Como a inteligência artificial está atrapalhando as finanças

Sumário executivo

Tecnologia de uso geral é um termo que os economistas reservam para tecnologias que estimulam o crescimento econômico prolongado e os avanços sociais, revolucionando as operações das famílias e das corporações. Um exemplo de tecnologia de uso geral é a eletricidade. A eletricidade gerou uma infinidade de produtos e setores, incluindo geladeiras, máquinas de lavar, trens e, claro, computadores. O advento da eletricidade transformou radicalmente o mundo.

Um artigo recente da Harvard Business Review designa a inteligência artificial (IA) como a tecnologia de uso geral mais importante da nossa era . Estamos familiarizados com o poder da IA. Ele se manifesta na forma de um robô derrotando um jogador de xadrez de renome mundial. Um carro que pode estacionar em paralelo. Dispositivos que respondem com o clima de amanhã quando pedimos. Mas muito do nosso contato e compreensão da IA ​​gira em torno de produtos que afetam nossa vida cotidiana como consumidores. No nível organizacional, há uma questão maior sobre como a IA irá revolucionar as indústrias e, especificamente, como os serviços financeiros irão aproveitar a IA.

O artigo a seguir definirá a inteligência artificial, a esfera de suas tecnologias relacionadas, o tamanho da indústria geral de IA e as aplicações da inteligência artificial nas finanças. Esta peça não pretende fornecer um julgamento normativo sobre o desenvolvimento de IA; em vez disso, ele se concentrará em como a IA está atrapalhando as finanças.

Inteligência Artificial: O que é IA?

A inteligência artificial é uma área da ciência da computação focada na criação de máquinas inteligentes que funcionam como humanos. Os computadores de IA são projetados para executar funções humanas, incluindo aprendizado, tomada de decisão, planejamento e reconhecimento de fala.

A inteligência artificial permite que as máquinas melhorem continuamente seu desempenho sem que os humanos forneçam instruções prescritivas sobre como fazê-lo. Isso é significativo por algumas razões. Primeiro, os humanos sabem mais do que somos capazes de dizer. Ou seja, os humanos podem reconhecer um rosto ou executar uma estratégia inteligente em um jogo de xadrez. No entanto, antes da tecnologia avançada de inteligência artificial, a incapacidade dos humanos de articular nosso conhecimento significava que não podíamos automatizar muitas tarefas. Em segundo lugar, a tecnologia de IA é sobre-humana em execução, operando com mais rapidez e muitas vezes com mais precisão do que os humanos.

Tecnologias de Inteligência Artificial

A inteligência artificial engloba uma infinidade de recursos e tecnologias. A consultoria PWC reforça que a IA “não é uma área monolítica. Ele compreende uma série de coisas que contribuem para nossa noção do que significa ser 'inteligente'.” Abaixo estão algumas das áreas mais populares da IA:

• O aprendizado de máquina é um método de análise de dados que automatiza a construção de modelos analíticos. Usando algoritmos que aprendem de forma iterativa com os dados, o aprendizado de máquina permite que os computadores encontrem informações ocultas sem serem explicitamente programados para onde procurar.
• O aprendizado profundo é um subconjunto do aprendizado de máquina. Ele facilitou o reconhecimento de objetos em imagens, rotulagem de vídeo e reconhecimento de atividades, e está progredindo na percepção (incluindo áudio e fala). Por exemplo, o DeepFace, aplicativo de aprendizado profundo do Facebook, foi treinado para reconhecer pessoas em fotos. Muitos fazem a comparação entre a tecnologia de aprendizado profundo e a biologia, mas os especialistas geralmente concordam que, embora inspirado no cérebro humano, não é necessariamente modelado a partir dele.
• O processamento de linguagem natural é a capacidade de um programa de computador de entender a fala humana em tempo real. A pesquisa e o desenvolvimento estão mudando para sistemas capazes de interagir com as pessoas por meio do diálogo, não apenas reagindo a solicitações estilizadas.
• A Internet das Coisas (IoT) é dedicada à ideia de que uma ampla gama de dispositivos, incluindo aparelhos, veículos e edifícios, pode ser interconectada. Por exemplo, se o alarme tocar às 7h, ele poderá notificar automaticamente sua cafeteira para começar a preparar café para você. As tecnologias vestíveis que atuam como sensores quando usadas também fazem parte dessa tendência maior.

