Na gestão do risco financeiro

A banca e outras entidades financeiras estão já a usar ferramentas de IA para avaliar a gestão de risco. É um caminho sem retorno e que não tardará a refletir-se em resultados para os consumidores.

Em que áreas está a banca a gerir o uso de Inteligência Artificial na gestão de crédito? Que vulnerabilidades existem? E como está a ser feita a transição da supervisão humana versus automação?

Paulo Monteiro Rosa, economista sénior no Banco Carregosa, confirma à Risco que a Inteligência Artificial está a transformar profundamente a gestão do risco financeiro, «ao permitir uma análise mais rápida, precisa e abrangente dos mercados e das operações das instituições». O economista sublinha que, com o recurso a algoritmos de machine learning, os gestores de risco «conseguem identificar, por vezes, padrões ocultos em grandes quantidades de dados, antecipando potenciais incumprimentos de crédito, fraudes ou movimentos de mercado anómalos».

Afonso Eça, do BPI, sublinha igualmente a importância da Inteligência Artificial. Para o administrador do banco, a IA é crítica para «promover um maior conhecimento dos clientes, melhor serviço e competitividade». O banco está focado em desenvolver «três grandes competências de IA: o machine learning preditivo; o Computer vision/document AI (área da IA que ensina os computadores a ver e interpretar imagens, vídeos ou documentos); e a terceira competência, a IA generativa (IA que gera conteúdos através de modelos de aprendizagem profunda)», indica, sublinhando que estas tecnologias «têm ampla aplicação nas áreas de risco, seja na sua componente de modelação e scoring de risco [avaliação de risco], seja no consumo de informação ou ainda na ajuda na elaboração de relatórios».

Paulo Monteiro Rosa, do Banco Carregosa, explica que os modelos preditivos suportados pela IA «têm um papel crescente em realizar simulações complexas de cenários macroeconómicos e de stress, ajudando a mitigar riscos de mercado e a reforçar a resiliência das instituições financeiras».

Já para o BPI, as áreas de risco são uma componente crítica para o negócio do banco, «por isso há um cuidado adicional nas transações que efetuamos. Todas as tecnologias anteriormente indicadas começam a ser paulatinamente adotadas nos processos do banco», indica Afonso Eça.

De outro setor, mas intrinsecamente ligado à gestão de sistemas, operações críticas em tecnologias de informação, arquitetura de dados e segurança na cloud, Nuno Moura Pinheiro, head of Data & AI, DXC Technology em Portugal, indica as áreas onde a sua empresa tem vindo a implementar tecnologias de IA na gestão de risco: «A mais comum é a aprendizagem automática (machine learning) que permite analisar grandes volumes de dados e realizar previsões. »

Esta tecnologia tem sido particularmente útil na gestão de risco de crédito e do risco operacional «ao identificar padrões e antecipar eventos com base em dados históricos», explica.

O machine learning é assim utilizado, sobretudo, para fazer o scoring dinâmico (metodologia de avaliação de risco) e previsão de incumprimentos. O deep learning para simulação de cenários e detecção de fraudes e o Natural Language Processing (NLP) para monitorizar contratos, notícias e regras. «Estas tecnologias atuam no risco de mercado, operacional e compliance, reforçando a detecção precoce e em tempo real», explica Nuno Moura Pinheiro. Avaliações mais precisas

Uma das vantagens apontadas pelos especialistas é o refinamento dos modelos tradicionais das análises de crédito pelo processamento «de grandes quantidades de dados estruturados e não estruturados, como o histórico financeiro, o comportamento digital e até redes sociais». Tal permitirá avaliações mais precisas e dinâmicas, mas também «a detecção precoce de riscos de incumprimento e ajustes em tempo real», explica Paulo Monteiro Rosa, do Banco Carregosa. Segundo o responsável, a IA «reduz ainda enviesamentos, automatiza processos e melhora o acesso ao crédito».

Nuno Moura Pinheiro reforça a ideia e acredita que a IA tem a capacidade de identificar padrões em comportamentos invisíveis à análise humana: «Este nível avançado de detecção de anomalias e tendências subtis tem contribuído significativamente para o aumento da precisão na avaliação de risco.»

Vulnerabilidades?

Em relação aos riscos operacionais, Moura Pinheiro indica que «a adoção de agentes de IA tem sido fundamental na sua mitigação, ao automatizar tarefas críticas e a reduzir a exposição ao erro humano». O responsável indica ainda que tem assistido a uma notável aceleração na tomada de decisões, suportada por práticas de Business analytics, «que disponibilizam informação relevante quase em tempo real e com maior qualidade».

