A nossa visão da IA nos Serviços Financeiros

Nos últimos anos, a indústria de serviços financeiros tem inovado tecnologicamente, apoiada por um ecossistema complexo que inclui bancos, prestadores de serviços financeiros e startups (link). Neste artigo, apresentamos a nossa visão sobre a IA nos Serviços Financeiros.

IA nos Serviços Financeiros

Na nossa perspetiva, podemos agrupar os casos de uso de IA em três entidades distintas, consoante o nível de granularidade.

• Nível de Micro-entidade: A nível de micro-entidade, o objetivo principal da IA é otimizar operações e transações mantendo a qualidade de serviço. Isto inclui objetivos comerciais como minimizar custos e melhorar a experiência do utilizador.

• Nível de Utilizador: A nível de utilizador, o objetivo é aumentar o valor para o utilizador (por exemplo, mantendo-o envolvido com o serviço) e controlar o risco nos serviços prestados.

• Nível de Empresa: A nível de empresa, procuramos otimizar o portfólio e o retorno sobre investimentos.

Que dados necessito?

Embora a maioria dos casos de uso descritos abaixo requeira fontes de dados específicas, podemos definir alguns pontos de dados gerais para cada entidade. Se trabalha nesta área e identifica uma fonte de dados que ainda não começou a adquirir de forma estruturada, comece já!

• Micro-entidade: As transações podem ser caracterizadas por valor, canal, data, partes envolvidas e outras características/descrição (por exemplo, alimentação, eletricidade, etc.)
• Utilizador: Todos os utilizadores devem ter dados contratuais (data de início do contrato, condições do contrato) assim como dados comportamentais (tickets de atendimento ao cliente, fluxo de caixa, etc.).
• Empresa: Uma empresa é caracterizada pelo tamanho e distribuição do seu portfólio, indicadores externos de mercado e contexto económico, e comparação com concorrentes.

As empresas também podem ser agrupadas pela sua missão/objetivo principal. Em cada um deles, podemos detalhar ainda mais casos de uso para cada tipo de entidade.

Quer discutir esta ideia com mais detalhe?

Marque uma reunião com Rafael Cavalheiro

Conheça o Rafael Saiba Mais

Agora vamos analisar alguns casos de uso específicos por tipo de empresa na indústria de serviços financeiros. Em geral, os casos de uso focam-se em usar IA para mitigar riscos, proporcionar melhor experiência ao utilizador e garantir a sustentabilidade comercial.

Banca e Transferências de Dinheiro

As empresas de Banca e Transferências de Dinheiro transferem fundos de uma entidade para outra. Neste grupo encontram-se empresas como Revolut, N26 e Monzo.

Nível de Micro-entidade:

• Categorização de transações: As transações de utilizadores podem ser categorizadas por nome da empresa, localização e tipo de negócio, por exemplo. Um exemplo seria um produto de um dos nossos clientes, Pentadata, para identificação de comerciante a partir da descrição de uma transação.
• Deteção de transações fraudulentas: Detetar e bloquear transações fraudulentas é crítico para aumentar a confiança dos clientes nos serviços.
• Deteção de Lavagem de Dinheiro: O machine learning tem vindo a substituir modelos baseados em regras nas operações de anti-lavagem de dinheiro, para minimizar o número de falsos positivos.
• Previsão de transações recorrentes: As transações de utilizadores podem ser agrupadas em transações recorrentes para posterior criação de visualizações das despesas fixas.

Nível de Utilizador

• Otimizar hábitos de despesa / Previsão de despesas mensais: Com base nos dados históricos de transações, é possível prever despesas mensais e fazer sugestões personalizadas sobre hábitos de despesa ao utilizador, por categoria.
• Previsão de Churn (CRM): Prever quais utilizadores irão abandonar o serviço, e qual a melhor ação para os reter, é um dos casos de uso de marketing mais comuns e pode ajudar significativamente a aumentar o valor de vida do cliente.
• Venda Cruzada (CRM): Determinar quais serviços oferecer ao utilizador, dependendo dos padrões comportamentais do utilizador.
• Chatbots/Automações: Automatizar as perguntas mais frequentes dos utilizadores reduzirá as despesas em atendimento ao cliente.

Nível de Empresa

• Otimizar localização de lojas físicas.
• Previsão de indicadores de negócio e mercado: crescimento de utilizadores, fundo de maneio, etc.

Pagamentos

As empresas de Pagamentos transferem dinheiro de uma pessoa para uma empresa, como PayPal e Stripe.