Claro, esta lista não é abrangente. Veja abaixo uma gama mais ampla de tópicos e tecnologias de inteligência artificial.

Tamanho do mercado de Inteligência Artificial

O referido artigo da Harvard Business Review prevê que “Os efeitos da IA ​​serão ampliados na próxima década, à medida que manufatura, varejo, transporte, finanças, saúde, direito, publicidade, seguros, entretenimento, educação e praticamente todos os outros setores transformam seus processos principais e modelos de negócios para aproveitar o aprendizado de máquina. O gargalo está na gestão, implementação e imaginação do negócio.”

Prevê-se que a ampla adoção da IA ​​em todos os setores gere receitas globais de US$ 12,5 bilhões em 2017 e US$ 47 bilhões em 2020, com uma taxa de crescimento anual composta (CAGR) de 55,1% de 2016 a 2020. Especificamente, os setores que mais investirão em a tecnologia são bancos e varejo, seguidos por saúde e manufatura. No total, esses quatro setores representarão mais da metade das receitas globais de IA em 2016, com os setores bancário e de varejo entregando cada um quase US$ 1,5 bilhão.

Em todos os setores, os maiores investimentos em IA em 2017 serão em áreas como agentes automatizados de atendimento ao cliente, inteligência automatizada de ameaças e análise de fraudes (veja o gráfico abaixo). De acordo com Jessica Goepfert, diretora de programa da empresa de pesquisa de mercado IDC, “As oportunidades de curto prazo para sistemas cognitivos estão em setores como bancos, títulos e investimentos e manufatura. Nesses segmentos, encontramos uma riqueza de dados não estruturados, um desejo de aproveitar os insights dessas informações e uma abertura para tecnologias inovadoras.” A próxima seção deste artigo abordará os vários casos de uso da inteligência artificial no setor de serviços financeiros.

Aplicações atuais e futuras da inteligência artificial em finanças

A inteligência artificial em finanças pode impulsionar a eficiência operacional em áreas que vão desde gestão de risco e negociação até subscrição e sinistros. Embora alguns aplicativos sejam mais relevantes para setores específicos dos serviços financeiros, outros podem ser aproveitados em todos os setores.

Inteligência Artificial em Finanças: Gestão de Riscos

A inteligência artificial provou ser extremamente valiosa quando se trata de segurança e detecção de fraudes. Os métodos tradicionais de detecção de fraude incluem computadores que analisam dados estruturados em relação a um conjunto de regras. Por exemplo, uma determinada empresa de pagamentos pode definir um limite para transferências eletrônicas de US$ 15.000 para que qualquer transação que exceda esse valor seja sinalizada para investigação adicional. No entanto, esse tipo de análise produz muitos falsos positivos e requer muito esforço adicional. Talvez ainda mais significativo, os fraudadores de crimes cibernéticos frequentemente mudam suas táticas. Portanto, os sistemas mais eficazes devem se tornar continuamente mais inteligentes.

Com algoritmos avançados de aprendizado, como os de aprendizado profundo, novos recursos podem ser adicionados ao sistema para ajuste dinâmico. De acordo com Samir Hans, diretor de consultoria da Deloitte Transactions and Business Analytics LLP, “Com a análise cognitiva, os modelos de detecção de fraude podem se tornar mais robustos e precisos. Se um sistema cognitivo expulsa algo que determina como fraude em potencial e um humano determina que não é fraude por causa de X, Y e Z, o computador aprende com esses insights humanos e, da próxima vez, não enviará uma detecção semelhante para você. . O computador está ficando cada vez mais inteligente.”

O sucesso do PayPal com inteligência artificial e detecção de fraudes

Veja o gigante de pagamentos PayPal e seus protocolos avançados de fraude, por exemplo. Devido à sua escala e visibilidade, o PayPal “tem um grande alvo nas costas”. Ela processou US$ 235 bilhões em 2015 de quatro milhões de transações de seus 170 milhões de clientes. No entanto, o PayPal conseguiu aumentar a segurança aproveitando a tecnologia de aprendizado profundo. Na verdade, a fraude do PayPal é relativamente baixa em 0,32% da receita, um número muito melhor do que a média de 1,32% que os comerciantes veem.

