Em uma pesquisa global realizada com altos executivos e cientistas de dados, constatamos como o Machine Learning e a Inteligência Artificial estão revolucionando o setor de serviços financeiros. Veja, a seguir, como e onde essas tecnologias estão sendo implantadas, e as barreiras que ainda impedem a sua completa adoção.
- Uma nova pesquisa da Refinitiv com 450 profissionais de finanças apontou as mais recentes tendências para o uso de Inteligência Artificial e Machine Learning, confirmando que essas tecnologias já são parte fundamental do setor.
- O Machine Learning vem sendo empregado em funções como gerenciamento de risco financeiro, análise pré-negociação e otimização de portfólio, mas a baixa qualidade dos dados ainda representa uma barreira para a sua ampla adoção.
- A pesquisa também identificou as regiões globais que mais adotam IA e Machine Learning. Entre elas, a América do Norte desponta em primeiro lugar.
Em meio à quarta revolução industrial –em que dados possibilitam a fusão das esferas física, biológica e digital—, constatamos que já estão em curso mudanças profundas, impulsionadas por tecnologias como Inteligência Artificial, Machine Learning, robótica e Internet das Coisas (IOT, na sigla em inglês).
Por isso, não é exagero dizer que, muito em breve, a realidade será completamente diferente da que conhecemos hoje.
Tecnologias emergentes ajudarão a criar novos tipos de parcerias entre homens e máquinas, e essas, por sua vez, farão com que os seres humanos transcendam limitações, aprimorando atividades diárias, melhorando expectativas de aprendizado e de produtividade no trabalho. Ou seja, com máquinas mais avançadas, teremos seres humanos mais inteligentes –em um movimento contínuo.
Vantagem competitiva
Os resultados da pesquisa da Refinitiv sobre Inteligência Artificial e Machine Learning (Artificial Intelligence/Machine Learning Survey) revelam que essas tecnologias serão as principais responsáveis por criar vantagens competitivas no setor financeiro.
Temos visto um crescimento exponencial do Machine Learning nos últimos anos, liderado por aplicativos para processamento de imagens e de linguagem natural e de tradução automática. Como esses novos recursos costumam ser baseados em bibliotecas de código aberto e podem ser implantados de forma relativamente barata na nuvem, as barreiras para a sua entrada no mercado caíram de maneira drástica.
Por isso, esperamos uma nova onda de produtos e serviços para desempenhar funções que devem ir muito além da simples automatização de tarefas repetitivas baseadas em regras –que, por sinal, até pouco tempo atrás tomavam horas e horas de muitos profissionais.
Em nossa sondagem mundial com líderes de instituições financeiras e cientistas de dados, constatamos que o Machine Learning tornou-se, definitivamente, parte integrante da administração corporativa. As instituições financeiras estão implantando essa tecnologia em áreas-chave, como gerenciamento de risco financeiro, análise pré-negociação e otimização de portfólio.
Para David Craig, o CEO da Refinitiv, essa pesquisa confirma o importante papel que a IA e o Machine Learning desempenham na transformação dos serviços financeiros. “Essas tecnologias podem ajudar sua organização a avançar em sua jornada tecnológica. Afinal, os dados são apenas o começo”, comenta.
Dados de baixa qualidade
Talvez você nem imagine o quão importante é a qualidade dos dados para a eficiência dessas tecnologias. Dados deficientes são citados como a maior barreira à adoção e implantação do Machine Learning por muitas organizações.
Claro que dados não estruturados ou de fontes alternativas são cada vez mais importantes, mas precisam ser bastante filtrados até que seus insights sejam de fato confiáveis.
Visões conflitantes
Os cientistas de dados precisam desenvolver modelos e algoritmos que diferenciem suas organizações da concorrência. Mas geralmente há um descompasso entre a visão da diretoria e a realidade. Executivos C-level acreditam que é importante exibir ferramentas e técnicas inovadoras, pois assim estariam saindo na frente da concorrência. No entanto, eles podem estar exagerando no emprego da Inteligência Artificial.
Já os cientistas de dados encontram-se sob pressão para implementar o Machine Learning na empresa enquanto lidam com sérias restrições organizacionais do dia-a-dia. Em suma, todos concordam que o Machine Learning é necessário, mas a sua viabilidade sempre vai variar conforme a organização e as suas peculiaridades.
Adesão global
Outro ponto abordado pela pesquisa é a disparidade no emprego dessas tecnologias em diferentes países.
Instituições financeiras na América do Norte são as que mais aderiram à inovação. Já as asiáticas estão mais avançadas do que as europeias em algumas áreas: elas vêem o ML como parte crucial de sua estratégia de negócios e projetam um sólido crescimento do número de cientistas de dados.
Por outro lado, as organizações europeias aparecem na frente quando se trata de implantação efetiva do Machine Learning no dia-a-dia.
Só o tempo dirá se as tecnologias de código aberto atravessarão fronteiras geográficas para que as organizações financeiras ao redor do globo usufruam em conjunto de seu potencial.
Buy-side sai na frente
O estudo ainda sugere que o buy-side está à frente do sell-side quando o assunto é Machine Learning. Isso pode ser explicado pelo fato de os fundos de hedge sempre terem investido mais em ML em sua busca por Alfa.
No entanto, acreditamos que, ao longo do tempo, a maior disponibilidade de ferramentas avançadas deverá nivelar o emprego da tecnologia nos dois setores.