Contudo, há uma série de vulnerabilidades a ter em conta. Desde a opacidade dos algoritmos, que dificultam a explicação de decisões, e que pode resultar em avaliações injustas. «A dependência tecnológica aumenta a exposição a falhas sistemáticas e ciberataques, e à demasiada importância dos dados históricos, que comprometem previsões em cenários inéditos, como eventuais cisnes negros [eventos raros imprevisíveis de impacto negativo]», lembra Paulo Monteiro Rosa, que relembra: «A confiança excessiva na IA pode enfraquecer a supervisão humana e reduzir a capacidade de resposta a eventos inesperados.»

Supervisão humana versus automação

A supervisão humana é uma das questões em cima da mesa. No BPI, «todos os processos precisam de controlo e de supervisão, pelo que, nesta fase, a generalidade dos procedimentos, que têm a IA em escala, carecem ainda do "human in the loop”. Ou seja, os processos não estão automatizados de ponta a ponta, mas continuam a ter uma componente humana de "controlo de qualidade”», explica o administrador.

«Manter a supervisão humana nos pontos críticos de decisão, enquanto a IA automatiza tarefas repetitivas e análises complexas», indica Paulo Monteiro Rosa, para explicar como o Banco Carregosa equilibra a supervisão humana nos processos de IA: «Os modelos fornecem insights e alertas, mas as decisões finais e a validação de exceções permanecem com as equipas de risco, garantindo transparência, ética e conformidade regulatória», acrescenta.

Nuno Moura Pinheiro indica que a DXC colabora com alguns clientes para automatizar fluxos de trabalho complexos, «sempre com uma abordagem que equilibra automação com supervisão humana».

Afonso Eça indica que o BPI não vê a supervisão humana como uma vulnerabilidade, mas como uma necessidade nesta fase: «Talvez no futuro, com o amadurecimento destas transformações, possamos ver o grau de supervisão humana a diminuir, mas será uma peça sempre necessária.»

Assistentes, agentes e novas funções

A aplicação de IA à gestão do risco vai evoluir para modelos mais explicáveis e transparentes, reforçando a confiança e a conformidade regulatória, acredita Nuno Moura Pinheiro. «Veremos o desenvolvimento de modelos de risco em tempo real, com maior capacidade de aprendizagem contínua e adaptação a novos contextos.»

Afonso Eça acredita que, tal como noutras áreas, existirá uma evolução rápida das formas de trabalho dos profissionais, com a introdução dos assistentes e agentes. O trabalho do dia-a-dia irá ser profundamente impactado pela introdução destas ferramentas, permitindo que os profissionais de análise de risco se concentrem em tarefas de maior valor acrescentado, como a análise crítica dos números, «uma vez que a produção de informação e o seu tratamento serão áreas onde este tipo de tecnologia pode ajudar de forma muito significativa».

Com toda esta "revolução", existe outra mudança que se fará sentir: a criação de novas funções. "Model Risk Manager" ou "AI Risk Office" - nomes que o responsável da DXC aponta como novas profissões «que podem assumir a missão de supervisionar o uso ético, eficaz e transparente nos processos de risco». Mas também perfis de data scientists e engenheiros de dados responsáveis por desenvolver e manter modelos robustos e fiáveis. «O sentido crítico será, sem dúvida, uma das competências mais valorizadas nas organizações do futuro, sobretudo num mundo cada vez mais integrado com a Inteligência Artificial», indica Nuno Moura Pinheiro.

O Banco Carregosa espera o desenvolvimento de modelos de IA mais explicáveis e transparentes, «com maior integração com dados em tempo real e uso intensivo de análises preditivas para cenários complexos, reforço na detecção de fraudes e riscos cibernéticos, e uma adoção crescente da IA generativa para simulação e tomada de decisão estratégica».

Já o BPI reforça a ideia de que todas as mudanças de paradigma tecnológico vêm com riscos e desafios e estas não serão exceção. «Apesar de anteciparmos uma adoção generalizada de IA em todos os processos do banco, estamos provavelmente a sobrestimar os seus impactos no curto prazo e a subestimar os seus impactos no longo prazo. É uma área que continuaremos a acompanhar de perto com muito entusiasmo», conclui Afonso Eça.

Pontos Positivos:

  •  Algoritmos melhoram os modelos tradicionais de análise de crédito.

  •  Processamento de grandes quantidades de dados (estruturados e não estruturados).

  •  Automatização de processos que melhoram acesso ao crédito.

  •  Agentes de IA com capacidade de raciocínio e planeamento.