No passado, o PayPal usava modelos simples e lineares. Hoje, seus algoritmos extraem dados do histórico de compras de um cliente e analisam padrões de prováveis ​​fraudes armazenados em seus bancos de dados crescentes. Enquanto um modelo linear pode consumir de 20 a 30 variáveis, a tecnologia de aprendizado profundo pode comandar milhares de pontos de dados. Esses recursos aprimorados ajudam o PayPal a distinguir transações inocentes de suspeitas. De acordo com Hui Wang, Diretor Sênior de Ciências de Risco Global do PayPal, “O que gostamos do aprendizado de máquina mais moderno e avançado é sua capacidade de consumir muito mais dados, lidar com camadas e camadas de abstração e ser capaz de 'ver' coisas [… ] mesmo os seres humanos podem não ser capazes de ver.”

Inteligência Artificial em Finanças: Trading

Transição de modelos construídos por humanos para a verdadeira IA

Durante anos, as empresas de gestão de investimentos confiaram em computadores para fazer negócios. Cerca de 1.360 fundos de hedge, representando 9% de todos os fundos, contam com grandes modelos estatísticos construídos por cientistas de dados, muitas vezes com doutorados em matemática (também conhecidos como “quants”). No entanto, esses modelos utilizam apenas dados históricos, geralmente são estáticos, exigem intervenção humana e não funcionam tão bem quando o mercado muda. Consequentemente, os fundos estão migrando cada vez mais para verdadeiros modelos de inteligência artificial que podem não apenas analisar grandes volumes de dados, mas também continuar a se aprimorar.

Essas novas tecnologias utilizam técnicas complexas, incluindo aprendizado profundo, uma forma de aprendizado de máquina chamada redes Bayesianas e computação evolutiva, inspirada na genética. O software de negociação de IA pode absorver enormes volumes de dados para aprender sobre o mundo e fazer previsões sobre o mercado financeiro. Para entender as tendências globais, eles podem consumir tudo, desde livros, tweets, reportagens, dados financeiros, números de ganhos e política monetária internacional até esboços do Saturday Night Live.

Para ser claro, o acima é diferente da negociação de alta frequência (HFT), que permite que os traders executem milhões de ordens e analisem vários mercados em questão de segundos, respondendo a oportunidades de maneiras que os humanos simplesmente não conseguem. As plataformas orientadas por IA discutidas acima estão buscando os melhores negócios no longo prazo, e as máquinas – não os humanos – estão ditando a estratégia.

Alguns desses sistemas de negociação de IA são desenvolvidos por startups. Por exemplo, o Aidiya, com sede em Hong Kong, é um fundo de hedge totalmente autônomo que faz todas as suas negociações de ações usando inteligência artificial (IA). “Se todos morrermos”, diz o cofundador Ben Goertzel, “continuaria sendo negociado”. As instituições tradicionais também estão interessadas na tecnologia de negociação de IA. Em 2014, o Goldman Sachs liderou a rodada de financiamento da Série A e começou a instalar uma plataforma de negociação de IA chamada Kensho. Para a rodada da Série B da Kensho, além do S&P Global, os seis maiores bancos de Wall Street (Goldman Sachs, JPMorgan Chase, Bank of America Merrill Lynch, Morgan Stanley, Citigroup e Wells Fargo) também participaram.

Comparação de Desempenho de Negociação

Um estudo recente realizado pela empresa de pesquisa de investimentos Eurekahedge rastreou o desempenho de 23 fundos de hedge utilizando IA de 2010 a 2016, descobrindo que eles superaram aqueles administrados por quants mais tradicionais e fundos de hedge generalizados.

Implicações para Traders e Quants

Será interessante observar como a IA afetará o mercado de trabalho comercial. Seus efeitos já são aparentes em algumas grandes instituições bancárias. Em 2000, a mesa de negociação de ações à vista do Goldman Sach nos EUA em sua sede em Nova York empregava 600 operadores comprando e vendendo ações. Hoje, tem dois traders de ações, com máquinas fazendo o resto. Daniel Nadler, CEO da Kensho, declara: “Em 10 anos, o Goldman Sachs será significativamente menor em número de funcionários do que é hoje”. E quanto aos quants, eles podem descobrir que suas habilidades são menos solicitadas pelas empresas de gestão de investimentos.

