IA, Empréstimos 3 minutos de leitura
Resumo do painel da Money20/20 em Las Vegas: O ChatGPT sabe escrever, mas será que a IA consegue fazer a subscrição?
Desde o seu lançamento, o ChatGPT chamou a atenção do mundo inteiro, gerando debates sobre como ele poderia revolucionar o setor de serviços financeiros — especialmente a análise de crédito.
Na semana passada, tive o prazer de debater os desafios e as possibilidades do uso da Inteligência Artificial (IA) na análise de crédito na Money20/20 Vegas, ao lado de três líderes do setor:
- Sarah Hinkfuss, sócia da Bain Capital Ventures, uma empresa de capital de risco que investe em empresas ambiciosas em fase de crescimento nos setores de fintech, software aplicativo e tecnologia climática.
- Matt Mollison, cientista-chefe de dados e arquiteto de aprendizado de máquina da Branch International, uma das maiores instituições de microcrédito do mundo.
- Seema Amble, sócia da Andreessen Horowitz, uma empresa global de capital de risco que investe no futuro do software B2B e da fintech.
Aqui estão os principais pontos da nossa discussão:
1. Devido à sua imprecisão e aos riscos envolvidos, o ChatGPT não substituirá os modelos de risco atuais das seguradoras tão cedo
O ChatGPT é um produto da OpenAI, uma das principais empresas de IA do mundo. Trata-se de uma interface que permite aos usuários enviar prompts ou interagir com o grande modelo de linguagem (LLM) da OpenAI, o GPT-4. Como o GPT-4 foi treinado com uma enorme quantidade de dados (praticamente toda a internet pública), ele contém um vasto conhecimento e, devido à natureza da IA generativa, é capaz de criar conteúdo totalmente novo.
No entanto, a IA generativa, tal como utilizada no ChatGPT, é apenas uma subcategoria da IA e não representa todos os algoritmos de IA. Os algoritmos de IA e de aprendizado de máquina já são utilizados na avaliação de riscos há anos — muito antes do lançamento do ChatGPT.
Na minha opinião, o ChatGPT não substituirá tão cedo os modelos de risco que as instituições financeiras utilizam atualmente. No entanto, estou muito otimista quanto à capacidade do aprendizado de máquina, em geral, de tomar decisões de risco mais precisas.
Sarah confirmou que, como os LLMs como o ChatGPT são treinados com dados públicos e nunca tiveram acesso a dados privados de inadimplência, tomar decisões de subscrição usando o ChatGPT seria altamente impreciso e arriscado.
Matt enfatizou que as decisões de subscrição também não podem ser tomadas como se fossem uma “caixa preta”. É preciso compreender os motivos por trás dessas decisões para se tornar o verdadeiro responsável pela sua lógica de tomada de decisão.
Os profissionais responsáveis pela aplicação de aprendizado de máquina devem ser capazes de compreender os fatores que influenciam as previsões do modelo. É preciso manter o controle sobre o modelo e seus dados de treinamento. Modelos como os utilizados no ChatGPT aprendem a partir de um vasto conjunto de dados históricos, que muitas vezes contêm vieses — o que pode levar ao não cumprimento de regulamentações, dependendo do seu contexto operacional.
2. O ChatGPT tem, de fato, o potencial de aumentar a precisão e a eficiência dos modelos de risco
Matt explicou que, embora seja muito arriscado usar o ChatGPT para tomar decisões de subscrição, ele pode ser utilizado como uma ferramenta para alcançar um desempenho excepcional.
“Na Branch, utilizamos o ChatGPT para o aumento de conjuntos de dados, mais especificamente para a rotulagem, a fim de apoiar o treinamento de nossos próprios modelos, que empregamos na engenharia de características e que, por sua vez, são utilizados em nossos modelos de risco de crédito.”
Concordo que o ChatGPT pode ser muito eficaz na criação de novos sinais e variáveis e no aprimoramento da precisão dos modelos de risco. Já vi alguns clientes utilizando o potencial de modelos de linguagem de grande escala (LLMs), como o ChatGPT, para interpretar e categorizar transações bancárias.
Anteriormente, na Taktile, tivemos que contratar 15 estudantes que trabalhavam para ajudar uma instituição financeira a classificar seus dados de transações bancárias. Agora, comparamos os resultados e o ChatGPT apresentou uma precisão quase idêntica.
Matt explicou como o ChatGPT é excelente na análise da linguagem humana. Assim como no exemplo da transação bancária, o Branch pode fornecer ao LLM um conjunto de dados em linguagem natural não estruturados, com orientações para classificar diferentes tipos de mensagens SMS, o que permite realizar rapidamente uma tarefa tediosa.
Seema também destacou o quanto o ChatGPT pode ser valioso no atendimento ao cliente. Ele pode ajudar a orientar os clientes durante o processo de solicitação de empréstimo (explicando o significado dos termos e indicando onde encontrar os dados necessários), responder a perguntas sobre a decisão de concessão do empréstimo e oferecer suporte contínuo nas áreas de vendas e divulgação.
O verdadeiro poder do ChatGPT reside no fato de que é possível inserir dados confidenciais nele — mesmo que você não o utilize especificamente para tomar decisões de subscrição.
3. Além dos LLMs, a IA continua sendo incrivelmente eficaz na previsão do risco de crédito
Matt explicou que, nos mercados emergentes, os modelos de IA têm demonstrado fazer a diferença em termos de precisão para as instituições financeiras, e a Branch vem utilizando essa tecnologia há anos para operar em grande escala em seus mercados.
A Branch atua em mercados com uma infraestrutura de informação menos desenvolvida do que nos EUA, por isso precisa recorrer fortemente a fontes alternativas de dados.
Em vez de se basear nas pontuações tradicionais das agências de crédito para prever o risco, Matt explicou como eles treinam modelos internos de aprendizado de máquina para prever o risco associado à concessão de um empréstimo de determinado valor a um cliente.
Conforme observado por Sarah e Seema, existem diferenças distintas entre os empréstimos ao consumidor e os empréstimos a empresas. Nos mercados desenvolvidos, por exemplo, é difícil utilizar IA nas decisões de aprovação de crédito ao consumidor devido às regulamentações, mas ela pode ser muito útil na aprovação de crédito a empresas, onde há menos regulamentação. Nos EUA, as instituições de crédito ao consumidor ainda estão sujeitas à Lei de Igualdade de Oportunidades de Crédito — que exige que os credores expliquem as razões específicas para a tomada de medidas adversas.
4. À medida que o uso da IA na análise de crédito continua a crescer, o mesmo ocorre com a regulamentação que a envolve – as instituições financeiras devem se preparar desde já para as mudanças que estão por vir
A IA já é amplamente utilizada na subscrição, e esperamos que essa tendência só venha a se intensificar no futuro.
Com a primeira Lei de IA da Europa já em andamento, muitas instituições financeiras — mesmo aquelas que não utilizam IA estritamente no sentido técnico — precisarão ajustar suas operações para cumprir tanto a regulamentação bancária quanto a regulamentação de IA; além disso, pode ser exigido o cumprimento de normas fora da UE para qualquer entidade que utilize modelos de IA ou resultados gerados em um país da UE. Portanto, as instituições financeiras devem começar a se preparar desde já para as mudanças que se aproximam.
Para uma análise aprofundada deste tema, confira nosso artigo sobre o futuro da análise de crédito sob a regulamentação da IA.
