Oito maneiras pelas quais os bancos podem passar a IA do piloto para o desempenho

Os bancos corporativos, comerciais e de pequenas empresas podem reverter essa situação e se tornarem os pioneiros. Conversamos com líderes bancários e equipes de tecnologia e bancos corporativos da EY em junho e julho de 2025 e descobrimos oito maneiras de os bancos aproveitarem a oportunidade da IA.

Sem uma plataforma unificada, os bancos correm o risco de ter agentes de IA isolados que limitam a integração de processos e as melhorias no atendimento ao cliente. "Hoje, os bancos dependem muito da IA incorporada às plataformas que usam há anos", explica Cox. "Mas eles são isolados, o que impossibilita a vinculação de processos em um serviço como o de crédito. E sem essa ligação, é impossível mudar a forma como o crédito é fornecido e melhorar as ofertas de serviços ao cliente. Uma abordagem de plataforma permite isso".

5. Explorar formas modernas de corrigir problemas de dados

Dados incompletos ou de baixa qualidade são a principal barreira para o dimensionamento da IA. A abordagem padrão para esse desafio é dedicar recursos humanos a ele. Mas isso tem seus limites e é caro, por isso muitos bancos estão explorando ferramentas baseadas em IA que ajudam a lidar com a qualidade dos dados. A IA precisa de bons dados, mas também pode ajudar a torná-los melhores. Os bancos já estão observando melhorias na validação de dados e na conformidade usando ferramentas emergentes.

"Ajudamos um grande banco a usar a IA para entender e interpretar os dados usados na subscrição de crédito e validar se eles estavam corretos no registro subjacente", diz Adam Smith, líder de IA bancária corporativa, comercial e de PME da EY Americas; diretor administrativo, consultoria de serviços financeiros, Ernst & Young LLP. "Isso gerou um aumento significativo para aproximadamente 90%, permitindo que os funcionários se concentrem em questões específicas que têm maior probabilidade de estar erradas."

Os bancos devem explorar como as novas ferramentas baseadas em IA podem enfrentar os desafios de dados e reduzir a necessidade de correção manual. Essas ferramentas talvez ainda estejam amadurecendo, mas podem ajudar hoje.

6. Reavaliar o equilíbrio entre a nuvem e o local

À medida que os bancos usam a IA mais amplamente e a tecnologia amadurece, o poder de computação necessário aumenta drasticamente. Isso levanta a questão de se usar a capacidade na nuvem ou no local. Alguns preferem a escalabilidade e a flexibilidade oferecidas pela nuvem. Outros adotaram uma abordagem híbrida, combinando a nuvem com os benefícios de segurança e controle proporcionados pelas instalações locais.

Na realidade, o custo inicial significativo da construção de uma infraestrutura de computação em grande escala significa que isso só é viável para bancos maiores.

Mas para aqueles que podem, os benefícios são substanciais. "Criamos nossa própria infraestrutura de GPU que nos permite criar, implantar e manter aplicativos bancários alimentados por IA", diz Niranjan Vivekanandan, EVP e diretor de operações do RBC Commercial Banking. "Isso nos proporciona maior segurança, privacidade e soberania. Isso é vital porque a confiança é fundamental para o nosso relacionamento com os clientes."

Os bancos também precisam reavaliar as suposições sobre o custo da nuvem e a dependência do fornecedor. À medida que as cargas de trabalho de IA crescem, os modelos de preços da nuvem estão evoluindo, e a dependência de alguns provedores gera preocupações estratégicas.

7. Avaliar as necessidades de habilidades futuras

Habilidades tecnológicas insuficientes podem arruinar as ambições de IA. Quando questionados sobre os desafios de criar valor a partir da IA agêntica, 58% dos bancos destacaram a falta de habilidades e capacidades tecnológicas. Portanto, os bancos estão cientes de que a IA cria desafios de habilidades.

Há duas áreas a serem abordadas. Em primeiro lugar, toda a força de trabalho precisa ser capacitada com a competência e a confiança necessárias para usar as ferramentas baseadas em IA. Uma combinação de cursos de treinamento direcionados e programas de gerenciamento de mudanças é essencial. Em segundo lugar, os bancos devem adicionar recursos específicos às suas equipes de tecnologia à medida que a IA é dimensionada, incluindo engenheiros de software, especialistas em interface e experiência do usuário e analistas de negócios.

"Quer se trate de engenheiros de IA e dados, desenvolvedores de aplicativos ou aqueles com experiência em segurança cibernética, os bancos precisam de três a cinco vezes o número de pessoas que tinham há cinco anos", diz Sameer Gupta, líder de IA de serviços financeiros da EY Americas.

Atrair e reter esse talento é igualmente importante. Os bancos talvez precisem sinalizar externamente suas ambições em relação à IA para atrair candidatos que talvez não vejam o setor bancário como uma opção natural. Internamente, oferecer projetos variados e planos de carreira claros pode ajudar a reter talentos em demanda.

8. Renovar a atenção ao risco

O dimensionamento da IA, especialmente em aplicativos voltados para o cliente, traz riscos e recompensas. A qualidade do resultado das ferramentas baseadas em IA é sua principal preocupação, especialmente se elas prestam consultoria diretamente aos clientes. A pesquisa Responsible AI Pulse da EY constatou que dois terços dos líderes bancários consideram a produção de IA não confiável uma preocupação importante a moderada, e 48% se preocupam com a possibilidade de informações falsas geradas por IA serem levadas a sério.

Os bancos também se preocupam com a governança de dados, especialmente quando informações proprietárias são usadas para treinar modelos de linguagem de grande porte (LLMs). Como explica Osamu Abe, chefe de equipe para a região Ásia-Pacífico do MUFG Bank, "o vazamento de dados é um dos maiores riscos para nós. Talvez não queiramos que nossos dados proprietários sejam combinados com os de outras empresas em LLMs – não sabemos com o que os estamos misturando. Valorizamos a possibilidade de selecionar o conjunto de dados especificamente para nossa empresa e para nossas necessidades."

Como os bancos podem mitigar essas ameaças? Como ponto de partida, eles precisarão de uma abordagem mais sofisticada para modelar o gerenciamento de riscos e a governança de modelos para os complexos modelos de IA generativa (GenAI) baseados em linguagem. E isso significa novas habilidades.

Em segundo lugar, eles precisarão abordar as preocupações com a transparência no início do projeto de um aplicativo de IA e dos fluxos de trabalho adjacentes. Por exemplo, os designers que trabalham com ferramentas de gerenciamento de conhecimento podem especificar que qualquer conselho criado pelos LLMs deve fazer referência ao material de origem. Uma avaliação completa dos riscos também deve determinar quando o envolvimento humano é necessário.

Os bancos também devem trabalhar em estreita colaboração com as equipes de risco para definir a sequência de verificações necessárias antes de ampliar os casos de uso da GenAI. O ING adotou essa abordagem. "A GenAI traz muito mais dimensões de risco relacionadas à privacidade, à propriedade intelectual, aos fornecedores, aos dados e à tomada de decisões, portanto, você precisa encontrar uma maneira de usar a tecnologia com segurança", diz Bahadir Yilmaz, Chief Analytics Officer do ING. "Temos 140 verificações que precisam ser avaliadas para a GenAI, embora algumas delas estejam sendo automatizadas."