Estudo da Infosys mostra o setor financeiro atrasado na adoção de IA

Os gastos globais com IA em sistemas, serviços e plataformas mais do que dobrarão para US$ 300 bilhões até 2026, de acordo com a IDC, e espera-se que o setor de serviços financeiros detenha a maior parte dessa participação. Dennis Gada, EVP e chefe global de Serviços Bancários e Financeiros da Infosys, afirmou que os gastos dos serviços financeiros com IA continuam crescendo rapidamente e a adoção de IA transcenderá todos os negócios e funções para melhorar a experiência, fortalecer a resiliência ou impulsionar a inovação. Isso será feito num ambiente em que têm de competir com as grandes empresas tecnológicas para captar os melhores talentos de IA.

Mas as empresas de serviços financeiros ainda estão atrasadas. Enquanto um quinto dos outros setores começou a utilizar a IA há mais de cinco anos, apenas 8% das empresas de serviços financeiros começaram a utilizá-la durante o mesmo período, de acordo com um estudo recente do Infosys Knowledge Institute. As empresas de serviços financeiros começaram a utilizar a IA para necessidades mais básicas, em vez de casos de utilização avançados, como se verifica em outros setores. Talvez devido à natureza altamente regulamentada do setor e ao ceticismo em relação aos resultados da tecnologia.

Mas esse pensamento mudou. “As empresas de serviços financeiros estão agora um passo à frente de seus investimentos em IA em comparação com outras indústrias”, disse Bal Shukla, AVP e gestor de grupo da Infosys. “Embora esse não fosse o caso há cinco anos, em 2023, eles serão os maiores investidores no mercado de IA”, afirmou.

O estudo Data+AI Radar 2022 entrevistou 2.500 profissionais de IA de empresas de 12 setores com receitas anuais superiores a US$ 500 milhões nos EUA, Reino Unido, Alemanha, França, Austrália e Nova Zelândia. O estudo descobriu que as empresas de serviços financeiros ainda lutam com o património herdado e os preconceitos que se infiltram nos sistemas de IA. Além disso, elas também seguem enfrentando problemas básicos, como a falta de conhecimento do assunto.

No entanto, há um vislumbre de esperança para o setor. As empresas de serviços financeiros são melhores do que a média na coleta e verificação de dados e em deep learning, que se relacionam com resultados positivos a longo prazo nos negócios e na IA. Curiosamente, registam as taxas de satisfação mais elevadas com as suas implementações de IA. Para liderar verdadeiramente, o setor deve melhorar a sua capacidade de identificar os problemas que a IA pode resolver, investir em infraestruturas de IA e recursos computacionais e eliminar progressivamente os sistemas antigos.

Como as empresas de serviços financeiros podem ter sucesso

O estudo da Infosys mostra que os dados e a IA bem utilizados podem levar as empresas a melhores resultados financeiros e a impulsionar o crescimento. As organizações podem maximizar o valor dos seus dados aderindo a determinadas práticas recomendadas.

1) Uma mudança cultural e uma transformação de talentos para reformar os sistemas antigos

O Infosys Modernization Radar 2022 mostra que cerca de 65% do orçamento discricionário é gasto em projetos de modernização. “As instituições de serviços financeiros estão aproveitando a Nuvem para a Transformação Digital, criando novas jornadas de clientes e impulsionando a agilidade dos negócios. Isso significa que elas estão acelerando a adoção da nuvem com um modelo de fábrica e estão mudando, cada vez mais, para estados híbridos Multicloud de forma segura. Algumas delas também estão se concentrando na portabilidade neutra em termos de Nuvem e Multicloud. O foco também está mudando para a modernização de aplicações, a criação de novas plataformas nativas da Nuvem e a libertação do poder dos seus dados na nuvem com casos de utilização de análise e IA/ML”, afirmou Dennis Gada, EVP e chefe global de Serviços Bancários e Financeiros da Infosys. Quase todos os sistemas legados avançarão ou desaparecerão nos próximos cinco anos. No entanto, muitos executivos temem falhar. Eles querem mudar, mas estão presos na paralisia da análise.

As instituições financeiras tradicionais dão prioridade à segurança, estabilidade e precaução, o que contrasta com a natureza ágil, centrada no consumidor, que assume riscos, testa rapidamente, falha rapidamente e é ágil dos nativos digitais.

2) Desviar a atenção das capacidades de ordem superior

As empresas de serviços financeiros devem identificar melhor o potencial de resolução de problemas da IA. Aperfeiçoar primeiro as implementações mais simples e, depois, abordar as implementações complexas pode orientar o investimento na infraestrutura e nos recursos de IA corretos.

