A popularização de novas tecnologias de Inteligência Artificial (IA) vem abrindo oportunidades de inovação em diversas pontas da indústria financeira. De acordo com o último levantamento divulgado pela Federação Brasileira de Bancos (Febraban), os ganhos de produtividade para empresas do setor podem chegar a 35%. Entre as principais aplicações de IA adotadas pelas organizações brasileiras, o estudo destaca as soluções ligadas a processos de experiência do cliente e automatização operacional.
Referência global em estratégias de inovação digital, a Globant vem exercendo um papel fundamental na aceleração de projetos de Inteligência Artificial no mercado brasileiro. Além da automação de processos de TI, Gonsales destaca o potencial de iniciativas relacionadas ao aumento de assertividade e à hiperpersonalização de réguas de atendimento — movimento que deve ganhar ainda mais força com a incorporação de novas gerações de agentes de IA. “Mais do que copilotos, devemos ver cada vez mais sistemas capazes de fazer sugestões e resolver problemas complexos de clientes”, diz.
Para facilitar a incorporação de novas tecnologias em cadeias de negócios marcadas por altos níveis de segurança e padrões de conformidade, a consultoria vem desenvolvendo projetos baseados na análise de contextos locais e nas realidades específicas de cada instituição financeira. A abordagem tem como base a formação de equipes multidisciplinares, a governança de dados e a transição equilibrada de sistemas para novas tecnologias adotadas por companhias do setor.
Os casos de sucesso incluem uma parceria com a multinacional financeira Allianz, que lançou recentemente um serviço inteligente de consultoria para seus clientes. A plataforma foi desenvolvida com base em RAG (Retrieval-Augmented Generation, em português, Geração Aumentada por Recuperação), um modelo de IA que usa dados atualizados da própria organização para se autoaperfeiçoar e gerar respostas mais assertivas e contextualizadas a usuários finais. Além de reduzir o tempo gasto na obtenção de dados, o sistema aprimora a tomada de decisões por meio de insights automatizados, oferecendo respostas mais personalizadas e garantindo o alinhamento a diretrizes regulatórias e padrões de risco.
Na visão de Gonsales, esse tipo de combinação entre automação e flexibilidade se mostra como um fator cada vez mais fundamental para facilitar a adoção de modelos de experimentação contínua — posicionamento que deve continuar a orientar a relação do público corporativo com as ferramentas de IA. “Nenhuma solução consegue sustentar seu nível de eficiência sem passar por mudanças ao longo do tempo. O principal desafio é acompanhar a velocidade de ciclos de transformações ao mesmo tempo em que se disponibiliza serviços seguros e sem falhas para usuários finais”, conclui.
