A próxima fronteira: IA Generativa para serviços financeiros

Aplicações de IA Generativa como o ChatGPT chamaram a atenção da mídia e da imaginação do público. Saiba mais sobre sua aplicação nas instituições financeiras no texto a seguir. 

A inteligência artificial generativa é um tipo de IA que pode criar novos conteúdos e ideias, incluindo conversas, histórias, imagens, vídeos e música. Como toda inteligência artificial, a IA generativa é alimentada por modelos de machine learning (ML) – modelos muito grandes (conhecidos como Modelos de Linguagem Grande ou LLMs) que são pré-treinados com um alto volume de dados e comumente referidos como modelos de base (FMs). 

No setor de serviços financeiros, líderes e desenvolvedores estão ansiosos para entender o potencial da IA generativa e colocá-la em prática. 

Por exemplo, o Banco Bilbao Vizcaya Argentaria, S.A. (BBVA), um líder bancário global, anunciou planos para explorar o potencial de tecnologias avançadas, como o Amazon Bedrock, um novo serviço que torna os FMs da Amazon e as principais startups de IA acessíveis por meio de uma API, para criar soluções financeiras inovadoras. 

No início de 2023, o Goldman Sachs começou a experimentar casos de uso de IA generativa, como classificação e categorização de milhões de documentos, incluindo contratos legais. Embora as ferramentas tradicionais de inteligência artificial possam ajudar nesses contextos, a organização vê uma oportunidade de usar LLMs para levar esses processos ao próximo nível. 

O JPMorgan também anunciou recentemente que está desenvolvendo um serviço de software semelhante ao ChatGPT para ajudar a selecionar os planos de investimento certos para os clientes. 

A Bloomberg divulgou os resultados do treinamento para o BloombergGPT™, um novo modelo de IA generativa em grande escala treinado em uma ampla gama de dados de domínio financeiro. Como uma empresa de dados financeiros, os analistas de dados da Bloomberg coletaram e mantiveram documentos de linguagem financeira que abrangem 40 anos. Para melhorar as tarefas existentes de processamento de linguagem natural (PLN), como análise de sentimento, e estender o poder da inteligência artificial nos serviços financeiros, a Bloomberg criou um LLM de 50 bilhões de parâmetros – uma forma de IA generativa – construído especificamente para finanças. 

O mundo está em um ponto de inflexão emocionante na adoção generalizada de machine learning 

Na medida que os líderes do setor de serviços financeiros abraçam mais essa tecnologia, eles precisarão também definir os problemas que desejam resolver usando a IA generativa e estabelecer uma estratégia de nuvem para habilitar todas as oportunidades desse tipo de inteligência artificial. 

Neste artigo, falaremos sobre alguns casos de uso de IA generativa para o setor de serviços financeiros, como a AWS permite que os clientes construam e implantem rapidamente aplicativos de IA generativa em escala e como começar a usar a IA generativa na AWS. 

Casos de uso da IA Generativa para serviços financeiros 

Em todo o setor bancário, mercados de capitais, seguros e pagamentos, executivos estão ansiosos para entender a IA generativa e casos de uso aplicáveis, e desenvolvedores desejam experimentar ferramentas dessa tecnologia que sejam fáceis de usar, seguras e escaláveis. 

Abaixo, exploramos quatro categorias de casos de uso onde a inteligência artificial generativa pode ser aplicada no setor de serviços financeiros. 

Melhorar a experiência do cliente 

Os LLMs podem melhorar a produtividade dos funcionários por meio de respostas mais intuitivas e precisas semelhantes às humanas às consultas dos funcionários. Por exemplo, um bot de RH que pode responder de forma mais natural a perguntas relacionadas ao RH. 

Eles também podem criar experiências de IA conversacional mais capazes e envolventes para aplicativos de serviço ao cliente externos, como a funcionalidade de assistência ao call center que fornece aos agentes assistência automatizada, recomendações contextuais e as melhores ações a seguir. 