3) Uma abordagem combinada de gestão de dados

As empresas devem ter uma estratégia de dados definida para uma gestão de dados eficaz e uma ingestão de dados perfeita, mas a maioria não tem este componente essencial. O estudo da Infosys mostra que a gestão centralizada de dados está ligada a um melhor crescimento dos lucros e das receitas. No entanto, uma mudança para uma gestão de dados totalmente federada também aumenta o crescimento dos lucros. Dito isto, ambos os extremos são muito simples para servirem adequadamente como uma estratégia de dados empresariais abrangente.

4) O compartilhamento massivo de dados impulsiona o deep learning

Ter um ecossistema de compartilhamento de dados com parceiros e pares produz maiores benefícios do que um Data lake ou Data Warehouse solitário. As práticas de compartilhamento de dados de entrada e de saída ajudam as empresas a conceber formas de fornecer dados relevantes aos seus cientistas de dados e modelos de IA. O relatório da Infosys afirma que a importação de dados de terceiros e o compartilhamento massivo de dados podem aumentar mais a rentabilidade das empresas do que os dados ou as práticas de IA. Dos US$ 467 bilhões de aumento do lucro global disponível, US$ 105 bilhões estão relacionados com a importação de 75% ou mais de dados de terceiros, mostra a análise. As empresas reconhecem que a economia emergente dos dados tem um grande potencial. Mas assim como no ano passado, apenas cerca de um terço tinha tomado medidas para começar a colaborar com parceiros.

O processo de data sharing – importação e compartilhamento de dados – ajuda as empresas a expandir o seu conjunto de dados. As capacidades avançadas de IA e as práticas de compartilhamento de dados promovem, em conjunto, a IA avançada e impulsionam o deep learning. O relatório da Infosys mostra que a expansão do deep learning e do compartilhamento de dados ajuda a aumentar os lucros das empresas. Mais empresas de serviços financeiros (92%) investem em deep learning e data sharing de forma extensiva. Além disso, isso também é um bom sinal que 69% estejam utilizando deep learning em mais de 30% dos seus sistemas de IA

5) Reforçar a ética e a gestão de preconceitos com responsabilidade e explicabilidade

A explicabilidade da IA continua sendo a última fronteira. De acordo com os especialistas, é mais provável que os funcionários trabalhem com resultados de IA quando confiam que os seus sistemas de IA são operados de forma responsável. “As empresas têm de criar uma IA explicável e criar confiança junto dos seres humanos que interagem com ela. Só então as empresas podem obter benefícios de nível superior dos dados e da IA”, observou Bal Shukla, da Infosys. Assim, a compreensão rápida e fácil da IA é essencial para que esta funcione bem.

Uma ética forte e práticas de gestão de preconceitos aumentam a confiança e a satisfação com os dados e a IA. O relatório mostra que quanto maior a confiança na gestão de preconceitos e na ética, maior a satisfação com a IA. As empresas de serviços financeiros que procuram sistemas avançados de IA devem dar prioridade à gestão da ética e dos preconceitos para aumentar a confiança na IA. Esta abordagem poderia resolver os desafios do compartilhamento de dados e facilitar capacidades de ordem superior. Os governos de todo o mundo, por sua vez, começaram a introduzir regulamentos para que as empresas pudessem construir uma IA ética e responsável.

6) Criar uma equipe de IA multidisciplinar

Para tirar o máximo proveito da eficácia da tecnologia, as empresas têm de adaptar os seus processos empresariais e estruturas de equipe em conformidade. Uma IA eficaz também requer um time eficiente e interdisciplinar, que inclua cientistas de dados, especialistas em problemas empresariais e executivos seniores, cada um contribuindo com competências específicas.

Os cientistas de dados são essenciais na IA, mas os peritos empresariais que compreendem como resolver problemas empresariais e os líderes que asseguram o alinhamento com as estratégias organizacionais de crescimento são igualmente cruciais.

Embora o setor de serviços financeiros envolva executivos seniores e busque contribuições dos usuários finais em equipes de IA, ele dá maior ênfase aos cientistas de dados, 18% contra 16% para outros setores. No entanto, os serviços financeiros mostram margem para melhorias quando se trata de envolver sempre especialistas empresariais (29% vs. 44% para outras indústrias). Conseguir o equilíbrio certo de pessoas nas equipes de IA pode resolver eficazmente os desafios colocados pela falta de experiência.

Serviço
www.infosys.com