Atualmente, cerca de um terço dos graduados dos principais programas de negócios se dedicam às finanças. Para onde alguns dos melhores talentos do país iriam se mudar? Mark Minevich, consultor sênior do Conselho de Competitividade dos EUA, acredita que “Algumas dessas pessoas inteligentes vão se mudar para startups de tecnologia, ou ajudarão a desenvolver mais plataformas de IA, carros autônomos ou tecnologia de energia […] Vale em tecnologia.”

Inteligência Artificial em Finanças: Robo-Advisory

O que é um Robo-Advisor e como ele funciona?

Robo-advisors são plataformas digitais que fornecem serviços de planejamento financeiro automatizados e orientados por algoritmos com supervisão humana mínima. Embora os gerentes financeiros humanos tenham utilizado a alocação automatizada de portfólio desde o início dos anos 2000, os investidores tiveram que empregar consultores para se beneficiar da tecnologia. Hoje, os consultores robóticos permitem aos clientes acesso direto ao serviço. Ao contrário de seus colegas humanos, os consultores robóticos monitoram os mercados sem parar e estão disponíveis 24 horas por dia, 7 dias por semana. Os consultores robóticos também podem oferecer aos investidores uma economia de custos de até 70% e normalmente exigem um mínimo ou nenhum mínimo para participar.

Hoje, os consultores robóticos podem ajudar nas tarefas mais repetitivas, como abertura de conta e transferência de ativos. O processo normalmente envolve os clientes respondendo a questionários simples sobre apetite de risco ou fatores de liquidez, que os consultores-robôs traduzem em lógica de investimento. A maioria dos consultores robóticos atuais visa alocar seus clientes para portfólios de ETF gerenciados com base em suas preferências. Espera-se que os recursos no futuro evoluam para ofertas mais avançadas, como mudanças automáticas de ativos e cobertura expandida em classes de ativos alternativos, como imóveis.

A consultoria robótica pode ter um grande impacto nos setores de finanças pessoais e gestão de patrimônio. Embora os ativos totais atuais do consultor de robôs sob gestão (AUM) representem apenas US$ 10 bilhões dos US$ 4 trilhões do setor de gestão de patrimônio (menos de 1% de todos os ativos de contas gerenciadas), um estudo do Business Insider estima que esse número aumentará para 10% até 2020 Isso equivale a cerca de US$ 8 trilhões de AUM.

Adoção do Robo-Advice pela indústria

Os players do setor adotaram abordagens variadas para a consultoria robótica. Empresas menores de gestão de patrimônio estão adicionando componentes algorítmicos para automatizar seu gerenciamento de investimentos, reduzir custos/taxas e competir com consultores robóticos. Por outro lado, firmas de investimento estabelecidas estão comprando consultores robóticos existentes, como a aquisição da Jemstep pela Invesco ou criando suas próprias soluções de consultores robóticos, como FidelityGo e Schwab's Intelligent Advisory.

Consultores Robô versus Consultores Financeiros: Os Humanos Serão Substituídos?

O consenso geral entre os especialistas é que os humanos continuarão sendo indispensáveis. O toque humano continuará sendo fundamental, pois os consultores ainda precisarão tranquilizar os clientes durante tempos financeiros difíceis e convencê-los com soluções úteis. Um estudo realizado pela consultoria Accenture revelou que 77% dos clientes de gestão de patrimônio confiam em seus consultores financeiros, enquanto 81% indicam que a interação cara a cara é importante. Para clientes com decisões de investimento complexas, o modelo de consultoria híbrido, que combina serviços informatizados com consultores humanos, está ganhando força.

Embora os consultores financeiros permaneçam centrais, os consultores robóticos podem causar mudanças em suas responsabilidades de trabalho. Com a IA gerenciando tarefas repetitivas, os gerentes de investimento podem assumir as responsabilidades de um cientista ou engenheiro de dados, como manter o sistema. Os humanos também podem se concentrar mais na construção do relacionamento com o cliente e na explicação das decisões que a máquina tomou.

