Como usar IA em processos financeiros sem abrir mão do determinismo

Os principais processos financeiros não podem lidar com a natureza probabilística dos LLMs. Por necessidades estruturais e regulatórias, eles precisam ser determinísticos. Mas isso não significa que não exista espaço para IA em serviços financeiros.

Clique e saiba mais

Embora os dados precisem se mover de um lugar para outro sem variações, a IA pode analisar esses dados para ajudar instituições financeiras a resolver problemas mais rapidamente. O fluxo determinístico produz uma saída estruturada. A IA extrai significado dela.

Chamamos essa abordagem de “determinístico plus”. Ela mantém os fluxos determinísticos como são, mas adiciona uma camada agêntica que interpreta o que esses fluxos revelam.

Como serviços financeiros podem usar o modelo determinístico plus

Em serviços financeiros, uma abordagem determinística é frequentemente uma exigência legal, e as regulamentações que exigem explicabilidade não vão desaparecer.

Portanto, a questão não é se os fluxos determinísticos vão deixar de existir. Eles não vão. A questão é onde a IA pode agregar um valor que, estruturalmente, os fluxos determinísticos não conseguem oferecer sozinhos: automatizando trabalhos não estruturados, que dependem de contextos dinâmicos e exigem raciocínio.

O modelo determinístico plus funciona assim:

• A camada determinística movimenta dados, aplica regras de roteamento, valida entradas, transforma formatos e grava informações nos sistemas de registro. Tudo o que passa por ela é auditável e mecanicamente confiável.
• A parte “plus” vem dos fluxos agênticos que operam em paralelo ou após esses processos, trabalhando sobre as informações disponibilizadas pelos fluxos determinísticos. Ela pode identificar, por exemplo, que o banco processou mais pagamentos do que o normal em compras relacionadas a esportes durante a Copa do Mundo.

Nossos clientes costumam encontrar oportunidades para aplicar o modelo “determinístico plus” quando analisam o trabalho manual que acontece ao redor das integrações e automações. Em que momento os dados são entregues a uma pessoa para que ela faça uma análise? O que a IA poderia fazer antes dessa entrega para tornar a análise mais eficiente?

Tratamento de exceções no processamento batch durante a madrugada

Embora os sistemas de liquidação em tempo real processem hoje a maior parte das transações institucionais, os processos batch executados durante a madrugada nos sistemas bancários core ainda respondem por uma pequena parcela dessa carga. Esses processos exigem operações determinísticas. Reconciliação contábil, agregação de transações e liquidação no fechamento do dia precisam se comportar da mesma forma em todas as execuções, com rastreabilidade completa.

Quando uma execução batch detecta uma divergência contábil, o fluxo determinístico transfere o saldo divergente para uma conta transitória. Ele também agrega todos os logs de transações, payloads de APIs e estados dos sistemas de registro relevantes nos diferentes sistemas legados envolvidos.

Depois disso, o processo aguarda até que profissionais seniores da equipe de operações acessem o sistema. Diagnosticar a causa raiz de uma falha em um processamento batch pode consumir entre 40% e 60% do tempo médio total de resolução, e falhas em processos batch bancários representam um risco real de liquidez a cada hora em que permanecem sem solução.

Solução determinístico plus: a IA não pode resolver a divergência, mas pode acelerar o diagnóstico. Ela pode analisar os dados forenses agregados para sugerir uma provável causa raiz e uma ação recomendada. Quando a equipe sênior de operações acessar o sistema às 6h, o ticket da exceção não estará em branco. Ele poderá conter um provável diagnóstico, como uma divergência de uma hora na janela de corte com a rede de um fornecedor externo, os IDs das transações relevantes e uma ação sugerida, como reversão contábil, lançamento forçado ou encaminhamento para escalação.

Valor: a IA faz a análise durante a madrugada. Ela propõe uma provável causa raiz e uma possível solução. A equipe decide o que fazer a partir disso. A IA não estará certa todas as vezes, e é por isso que as pessoas continuam envolvidas, mas estará certa na maioria delas. Quando estiver, poderá reduzir o tempo de remediação pela metade.

Suporte ao catálogo de dados em uma arquitetura data mesh

Instituições de serviços financeiros utilizam cada vez mais arquiteturas de data mesh para facilitar análises de dados. Essa abordagem distribui a responsabilidade pelos dados entre equipes de diferentes domínios, em vez de concentrá-la no departamento de TI. Cada equipe disponibiliza dados para que o restante da organização possa consumi-los e analisá-los.

Projetos de catálogo de dados frequentemente falham por falta de adoção e engajamento. Muitos desses problemas estão relacionados à falta de documentação atualizada que usuários não técnicos consigam compreender. Sem orientações adequadas, analistas não encontram o que procuram e acabam voltando a trabalhar com planilhas isoladas.

Solução determinístico plus: um fluxo agêntico utiliza uma amostra dos dados provenientes dos pipelines determinísticos, junto com a documentação existente, para produzir um guia atualizado, incluindo as principais mudanças.

Valor: o catálogo permanece atualizado sem criar um backlog de documentação. Equipes não técnicas conseguem encontrar, entender e confiar nos produtos de dados de que precisam. A lacuna de adoção diminui e o investimento da instituição no data mesh passa a gerar retorno.

Inteligência sobre reclamações de clientes

Todas as noites, clientes da Digibee no setor bancário sincronizam os dados das agências com a matriz, incluindo um histórico contínuo das reclamações dos clientes. Uma simples agregação dessas informações consegue mostrar o volume de reclamações e sua distribuição por categoria, mas não consegue ir muito além disso.

Solução determinístico plus:

Adicione um fluxo agêntico que:

1. Propõe explicações para tendências. Por exemplo, um aumento nas reclamações sobre internet banking pode estar relacionado a uma breve indisponibilidade, já solucionada, de um provedor de nuvem.
2. Identifica novas tendências que o banco ainda não estava monitorando. Um conjunto de relatos de golpes pode revelar um novo padrão de fraude dias ou semanas antes que ele aparecesse em um ciclo formal de análise.

O agente opera continuamente sobre os dados de reclamações após o fluxo determinístico, resumindo as informações de diferentes lotes, identificando concentrações geográficas ou por linha de produto e comparando os volumes atuais com padrões históricos.

Valor: o processo bancário principal permanece auditável, mas sinais que antes levavam semanas de análise manual podem surgir em questão de horas.

O que esses casos têm em comum

Cada um desses casos de uso gira em torno de um processo central que não deixa espaço para resultados probabilísticos. Nenhuma das soluções propostas interfere nesses processos principais.

Em vez disso, elas usam a IA para sintetizar informações que não podem ser reduzidas a uma fórmula. É nesse tipo de tarefa que os LLMs funcionam de forma confiável. E também é um trabalho que, historicamente, ou deixava de ser feito ou consumia a capacidade de profissionais seniores que poderiam estar dedicados a outras atividades.

Se você identificou processos que podem ser candidatos naturais para um fluxo complementar de IA, fale com um especialista da Digibee.

‍