Sem os LLMs, as perguntas normalmente teriam que ser antecipadas e um conjunto fixo de respostas teria que ser criado com antecedência por autores humanos. Enquanto isso, com os LLMs, as respostas podem ser geradas na hora e, à medida que novas informações se tornam disponíveis, elas podem ser incorporadas automaticamente às respostas fornecidas. 

HOJE, AS INSTITUIÇÕES DE SERVIÇOS FINANCEIROS APROVEITAM O MACHINE LEARNING NA FORMA DE VISÃO COMPUTACIONAL, RECONHECIMENTO ÓPTICO DE CARACTERES E PLN PARA AGILIZAR OS PROCESSOS DE ONBOARDING DO CLIENTE E KNOW YOUR CUSTOMER (KYC). 

A IA generativa pode ajudar as empresas a fornecer conversas flexíveis e relevantes que melhorem a experiência geral do cliente, como adaptar o estilo de conversação para combinar com o do cliente (por exemplo, modo de conversação casual ou modo de conversação formal). 

Com os LLMs, as empresas podem traduzir automaticamente perguntas complexas de usuários internos e clientes externos em seu significado semântico, analisar o contexto e, em seguida, gerar respostas altamente precisas e conversacionais. Especificamente, os LLMs permitem respostas longas a perguntas abertas (por exemplo, pesquisar milhares de páginas de documentação legal ou técnica e resumir os pontos principais que respondem à pergunta). 

Os dados capturados das interações com o cliente, como transcrições de chamadas e registros de bate-papo, também podem ser resumidos e analisados para entender mais facilmente os temas associados a experiências positivas ou negativas do cliente. 

Da mesma forma, temas de interesse para clientes individuais e o contexto de conversas anteriores podem ser resumidos e incorporados para aprimorar uma abordagem multicanal e fornecer uma experiência de marca unificada para os clientes. 

Aumentar a produtividade dos analistas e consultores 

As ferramentas de IA generativa podem ajudar profissionais como analistas financeiros ou jurídicos, inovadores de produtos e profissionais de vendas consultivas, a se tornarem mais eficientes e eficazes em seus papéis. 

Assim, eles evoluirão seu foco de pesquisar, agregar e resumir seções importantes de texto e imagens para verificar a precisão e a completude das respostas fornecidas por modelos de inteligência artificial generativa. 

Na prática, a aplicação dessa tecnologia tem benefícios tangíveis para muitos cargos, incluindo consultores financeiros e analistas preparando recomendações de investimento, analistas de conformidade respondendo ao impacto de novas regulamentações, gerentes de empréstimos elaborando documentação de empréstimo, subscritores elaborando políticas de seguro e vendedores preparando respostas RFI. 

Em todos esses casos, a inteligência artificial trabalha junto com o capital humano: os profissionais podem reter direitos de edição e palavra final e serem capazes de mudar o foco para outras atividades de maior valor agregado. 

Entender o sentimento do mercado e do cliente 

A capacidade de rastrear notícias baseadas em eventos existe hoje, e muitos fundos de hedge e quants desenvolveram maneiras de negociar os mercados com base em sinais de notícias e sentimento de mídia social, confiança e contagem de histórias.  

No entanto, as estratégias de investimento baseadas em eventos tradicionais e metodologias de vigilância dependem da mineração de comportamentos e padrões conhecidos. 

A IA generativa tem potencial para trazer à tona novos temas e sentimentos associados sem direção. Por exemplo, os LLMs podem identificar novas tendências no comportamento do consumidor a partir do conteúdo das mídias sociais, agrupando postagens com significado semelhante e atribuindo aos grupos uma medida agregada de sentimento. 

Da mesma forma, o sentimento negativo associado a conteúdo específico, como uma nova campanha publicitária, pode ser rapidamente identificado e resumido. Investidores e empresas podem então responder prontamente a essas informações. 

Impulsar a inovação de produtos e automatizar processos de negócios 

A inteligência artificial generativa tem o potencial de ajudar consultores financeiros e investidores a aproveitar o texto conversacional para criar automaticamente estratégias e portfólios de investimento altamente personalizados. 