Inteligência Artificial em Finanças: Subscrição de Seguros e Sinistros

O seguro depende do equilíbrio de risco entre grupos de pessoas; as seguradoras agrupam pessoas semelhantes, e algumas pessoas exigirão pagamentos, enquanto outras não. A indústria é construída em torno da avaliação de risco; as companhias de seguros não são estranhas à análise de dados. No entanto, a IA pode expandir a quantidade de dados analisados, bem como as formas de utilização, resultando em preços mais precisos e outras eficiências operacionais.

As startups estão na vanguarda do avanço da indústria. Segundo Henrik Naujoks, sócio da Bain & Co, “as start-ups estão mostrando o que é possível e o que pode ser feito. Muitos executivos em exercício estão olhando para isso – eles realmente não entendem, mas querem se envolver.” Os investidores também aderiram a essa tendência (veja abaixo). Em 2016, a IA foi um dos temas mais populares para investimento em tecnologia de seguros.

Inteligência Artificial e Subscrição

Um relatório da PWC prevê que a IA automatizará uma quantidade considerável de subscrição até 2020, especialmente em mercados maduros onde há dados disponíveis. Atualmente, um subscritor de seguros, com a ajuda de software de computador e modelos atuariais, avalia o risco e as exposições de potenciais clientes, qual cobertura eles devem receber e quanto devem ser cobrados por isso. No curto prazo, a IA pode ajudar a automatizar grandes volumes de subscrição em seguros de automóveis, residenciais, comerciais, de vida e em grupo. No futuro, a IA aprimorará a modelagem, destacando as principais considerações para os tomadores de decisão humanos que, de outra forma, poderiam passar despercebidas. Também está previsto que a IA avançada permitirá a subscrição personalizada por empresa ou indivíduo, levando em consideração comportamentos e circunstâncias únicas.

A subscrição aprimorada pode alavancar não apenas o aprendizado de máquina para mineração de dados, mas também a tecnologia vestível e os analisadores faciais de aprendizado profundo. Por exemplo, a Lapetus, uma startup, quer utilizar selfies para prever com precisão a expectativa de vida. No modelo proposto, os clientes enviarão seus auto-retratos por e-mail, que os computadores digitalizarão e analisarão, analisando milhares de regiões do rosto. A análise consideraria tudo, desde dados demográficos básicos até a rapidez com que a pessoa envelhecerá, seu índice de massa corporal e se ela fuma. Além disso, a tecnologia vestível pode tornar o processo de subscrição mais colaborativo. Em vez de depender de exames médicos demorados e processos de contrato complicados, os wearables podem fornecer informações em tempo real sobre a saúde e o comportamento do segurado. Claramente, o aprendizado de máquina em finanças já está evoluindo.

Esses tipos de análises de risco diferenciadas e em tempo real permitirão não apenas preços mais precisos para o cliente, mas também a detecção precoce de riscos à saúde e uma oportunidade para as seguradoras investirem em prevenção. Em vez de eventualmente pagar por tratamentos caros para o paciente, as seguradoras podem tentar de forma proativa reduzir a probabilidade de danos e custos associados.

Em um estudo de Oxford de 2013 analisando mais de 700 profissões para determinar quais eram mais suscetíveis à informatização, os subscritores de seguros foram incluídos entre os cinco mais suscetíveis. Mesmo onde a IA não substitui completamente um subscritor, a automação da IA ​​pode alterar as responsabilidades de um subscritor. A IA pode liberar o tempo de um subscritor para maior valor agregado, como avaliar e precificar riscos em mercados emergentes menos ricos em dados, fornecendo mais feedback de gerenciamento de risco e desenvolvimento de produtos.

Inteligência Artificial e Sinistros de Seguros

Os sinistros de seguros são pedidos formais de pagamento enviados às companhias de seguros. As companhias de seguros então revisam o pedido de validade e pagam ao segurado uma vez aprovado. Veja como a inteligência artificial pode melhorar o processo:

Maior precisão dos dados do cliente. O processo de reclamação é bastante manual: os agentes humanos registram manualmente as informações do cliente e os detalhes do incidente. De acordo com um relatório da Experian, a qualidade dos dados pode sofrer: dados incompletos são responsáveis ​​por 55% dos erros de dados, enquanto erros de digitação representam 32%. A IA pode melhorar a precisão reduzindo a entrada manual. Além disso, os processos de sinistros geralmente exigem que os agentes de seguros comparem as informações do cliente com vários bancos de dados. A IA pode ser usada para fazer isso com mais eficiência.

