P ste encontro foi uma oportunidade para os participantes compartilharem suas experiências e expectativas, resultando em uma rica troca de insights sobre a prontidão e o impacto dessas tecnologias no ambiente corporativo.
Esta publicação apresenta os principais outputs e takeaways do encontro, considerando os desafios e oportunidades para implementação das tecnologias emergentes nas funções de risco, que foram no evento.
Data Analytics
Data Analytics é o processo de examinar conjuntos de dados para extrair conclusões sobre as informações que contêm. Utilizando técnicas variadas de análise e visualização de dados, o Data Analytics pode revelar tendências, padrões e anomalias, permitindo que as empresas antecipem e respondam proativamente aos riscos. No contexto das funções de risco, o Data Analytics transforma dados brutos em insights valiosos, que são fundamentais para a tomada de decisões estratégicas.
A capacidade de dar uma visão holística para a organização e avaliar o risco de forma mais precisa são apenas alguns dos benefícios que o Data Analytics oferece. No entanto, o dado não tratado pode se tornar inútil, e é aqui que a governança de dados e a conexão com as estratégias do negócio se tornam cruciais. Sem uma governança de risco eficaz e uma estratégia de negócios bem definida, o Data Analytics pode falhar em entregar seu valor total. A responsabilidade sobre o dado criado, especialmente em vista de regulamentos como a LGPD, e a rastreabilidade do dado são aspectos fundamentais que precisam ser abordados para garantir a integridade e a utilidade das análises.
A segregação da função e o acesso aos indicadores são desafios que as empresas enfrentam ao tentar utilizar o Data Analytics de forma preventiva. Compartilhar informações entre as áreas e trabalhar juntas para usar o Data Analytics da melhor forma é essencial para uma gestão de riscos eficiente. A dificuldade é saber como traduzir e estruturar o Data Analytics para substituir processos manuais e torná-lo funcional, trazendo-o para o coração do negócio e da estratégia.
Os participantes do evento reconheceram que, apesar dos desafios, o Data Analytics tem muito potencial de ser integrado nas funções de risco. A capacidade de conectar bases de várias áreas da organização, como compliance e riscos corporativos, para gerar insights é uma oportunidade latente. O investimento na transformação data-driven e a definição de governança e níveis de acesso são vistos como essenciais para o ganho de eficiência e a precificação de riscos.
Ainda assim, existem áreas onde a prontidão é menor, mas o impacto potencial é grande. Entender os critérios certos por trás dos dados, criar dicionários de dados para que a empresa inteira fale a mesma língua e sincronizar dados para fornecer informações para rápida tomada de decisão são desafios que ainda precisam ser superados. A qualidade da informação e a modelagem do negócio utilizando dados são fundamentais para uma visão holística do negócio e da estratégia, trazendo dados focados ao risco e agregando valor às análises.
Hyperautomation
Hyperautomation é um termo que descreve a aplicação de tecnologias como Robotic Process Automation (RPA), Machine Learning (ML) e Inteligência Artificial (AI) para automatizar processos de maneira mais impactante do que a automação tradicional. É uma abordagem sistemática para integrar ferramentas e tecnologias diversas com o objetivo de aumentar a eficiência operacional e a tomada de decisões baseada em dados. No contexto das funções de risco, a hyperautomation pode transformar a maneira como as informações são processadas e analisadas, permitindo uma resposta mais rápida e eficaz aos desafios emergentes.
Além disso, a automação avançada permite que as empresas processem grandes volumes de informações com velocidade e precisão, liberando recursos humanos para se concentrarem em tarefas de maior valor agregado. A geração de insights acionáveis a partir de dados complexos é uma das principais vantagens dessa tecnologia, possibilitando uma resposta mais rápida e eficaz aos desafios emergentes.
Isso se traduz em uma vantagem competitiva, pois permite uma reação mais ágil às mudanças do mercado e às exigências regulatórias. A auditoria e o monitoramento contínuos, fundamentais para a gestão de riscos, são aprimorados pela capacidade preditiva desta tecnologia, que pode antecipar problemas antes que eles se materializem.
No entanto, a implementação bem-sucedida da hyperautomation requer uma abordagem cuidadosa para o desenvolvimento de competências e a adaptação cultural. As organizações devem investir em treinamento para garantir que suas equipes estejam equipadas com as habilidades necessárias para navegar nas ondas de transformação tecnológica. Além disso, a sobrecarga sistêmica foi destacada como um efeito colateral potencial da implementação de soluções de automação. Da mesma forma que a Robotic Process Automation (RPA), precisa ser gerenciada para evitar a necessidade de recorrer a processos manuais.
