um banco pode utilizar tecnologias inteligentes 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 bancários da China e dos EUA estão a abraçar a IA generativa
Texto de: Samora Kariuki
Compilado por: Shenchao TechFlow
A onda global de IA
Como os bancos aplicam a IA generativa na prática?
Se deixarmos de lado as manchetes e a promoção, a essência da questão é: como os maiores bancos do mundo estão realmente utilizando a IA generativa? Não é o potencial futuro, nem 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 homogêneo, apresentando uma configuração distinta entre o interno e o externo: a implantação discreta de ferramentas internas, experimentos cautelosos voltados para o cliente e algumas inovações ousadas estão gradualmente reformulando a estrutura interna dos bancos.
Começando de dentro, depois expandindo gradualmente para fora
A aplicação de IA tem um ponto em comum: começa como uma ferramenta de produtividade interna.
As principais aplicações da IA generativa estão focadas em aumentar a produtividade interna - essas ferramentas ajudam os funcionários a realizar mais trabalho com menos recursos. Desde assistentes de analistas do JPMorgan que analisam pesquisas de ações até ferramentas impulsionadas por GPT que suportam consultores de gestão de riqueza na Morgan Stanley, o foco inicial foi capacitar os profissionais bancários, e não substituí-los.
O Goldman Sachs está construindo assistentes de IA para desenvolvedores; a ferramenta de resumo de IA do Citi ajuda os funcionários a lidar com memorandos e redigir e-mails; o "SC GPT" do Standard Chartered já está em uso entre seus 70 mil funcionários, para todas as questões desde a redação de propostas até problemas de recursos humanos.
Dada a natureza altamente regulamentada em que nos encontramos, a implementação de ferramentas internas torna-se especialmente razoável. Isso permite que os bancos experimentem e melhorem suas capacidades de IA sem ultrapassar as linhas vermelhas da regulamentação. Se considerarmos as recentes ações do CBN (Banco Central da Nigéria) em relação ao Zap, então "prudência em primeiro lugar" é claramente uma escolha mais sábia.
Observação da linha de negócios: onde está o valor?
O progresso das aplicações de IA varia entre diferentes departamentos. Existem diferenças na velocidade de adoção da IA generativa entre os diferentes departamentos de negócios. Entre eles, os bancos de varejo estão em posição de liderança em termos de volume de transações. Neste campo, 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 lançou recentemente seu próprio chatbot, Ava.
No entanto, o problema é que algumas dessas ferramentas não utilizam realmente inteligência artificial generativa, mas sim dependem de técnicas de aprendizado de máquina tradicionais. Por exemplo, a Erica, do Bank of America, funciona mais como um "Turco Mecânico" (Mechanical Turk, que significa criar a ilusão de automação através de operação humana). Apesar disso, o importante são os próprios experimentos, e não os rótulos tecnológicos.
No setor empresarial e de bancos de investimento, a transformação é mais discreta. As ferramentas internas do JPMorgan principalmente apoiam as equipes de pesquisa e vendas, em vez de serem direcionadas diretamente aos clientes. O Deutsche Bank utiliza a IA para analisar os registros de comunicação dos clientes, o que não é atendimento ao cliente, mas sim 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 os dois. As ferramentas de IA da 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 para clientes de topo, destinados a 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 posição de liderança. Bancos nos Estados Unidos, como JPMorgan, Capital One, Wells Fargo, Citi e Royal Bank of Canada, 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, por sua vez, é mais cautelosa. O Banco Bilbao Vizcaya Argentaria (BBVA), o Deutsche Bank e o HSBC estão testando ferramentas de IA internamente e estabeleceram mais medidas de proteção. O Regulamento Geral sobre a Proteção de Dados (GDPR) tem um impacto profundo. Como sempre, a Europa se concentra mais na regulamentação do que no avanço tecnológico, o que pode ter um custo.
A África e a América Latina ainda estão nos estágios iniciais de desenvolvimento da IA, mas os progressos são rápidos. O Nubank do Brasil se destaca, fazendo parceria com a OpenAI para implantar ferramentas de IA no local e, eventualmente, expandir para o atendimento ao cliente. Na África do Sul, o Standard Bank e o Nedbank estão testando IA em controle de risco, serviços de suporte e desenvolvimento.
China: Construir uma pilha de tecnologia de IA autónoma
Os bancos chineses não estão apenas a utilizar IA, mas também a construir uma pilha de tecnologia 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. Isso não é apenas a aplicação de ferramentas internas, mas uma transformação fundamental na maneira como o banco opera.
O Grupo Ant (Ant Group) lançou dois modelos de linguagem de grande escala no setor financeiro - Zhixiaobao 2.0 e Zhixiaozhu 1.0. O primeiro é voltado para os usuários comuns do Alipay, com o objetivo de explicar produtos financeiros; o segundo oferece suporte a consultores de gestão de património, podendo resumir relatórios de mercado e gerar insights de portfólio.
O Grupo Ping An, como um gigante de fintech que integra seguros, bancos e tecnologia, está indo mais longe. Seu assistente de IA generativa AskBob serve 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 dos produtos e materiais de marketing, transformando cada agente em um especialista financeiro digitalmente aprimorado. O objetivo do Ping An é redefinir a consultoria financeira através da IA, não apenas respondendo 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 escolheram um caminho mais a longo prazo: construir IA personalizada que possa se adaptar à regulamentação interna, linguagem e ambiente de mercado. Além disso, a China possui uma densidade de talentos suficiente, permitindo que os bancos desenvolvam autonomamente modelos básicos, o que pode ser uma conquista única em todo o mundo.
Quem está a fornecer suporte técnico?
Algumas empresas conhecidas aparecem com frequência em todo o mundo: a Microsoft, através do Azure OpenAI, tornou-se a plataforma mais comum atualmente. De Morgan Stanley ao Standard Chartered Bank, 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, por exemplo, o Wells Fargo utiliza o Flan para suporte. Na China, depende-se principalmente de tecnologias locais, como o DeepSeek e o 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 do funcionamento do modelo.
Exploração da diversificação das aplicações de IA globalmente
A imagem original está no texto original, tradução: Shenchao 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 reconstruiu 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 - manter uma atitude cética é necessário, mas a lógica e os fatos indicam que a IA é uma nova mudança de plataforma. Além disso, a lógica e os fatos também mostram que as mudanças de plataforma no passado frequentemente trouxeram mudanças revolucionárias nos mercados financeiros. Por exemplo, o Citibank expandiu significativamente sua aplicação tecnológica em sua operação de varejo nas décadas de 70 e 80. O Capital One surgiu do nada para se tornar um dos dez maiores bancos do mercado e ocupa uma posição importante em setores relacionados, como empréstimos para automóveis e hipotecas. Na África, o Equity Bank aproveitou a onda da tecnologia cliente-servidor e se tornou o banco com maior valor de mercado na África Oriental. Da mesma forma, o Access Bank, o GT Bank e o Capitec também aproveitaram essa onda em seus respectivos 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 ocupam 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 trazem 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 irão focar-se nos custos de relacionamento. Já não se trata apenas de um jogo de transações. As transações já aconteceram, agora é um jogo de experiência do cliente e gestão de relacionamentos. Este é o núcleo da percepção que os líderes de serviços financeiros devem ter em mente. Como alcançar melhorias de 100 vezes na experiência do cliente e na banca de relacionamento a um custo extremamente baixo? Como um banco pode utilizar tecnologias inteligentes 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.