Recomendações de pagamento mais rápidas. De acordo com um estudo de satisfação de sinistros de propriedades da JD Power & Associates, os tempos de ciclo de sinistros lentos são um dos maiores contribuintes para a insatisfação do cliente. A IA pode ajudar a reduzir os tempos de resposta validando primeiro a apólice, depois determinando as reivindicações e se o pagamento deve ser automatizado. Isso ocorre porque a IA tem a capacidade de analisar não apenas dados estruturados, mas também dados não estruturados, como formulários manuscritos e certificados.

Inteligência Artificial em Finanças: Conversational Banking e Customer Service

Os bancos estão fazendo grandes apostas com seus assistentes virtuais voltados para o cliente, conhecidos como chatbots. Enquanto as primeiras versões dos chatbots só poderão responder a perguntas básicas sobre limites de gastos e transações recentes, as versões futuras estão programadas para se tornarem assistentes virtuais de serviço completo que podem fazer pagamentos e rastrear orçamentos para consumidores. O envolvimento com os clientes pode se traduzir em economias de custos significativas, mas as interações humanas também são, sem dúvida, mais complexas do que o simples processamento de números. Os críticos apontam para a falta de empatia e compreensão dos chatbots, que os humanos podem precisar ao lidar com decisões e situações financeiras difíceis. Para esta tecnologia, a tecnologia de IA de processamento de linguagem natural será essencial para processar e responder às preocupações e desejos personalizados dos clientes.

Em outubro de 2016, tanto o Bank of America quanto a MasterCard revelaram seus chatbots, Erica e Kai, respectivamente. Isso permitirá que os clientes façam perguntas sobre suas contas, iniciem transações e recebam conselhos via Facebook Messenger da torre Echo da Amazon.

A Capital One também lançou seu próprio chatbot, chamado “Eno”, que é um anagrama para “One”. O Eno permite que os clientes conversem com o banco usando linguagem baseada em texto para pagar contas e recuperar informações da conta. O Barclays também está entrando em ação. Ao descrever o novo chatbot do Bank of America, Michelle Moore, a chefe de banco digital do Bank of America declarou: “Qual será o setor bancário em dois, três ou quatro anos? Vai ser isso.”

Pensamentos de despedida

O impacto total da inteligência artificial nos serviços financeiros deve ser visto. Alguns futuristas argumentam que o mundo está se aproximando rapidamente de um ponto de inflexão, denominado “singularidade”, onde a inteligência da máquina superará a inteligência humana. Tecnólogos e cientistas famosos, incluindo Bill Gates e Stephen Hawking, alertaram sobre esse ponto. Elon Musk também disse: “A IA é um risco existencial fundamental para a civilização humana, e não acho que as pessoas apreciem totalmente isso”.

À medida que a IA continua a proliferar em nossas vidas pessoais e profissionais, muitos problemas continuarão a surgir. Isso inclui o potencial de erros, um sentimento geral de desconfiança em relação às máquinas e preocupações com a substituição de empregos. Seria um erro ignorar esses medos. Ainda assim, a sociedade já está em um caminho acelerado para um mundo orientado por IA. Neste novo mundo, pode ser mais produtivo focar em como máquinas e humanos podem coexistir melhor. Será importante que os formuladores de políticas permaneçam cautelosos, permitindo que novas tecnologias se desenvolvam enquanto monitoram e minimizam suas consequências negativas. Os desenvolvedores e designers também devem aprimorar a capacidade dos humanos de entender os sistemas de IA para criar confiança e aumentar a satisfação com os aplicativos de IA. Todos terão um papel a desempenhar.

Como Haruhiko Kuroda, Governador do Banco do Japão discursou em uma conferência de IA e Serviços Financeiros de 2017, “é essencial para nós considerarmos construtivamente maneiras desejáveis ​​pelas quais humanos e IA se complementam, em vez de se confrontarem. Por exemplo, o julgamento humano não está completamente livre de paradigmas existentes e, portanto, às vezes é negligente em relação a mudanças. A esse respeito, a IA poderia ajustar nosso viés analisando de forma neutra e encontrando novas correlações entre uma infinidade de dados [sic]. Enquanto isso, os humanos podem compensar a fraqueza da IA ​​com sua intuição, bom senso e imaginação.”