A governança dos dados é outro aspecto crítico que foi amplamente discutido durante o evento. Definir uma estrutura clara, sanitizar e remover silos de dados, bem como padronizar informações, são passos essenciais para maximizar o valor da hyperautomation. A melhoria na capacidade de ajustar-se ao dinamismo da função de risco é uma necessidade contínua, pois os dados rapidamente se tornam obsoletos e precisam ser atualizados para manter sua relevância.
Os participantes do evento reconheceram que, apesar dos desafios, a hyperautomation tem grande potencial para ter um impacto significativo nas funções de risco. O esforço na realização de testes e controles, a gestão de dados em silos e a geração de informações estratégicas para a liderança sênior foram identificados como potenciais desafios que podem ser endereçados rapidamente com essa tecnologia. Esses elementos são fundamentais para a definição de criticidade baseada em dados e não em percepções, permitindo que as organizações estabeleçam parâmetros claros para a gestão de riscos.
Generative AI (GEN AI)
A GEN AI refere-se a sistemas de inteligência artificial que podem gerar novos conteúdos, ideias ou dados que são coerentes e úteis. Esses sistemas utilizam algoritmos avançados para criar conteúdo que imita o que seria produzido por um humano, como textos, imagens e música. No campo das funções de risco, a GEN AI pode processar e analisar grandes conjuntos de dados textuais para identificar padrões ocultos e insights, auxiliando na tomada de decisões e na identificação de riscos.
Isso representa uma inovação transformadora no campo da inteligência artificial, com implicações profundas para as funções de risco. Sua capacidade de gerar conteúdo novo e analisar grandes conjuntos de dados textuais oferece uma oportunidade única para as empresas expandirem sua compreensão dos riscos e melhorarem a tomada de decisões. A GEN AI pode ajudar a gerar insights em dados que, de outra forma, seriam muito volumosos ou complexos para serem analisados manualmente.
A exposição a informações sensíveis e a capacitação das pessoas para utilizar a GEN AI de maneira eficaz foram destacadas como áreas críticas para o desenvolvimento. A capacitação e o conhecimento dos colaboradores são essenciais para garantir que a GEN AI seja utilizada de forma segura e eficiente. Nesse sentido, foi entendido ser importante focar em como fomentar a ferramenta e tornar o processo mais ágil, ao mesmo tempo em que devem ser ponderados os riscos advindos de áreas que ainda não estão totalmente integradas na discussão sobre essa tecnologia.
Um dos principais desafios identificados foi a falta de sinergia entre as áreas da empresa, o que pode levar a uma utilização abaixo do potencial da GEN AI. A tecnologia pode unir informações que atualmente estão pulverizadas pela organização, mas isso requer uma estratégia coordenada e um patrocínio forte para convencer o conselho a investir nessa direção. A falta de sinergia pode ser superada por meio de uma abordagem integrada que promova a colaboração entre as áreas e a utilização compartilhada da GEN AI.
A segurança da informação e a conformidade com regulamentos como a LGPD são preocupações que devem ser incorporadas no uso da GEN AI. Nesse sentido, é importante considerar como inserir a cibersegurança e garantir que a GEN AI seja utilizada de acordo com as melhores práticas de proteção de dados. Isso é potencializado pela oportunidade do uso "full population" de dados, o que representa um desafio significativo, pois muitas organizações ainda estão trabalhando com amostragens e podem não estar preparadas para lidar com a totalidade dos dados.
Apesar desses desafios, a GEN AI está posicionada para ter um impacto considerável nas funções de risco. Há um entendimento que essa tecnologia pode auxiliar como um banco de informações, auxiliando na análise de gaps a partir da estratégia traçada pela empresa e melhorando a comunicação e a aceitação da gestão de risco formal dentro das organizações. A GEN AI também pode fornecer informações sobre o mercado e concorrentes de maneira mais ágil e com menos esforço, aumentando a capacidade das empresas de responderem rapidamente às mudanças do mercado.
Conclusão
A integração de hyperautomation, GEN AI e Data Analytics nas funções de risco é um caminho promissor para as empresas que buscam melhorar a eficiência operacional e a capacidade de previsão e mitigação de riscos. As organizações devem se concentrar em desenvolver as habilidades necessárias, estabelecer uma governança de dados robusta, promover uma cultura de colaboração e integração entre as áreas e garantir a segurança da informação e a conformidade com os regulamentos.
Este evento destacou a importância de uma abordagem estratégica e colaborativa para a adoção de tecnologias emergentes nas funções de risco. A EY Brasil está comprometida em liderar essa transformação, oferecendo insights e soluções que permitam às empresas navegar com sucesso na era da inovação tecnológica. A adoção dessas tecnologias não é apenas uma questão de eficiência operacional, mas também de resiliência e competitividade no mercado global.
Saiba mais o que aconteceu no Encontro de Gestores de Risco 2024:
Cultura de dados aliada à IA melhora gestão de riscos corporativos
Estruturação dos dados é desafio da área de gestão de riscos das organizações