News

Soluções de inteligência artificial para análise de dados financeiros

Na conversa que ocorreu na última sexta-feira no Auditório ABANCA Seguros em A Coruña, expliquei como utilizamos em nossos diversos projetos técnicas de processamento de linguagem natural (NLP) e aprendizado de máquina (ML) para analisar grandes quantidades de dados e gerar informações valiosas para uma ampla variedade de serviços financeiros.

Sumário

Como sempre, quis destacar os 8 anos em que trabalhamos para entidades de alto nível, como o Banco Santander, EVO Banco, Bankinter, NN, entre outros. O uso de técnicas de ML permitiu-nos ser líderes na categorização de dados transacionais em Espanha e já publicamos 3 papers de investigação, além de termos colaborado com o grupo AttlanTiC da Universidade de Vigo.

Óscar Barba

Co-fundador, CTO da Coinscrap Finance e SenseiZero

Inteligência artificial: História e situação atual

A agenda do dia começou com um percurso pela trajetória da IA até os dias de hoje. Pudemos conhecer o ciclo de P&D dessa tecnologia: expectativas, investimento, pesquisa científica e, finalmente, desenvolvimentos setoriais e resultados aplicados. Desde a Conferência de Darmouth em 1956 – onde o cientista John McCarthy usou o termo pela primeira vez – descobrimos uma infinidade de aplicações e, atualmente, impõe-se a necessidade de regulamentação que controle suas implicações legais e sociais..

Google trends IA

As consultas do Google sobre o tema "inteligência artificial" continuam a uma escalada imparável e os meios de comunicação nos inundam com todo o tipo de notícias a respeito. É importante destacar que a estratégia de Espanha em relação à sua aplicação faz referência ao seu enorme potencial de transformação do ponto de vista tecnológico e econômico. Para encerrar esta parte da conversa, analisei o Relatório do Índice de Inteligência Artificial de 2022 da Universidade de Stanford. Como se pode verificar no link, o interesse académico e o investimento privado dispararam nos últimos anos.

New call-to-action

Dados: A origem de tudo

As Empresas Orientadas por Dados (DDC) usam a inteligência artificial (IA) para aproveitar ao máximo os dados. A IA processa grandes volumes de dados, descobre padrões ocultos e fornece informações para tomada de decisões. Essas empresas automatizam tarefas, melhoram a experiência do cliente e obtêm uma vantagem competitiva no mercado atual. A combinação de DDC e IA impulsiona o sucesso empresarial ao tomar decisões baseadas em dados e se adaptar a um ambiente empresarial dinâmico.


Mas... Como você pode descobrir quais dados são os mais interessantes para a sua entidade? Foi demonstrado que a coleta de informações sobre o processo de criação de produtos e serviços, a melhoria dos diferentes pontos de contato com o usuário e os dados pessoais do cliente final são os mais úteis para bancos e seguradoras. Para entendê-los, o que a IA faz é: compreendê-los, interpretá-los, raciocinar sobre eles e aprender para futuras interações.


A realidade é que o estado atual da inteligência artificial foi impulsionado pelo Big Data. Pessoas e máquinas realizam diariamente atividades que deixam uma trilha digital suscetível de ser analisada. São dados tão massivos e complexos que necessitam de aplicações informáticas não tradicionais para decifrá-los. E tudo isso se transfere para o setor financeiro com aplicações de processamento de linguagem natural que compreendem a linguagem humana e respondem corretamente às questões dos usuários.

Aqui está um artigo sobre como os bancos já estão aplicando inteligência artificial.

Casos de uso

Atualmente realizamos uma análise contextual que nos permite estabelecer os indicadores de sentimento. Rotulamos automaticamente cada notícia com tópicos que incluem entidades, pessoas relevantes e categorias de eventos. Podem ser reconhecidas milhares de entidades, pessoas, localizações geográficas, produtos e serviços. Nossa categorização personalizada também permite descobrir eventos que possam influenciar a cotação de uma ação. Estes são alguns dos aplicativos de processamento de linguagem natural (NLP) pelos bancos:

  • Análise do sentimento de mercado na bolsa.
  • Automatização PBC e AML a partir de fontes digitais.
  • Classificação e análise de documentos.
  • Categorização de feedback não estruturado.
  • Geração automática de respostas (chatbots inteligentes).

Além disso, o NLP pode ajudar no processo de investimento em bolsa de várias maneiras. Por um lado, permite analisar grandes quantidades de dados de meios de comunicação e redes sociais para entender como os investidores e o público em geral percebem uma empresa ou setor. Também extrai automaticamente informações relevantes das notícias e documentos financeiros. Detecta e segue eventos relevantes, notícias que poderiam ter um impacto significativo nos mercados financeiros e faz notificações aos investidores de forma automatizada.

É capaz de analisar tendências para entender as preferências do mercado, permitindo que os investidores tomem decisões informadas sobre quais ações comprar ou vender.

Inteligência artificial no futuro

Os meios de comunicação não param de ecoar proibições por parte de empresas e países ao uso do Chat GPT. O quadro legal proposto pela UE, ainda em estudo, inclui quatro níveis de risco: inaceitável, alto, limitado e mínimo. Vários desses níveis exigirão testes rigorosos, documentação sobre a qualidade dos dados e supervisão humana.

"Para ter verdadeiro sucesso, a implementação de IA deve ser feita de forma responsável. Por isso
advogados e tecnólogos devem operar como aliados estratégicos para o negócio."

Eva Garcia San Luis. Sócia do Lighthouse da KPMG em Espanha.

Diante de um futuro tão promissor quanto incerto, é necessária a colaboração entre os departamentos legais das entidades e as áreas de TI das FinTech. Dessa forma, podemos garantir que estamos construindo uma IA realmente responsável, rastreável e confiável para a sociedade.

New call-to-action

Sobre o autor

Óscar Barba Óscar Barba é cofundador e CTO da Coinscrap Finance e SenseiZero. Ele é um especialista Scrum Manager com mais de 6 anos de experiência na coleta e análise semântica de dados no setor financeiro, classificação de transações bancárias, deep learning aplicado em sistemas de análise de sentimento do mercado de ações e medição da pegada de carbono associada aos dados transacionais. 

Com vasta experiência no setor bancário e de seguros, Óscar está finalizando seu Doutorado em Tecnologia da Informação agora mesmo. É Engenheiro e Mestre em Engenharia Informática pela Universidade de Vigo e Mestre em Comércio Eletrónico pela Universidade de Salamanca. Além disso, possui um certificado de Scrum Manager e Gestão de Projectos do CNTG, um certificado de Arquitetura SOA e Serviços Web da Universidade de Salamanca, entre outros.

Inscreva-se em nossa newsletter e receba nossas últimas notícias diretamente na sua caixa de entrada.