Por exemplo, um consultor financeiro ou investidor poderia falar ou digitar em uma plataforma de gestão de patrimônio: “Quero investir em empresas de energia limpa que não dependam da mineração de matérias-primas em países com direitos humanos precários”. Uma plataforma habilitada para IA generativa poderia então fornecer uma lista de empresas com comentários de apoio sobre porque essas empresas foram selecionadas. Da mesma forma, os investidores poderiam acessar e ler comentários resumidos gerados automaticamente sobre seus investimentos e portfólios. 

As implementações iniciais dessas soluções provavelmente serão voltadas internamente para consultores financeiros, dado que, hoje, a IA generativa tem limitações em relação à precisão. Tais limitações teriam que ser superadas para que essas soluções sejam verdadeiramente escaláveis, ou seja, se o comentário diário adaptado ao portfólio de cada cliente de varejo tivesse que ser verificado por um humano, isso poderia derrotar o propósito de tais comentários criados por IA generativa, pelo menos para a massa abastada. 

A IA GENERATIVA TAMBÉM PODE PRODUZIR RAPIDAMENTE E DE FORMA EFICIENTE PRODUTOS DE DADOS DE FONTES DE DADOS TEXTUAIS QUE HOJE SÃO USADAS APENAS SUPERFICIALMENTE. 

Por exemplo, relatórios anuais e arquivamentos (como 10-Ks arquivados na SEC nos Estados Unidos) são usados principalmente como fonte para demonstrações financeiras. Escondido no texto desses documentos estão dados que poderiam alimentar um catálogo de produtos ou um mapa de relacionamento entre clientes e cadeia de suprimentos em todas ou na maioria das empresas públicas globalmente. 

A IA generativa pode criar esses tipos de produtos de dados a uma fração do custo que seria necessário para extrair essa informação manualmente ou com processos tradicionais de PLN. 

Relatórios anuais são apenas uma, embora importante, fonte que pode alimentar produtos de dados. Estima-se que dados não estruturados (principalmente texto) representem 80% a 90% de todos os dados existentes. A IA generativa tem todo o aparato para transformar esses grandes repositórios de palavras escritas e faladas em informações estruturadas ou semiestruturadas sob demanda que podem alimentar processos de investimento e interações com investidores de varejo. 

Pesquisa de investimento, apresentações de investidores, transcrições de chamadas de resultados, notícias e entrevistas transmitidas, jornais, revistas comerciais e sites são exemplos de fontes de conteúdo que, quando pesquisadas de forma abrangente e resumidas adequadamente, podem fornecer inteligência direcionada de valor para investidores, como tendências de preços ou preferências do consumidor por produtos ou áreas de produtos específicos. 

Mais de 20 anos de experiência com inteligência artificial e machine learning 

IA e ML têm sido foco para a Amazon há mais de 20 anos. 

Muitos aspectos da experiência do cliente da Amazon são informados ou movidos por ML, incluindo nosso mecanismo de recomendações de comércio eletrônico; os caminhos que otimizam as rotas de coleta robótica em nossos centros de atendimento; e a cadeia de suprimentos, previsão e planejamento de capacidade. 

A Amazon Web Services (AWS) aproveita a experiência da Amazon e as experiências dos seus clientes com o objetivo de democratizar o ML e torná-lo acessível a qualquer pessoa que queira usá-lo. Isso inclui mais de 100.000 clientes de todos os tamanhos e setores, que a AWS ajudou a inovar usando IA e ML com recursos líderes do setor, incluindo serviços financeiros. 

Hoje, a Amazon Web Services tem o portfólio mais amplo e profundo de serviços de IA e ML. 

Por exemplo, o Amazon SageMaker é uma maneira fácil para todos os desenvolvedores criarem, treinarem e implantarem modelos. 

A AWS também oferece acesso a uma ampla gama de serviços de inteligência artificial (IA) e machine learning (ML) que permitem que a indústria de serviços financeiros adicione recursos de IA, como reconhecimento de imagem, previsão e busca inteligente, a aplicativos com uma simples chamada de API. 

