Um estudo mostra que apenas 11% dos bancos conseguiram decifrar o código para uma IA fiável

Apesar dos crescentes gastos em IA, a maioria dos bancos não estabeleceu a governação e a segurança necessárias, e quase metade subestima a sua própria prontidão em IA

No setor bancário, a confiança não é opcional: é fundamental. Embora os bancos tenham investido em IA antes de outros setores, a maioria está a implementar inteligência artificial sem a supervisão e a infraestrutura necessárias para conquistar essa confiança. Esta é a principal preocupação revelada no novo relatório do SAS, Data and AI Impact Report: The Trust Imperative, com inquérito da IDC.

Entre os quatro setores analisados ​​no estudo, o setor bancário supera os setores governamental, dos seguros e das ciências da vida tanto em termos de gastos com IA como na adoção de práticas fiáveis ​​de IA. De facto, aproximadamente um quarto (23%) dos bancos opera ao nível mais elevado do Índice de IA Confiável da IDC. Mas, mesmo com estas vantagens, a maioria das instituições bancárias está muito aquém do "índice ideal" do relatório, que combina uma elevada confiança com um elevado nível de fiabilidade.

Segundo o relatório, apenas 11% dos bancos possuem sistemas verdadeiramente fiáveis ​​e confiam neles. Por outro lado, quase metade (47%) encontra-se naquilo a que a IDC chama de "dilema da confiança": subutilizam a IA por não confiarem o suficiente nela ou dependem excessivamente de sistemas de IA que não foram devidamente validados.

"Quando se trata de IA fiável, o setor bancário lidera todos os outros setores neste estudo, e ainda assim, o nível de prontidão fundamental da maioria dos bancos está longe de ser o ideal", afirmou Stu Bradley, vice-presidente sénior de Soluções de Risco, Fraude e Conformidade do SAS. "Aproximadamente nove em cada dez bancos ainda precisam de alinhar totalmente a confiança com as provas, e cerca de um em cada cinco ainda opera com dados isolados. Reduzir o fosso entre a ambição e a prontidão em relação à IA deve ser uma prioridade máxima para todos os bancos."

O investimento está a aumentar, mas as bases continuam frágeis

O relatório, baseado num inquérito global e intersectorial a 2.375 líderes de TI e de negócio, revela uma tendência preocupante: o investimento em recursos de IA não é acompanhado pelo investimento nos pilares da inovação responsável que tornam a IA fiável. Numa indústria onde a falha de um único modelo pode desencadear sanções regulamentares ou corroer a confiança dos consumidores de um dia para o outro, esta desconexão é muito perigosa.

E o problema não é a falta de investimento: a trajetória dos gastos em IA dos bancos supera a de todos os outros setores do estudo. A maioria dos bancos (60%) espera um crescimento entre 4% e 20%, enquanto um grupo mais pequeno (12%) prevê aumentos ainda mais acentuados. Apesar deste ímpeto, o estudo constatou que persistem fragilidades fundamentais significativas, incluindo:

Silos de dados. Quase um em cada cinco bancos (19%) ainda opera com uma infraestrutura de dados em silos, a pior taxa entre os setores analisados ​​no estudo.

• Bases de dados insuficientes. Uma parcela significativa dos bancos carece de uma governação de dados eficaz (45%) e/ou de uma infraestrutura de dados centralizada ou otimizada (41%).
• Falta de talentos. Muitos bancos (42%) enfrentam também uma escassez de profissionais com competências especializadas em IA.

Para resolver estes problemas, mais de metade (52%) dos bancos planeia expandir a sua arquitetura de IA; outros 43% planeiam formar ou expandir equipas dedicadas à IA. No entanto, menos de um terço (31%) planeia concentrar-se no desenvolvimento e melhoria de modelos de IA. Em conclusão: estas barreiras não são abstratas nem teóricas; são estruturais.

“O setor bancário compreende claramente o potencial da IA, mas a compreensão e a execução não são a mesma coisa”, disse Kathy Lange, diretora de investigação da área de IA e Automação da IDC. “Sem uma arquitetura de dados robusta, estruturas de governação e um conjunto de talentos qualificados, os bancos correm o risco de investir em iniciativas de IA que não geram retorno sobre o investimento (ROI) ou, pior, minam a própria confiança que depositam neles.”

A inovação responsável, e não o corte de custos, impulsiona o ROI da IA

O relatório questiona ainda a premissa de que o principal valor da IA ​​no setor bancário é a redução de custos. Pelo contrário, o setor bancário é o único que prioriza a inovação em produtos e serviços em detrimento da eficiência dos processos como principal fonte de valor gerada pela IA.

Os dados de ROI em diversos setores mostram que os bancos estão no bom caminho.

As empresas que utilizam a IA para melhorar a experiência do cliente obtiveram o maior retorno: 1,83 dólares por cada dólar investido, seguidas de perto pelas empresas focadas na expansão da quota de mercado (1,74 dólares). As focadas na redução de custos apresentaram valores mais baixos: 1,54 dólares por cada dólar. Além disso, as empresas que priorizaram a IA fiável tiveram 60% mais de probabilidades de duplicar o retorno global das suas iniciativas de IA. Isto demonstra claramente que a inovação responsável é um acelerador de crescimento que se paga a si próprio muitas vezes.

Os bancos também estão a caminhar de forma mais decisiva em direção à IA Agencial do que outros setores, com quase um terço a planear aumentar o investimento em IA fiável para suportar sistemas mais autónomos. Mas, à medida que os sistemas de IA ganham mais autoridade na tomada de decisões, as consequências de uma governação fraca tornam-se mais graves.

"Os reguladores estão a observar. Os clientes estão a observar. E, neste momento, quase metade de todos os bancos está a utilizar IA não comprovada ou hesita em tirar partido da IA ​​que já validaram", afirma Mónica Gutiérrez, Diretora de Vendas para os Serviços Financeiros do SAS para Portugal e Espanha. "Nenhum banco quer ficar para trás nesta corrida altamente competitiva, e a redução de custos por si só não os manterá na disputa. Os bancos que ganharem serão aqueles que investirem em governação, explicabilidade, transparência e uma base de dados sólida antes de escalar, e não depois de algo correr mal."