Nível de Micro-entidade:

• Deteção de transações fraudulentas: detetar e bloquear transações fraudulentas (por exemplo, valores fora do comum) pode ajudar a reduzir a ocorrência de fraudes.
• Previsão de recusas de cartão: Os pagamentos podem ser recusados pelos bancos emissores por várias razões, como o cartão exceder o seu limite de crédito. Prever e resolver isto é um dos casos de uso que o PayPal mais focou utilizando IA (link).

Nível de Utilizador:

• Otimizar experiência do utilizador: explicar aos utilizadores a razão por trás de certas ações de forma automatizada (por exemplo, suspeita de fraude) aumenta a confiança nos serviços.
• CRM promovendo certos comportamentos ou uso de funcionalidades.
• PayPal para Negócios / Stripe para taxas comerciais.

Nível de Empresa:

• Otimizar fluxos de dinheiro: transferências de dinheiro ou conversão de moedas podem ser otimizadas para ocorrer no período de tempo optimal, reduzindo custos de transação.
• Investimentos internos de fundos: decidir sobre a melhor forma de investir fundos.
• Deteção de conformidade em relatórios.

Financiamento

As empresas de Financiamento, como Cetelem, Klarna e Cashea, concedem empréstimos a indivíduos e empresas.

Nível de Micro-entidade:

• Aprovação ou recusa de pedidos: Automatizar e detetar erros nos pedidos pode reduzir trabalho manual e melhorar a velocidade de processamento. Se tem curiosidade sobre como isto pode ser aplicado no setor de saúde, consulte o nosso artigo que escrevemos há algum tempo!

Nível de Utilizador:

• Scoring de Crédito: o scoring de crédito usa IA para prever a probabilidade de incumprimento com base em fatores demográficos, histórico de pagamentos e outros indicadores financeiros. Temos também um artigo com mais detalhes sobre IA aplicada ao scoring de crédito. Casos de uso similares consideram renegociação de condições de pagamento e previsão de incumprimento.

Nível de Empresa:

• Otimização de portfólio: a nível de empresa, as empresas podem procurar determinar o nível de risco optimal para os créditos (por exemplo, spread, curto prazo, longo prazo).

Se tem curiosidade sobre alguns destes casos de uso mas não tem a certeza do benefício para a sua empresa, sem preocupações! No nosso curso Data Ignite, pode descobrir como identificar riscos potenciais e estratégias de mitigação na fase de conceção do projeto, e aprender uma linguagem comum para discutir projetos de IA entre equipas técnicas e não técnicas.

Curso, Templates

Data Ignite

Descubra como identificar riscos potenciais e estratégias de mitigação

Saiba Mais

Investimentos e Corretores

Dentro do grupo de Investimentos e Corretores, consideramos empresas que facilitam transações entre traders, vendedores ou compradores. Exemplos incluem DeGiro, Trading212, XTB e múltiplas empresas de empréstimo P2P (PeerBerry, Mintos, Estateguru, GoParity, etc.).

Nível de Micro-entidade:

• Previsão de incumprimento ou atrasos: prever atrasos de pagamento/incumprimento é útil para agir antecipadamente.
• Trading bots: automatizar decisões de trading em larga escala.

Nível de Utilizador:

• Recomendações de investimento do utilizador consoante o perfil de risco do utilizador, recomendando produtos financeiros para investir.
• Previsão de incumprimento: prever incumprimento de empréstimo antes de acontecer para melhor determinar as condições estabelecidas.
• Avaliação de risco para originadores de empréstimos: os empréstimos tipicamente têm um nível de risco associado, dependendo do trade-off ganho/risco esperado. Automatizar isto com base em dados históricos é importante para tomar melhores decisões.
• Todos os casos de uso relacionados com CRM.

Nível de Empresa:

• Balanceamento de portfólio: determinar o melhor equilíbrio entre risco e ganho para o portfólio da empresa.

Por fim, as empresas FinTech são empresas de software que prestam serviços a Serviços Financeiros e constroem parte dos casos de uso listados acima. A indústria de crypto também desempenha os papéis de corretores, banca, transferência de dinheiro, pagamentos, utilizando tecnologias diferentes.

Existem alguns casos de uso gerais relacionados com KYC (Conhecer o Seu Cliente), com problemas gerais como Validação de Documentos Legais, testes de conhecimento, etc.

Conclusão

A IA nos Serviços Financeiros está no caminho para ser uma ferramenta que revolucionará os serviços prestados. À escala de pessoas que usam serviços financeiros, e pelo facto de a maioria dos serviços ser agora online, facilitando a aquisição de dados e a criação de valor, existe um enorme potencial para inovação e crescimento nesta área.

Quer discutir esta ideia com mais detalhe?

Marque uma reunião com Rafael Cavalheiro

Conheça o Rafael Saiba Mais