Hoje, líderes de serviços financeiros como NatWest, Vanguard e PennyMac, bem como milhares de startups e agências governamentais em todo o mundo, usam ferramentas da AWS para ajudá-los a aproveitar a IA e o ML para transformar e avançar suas organizações, setores e missões. 

A mesma abordagem democratizante para a IA generativa é adotada em serviços financeiros, tornando-a fácil, prática e econômica para os clientes usarem em seus negócios em todas as três camadas da pilha de ML, incluindo: infraestrutura, ferramentas e serviços de IA construídos para esse fim. 

“Nossa abordagem para a IA generativa é investir e inovar em toda a pilha de ML para tirar essa tecnologia do reino da pesquisa e torná-la disponível para clientes de qualquer tamanho e desenvolvedores de todos os níveis de habilidade.”

Aproveitando as oportunidades da IA generativa 

Com a AWS, os clientes de serviços financeiros têm a flexibilidade de escolher a maneira como desejam criar com IA generativa: criar seus próprios FMs com infraestrutura de ML construída para esse fim, aproveitar FMs pré-treinados como modelos base para criar seus aplicativos ou usar serviços com IA generativa integrada sem exigir nenhuma experiência específica em FMs. 

Para habilitar essa flexibilidade, identificamos quatro considerações importantes para que você possa criar e implantar rapidamente aplicativos de IA generativa em escala. 

Torne a AWS o lugar mais fácil para criar com FMs. 

Com o Amazon Bedrock, os clientes podem criar e escalar aplicativos baseados em IA generativa usando FMs, democratizando o acesso para todos os criadores. O Amazon Bedrock é um novo serviço que torna os FMs da Amazon e das principais startups de IA, incluindo AI21 Labs, Anthropic e Stability AI, acessíveis por meio de uma API. O Amazon Bedrock é a maneira mais fácil para os clientes criarem e escalarem aplicativos baseados em IA generativa usando FMs, democratizando o acesso para todos os criadores. 

Invista na infraestrutura mais rentável para aprendizado de máquina. 

Aproveitar o poder da IA generativa requer uma grande quantidade de recursos computacionais e dados, que podem ser caros e demorado para adquirir e gerenciar. Usando chips AWS Trainium e AWS Inferentia, as empresas garantem o menor custo para treinar modelos e executar inferência na nuvem. 

Implante aplicativos de IA generativa que mudam o jogo, como o Amazon CodeWhisperer. 

A IA generativa pode tirar o peso das tarefas de codificação que consomem muito tempo e acelerar a criação com APIs desconhecidas. O Amazon CodeWhisperer é um companheiro de codificação de IA que usa um FM para melhorar radicalmente a produtividade dos desenvolvedores, gerando sugestões de código em tempo real com base nos comentários dos desenvolvedores em linguagem natural e no código anterior em seu Ambiente de Desenvolvimento Integrado (IDE). 

Ofereça flexibilidade para trabalhar com modelos de código aberto ou criar seus próprios FMs. 

Além dos modelos no Bedrock, o Amazon SageMaker JumpStart é um hub de ML que oferece algoritmos, modelos e soluções de ML. Com o SageMaker JumpStart, os clientes podem descobrir, explorar e implantar FMs de código aberto que não estão disponíveis no Bedrock. Por exemplo: OpenLLaMA, RedPajama, Mosiac MPT-7B, FLAN-T5/UL2, GPT-J-6B/Neox-20B e Bloom/BloomZ. 

Estratégias específicas para o mercado financeiro 

À medida que as instituições de serviços financeiros avançam, elas precisarão de uma boa compreensão da tecnologia de IA generativa, a capacidade de comparar e contrastar a eficácia de diferentes FMs para tarefas específicas e a oportunidade de experimentar diferentes abordagens para adaptação de domínio e personalização de modelos.  

A DNX Brasil e a AWS têm o objetivo de tornar fácil e prática a jornada dos seus clientes do setor das finanças. Oferecemos todo o suporte que necessitem para explorar e usar a IA generativa em seus negócios. 

Pronto para começar a repensar seu negócio para hoje e amanhã?  

Este artigo foi adaptado reproduzido a partir do Blog da AWS.