Resumo do painel no Money20/20 Vegas: o ChatGPT escreve, mas a IA subscreve?

Na semana passada, tive o prazer de debater os desafios e as possibilidades do uso de Inteligência Artificial (IA) na subscrição de crédito no Money20/20 Vegas, ao lado de três líderes do setor:

• Sarah Hinkfuss, sócia da Bain Capital Ventures, uma gestora de venture capital que investe em empresas ambiciosas em fase de crescimento nas áreas de fintech, software de aplicação e climate tech.
• Matt Mollison, Chief Data Scientist e Arquiteto de Machine Learning da Branch International, uma das maiores empresas de microcrédito do mundo.
• Seema Amble, sócia da Andreessen Horowitz, uma gestora global de venture capital que investe no futuro do software B2B e das fintechs.

Estas são as principais conclusões da nossa conversa:

1. Por causa de sua imprecisão e de seus riscos, o ChatGPT não vai substituir os modelos de risco atuais dos subscritores tão cedo

O ChatGPT é um produto da OpenAI, uma das principais empresas de IA do mundo. É uma interface que permite aos usuários conversar com o grande modelo de linguagem (LLM) da OpenAI, o GPT-4, ou dar comandos a ele. Como o GPT-4 é treinado com uma enorme quantidade de dados (basicamente toda a internet pública), ele reúne muito conhecimento e, pela natureza da IA generativa, consegue criar conteúdo totalmente novo.

No entanto, a IA generativa, como a usada no ChatGPT, é apenas uma subcategoria da IA e não representa todos os algoritmos de IA. Algoritmos de IA e de machine learning já são usados na subscrição há anos, bem antes do lançamento do ChatGPT.

Na minha opinião, o ChatGPT não vai substituir tão cedo os modelos de risco que os credores usam atualmente. Por outro lado, sou muito otimista quanto à capacidade do machine learning, de modo geral, de tomar decisões de risco mais precisas.

Sarah confirmou que, como LLMs como o ChatGPT são treinados com dados públicos e nunca viram dados privados de inadimplência, tomar decisões de subscrição com o ChatGPT seria muito impreciso e arriscado.

Matt enfatizou que as decisões de subscrição também não podem ser tomadas dentro de uma caixa-preta. É preciso entender os motivos por trás dessas decisões para ser, de fato, o dono da própria lógica de decisão.

Profissionais responsáveis de machine learning precisam ser capazes de entender os fatores que influenciam as previsões do modelo. É preciso conseguir manter o controle sobre o modelo e sobre os dados usados em seu treinamento. Modelos como os usados no ChatGPT aprendem com extensos dados históricos, que muitas vezes contêm vieses – isso pode levar ao descumprimento de regulamentações, dependendo do contexto em que você opera.

2. O ChatGPT tem, sim, o poder de aumentar a precisão e a eficiência dos modelos de risco

Matt explicou que, embora seja arriscado demais usar o ChatGPT para tomar decisões de subscrição, ele pode ser usado como uma ferramenta para alcançar um desempenho sobre-humano.

Concordo que o ChatGPT pode ser muito poderoso para criar novos sinais e variáveis e tornar os modelos de risco mais precisos. Já vi alguns clientes usarem o poder de LLMs como o ChatGPT para interpretar e categorizar transações bancárias.

Antes, na Taktile, tivemos que contratar 15 estudantes que trabalhavam meio período para ajudar um credor a rotular os dados de transações bancárias. Agora, comparamos os resultados, e o ChatGPT tem uma precisão quase equivalente.

Matt explicou como o ChatGPT é excelente na análise de linguagem humana. Assim como no exemplo das transações bancárias, a Branch pode fornecer ao LLM um conjunto de dados não estruturados em linguagem natural, com instruções para rotular diferentes tipos de mensagens SMS, e uma tarefa tediosa é concluída rapidamente.

Seema também destacou como o ChatGPT pode ser valioso no contato direto com o cliente. Ele pode ajudar a orientar os clientes no processo de solicitação de empréstimo (o que cada coisa significa e onde encontrar os dados a informar), responder a perguntas sobre uma decisão de crédito e oferecer suporte contínuo nas áreas de vendas e prospecção.

O verdadeiro poder do ChatGPT é que você pode alimentá-lo com dados privados, mesmo que não o use especificamente para decisões de subscrição.

3. Fora dos LLMs, a IA continua extremamente poderosa na previsão de risco de crédito

Matt explicou que, em mercados emergentes, os modelos de IA já provaram fazer diferença na precisão para os credores, e a Branch os usa há anos para operar em escala nos seus mercados.

A Branch atua em mercados com uma infraestrutura de informação menos extensa do que a dos EUA e, por isso, precisa recorrer bastante a fontes de dados alternativas.

Em vez de depender das pontuações tradicionais dos bureaus de crédito para prever o risco, Matt explicou que eles treinam modelos de machine learning próprios para prever o risco associado a conceder a um cliente um empréstimo de determinado valor.

Como Sarah e Seema observaram, há diferenças claras entre o crédito ao consumidor e o crédito empresarial. Em mercados desenvolvidos, por exemplo, é difícil usar IA em decisões de subscrição para pessoas físicas por causa das regulamentações, mas ela pode ser muito útil na subscrição empresarial, onde há menos regulamentação. Nos EUA, os credores de crédito ao consumidor continuam sujeitos à Equal Credit Opportunity Act, que exige que os credores expliquem os motivos específicos para adotar ações adversas.

4. À medida que o uso de IA na subscrição cresce, cresce também a regulamentação em torno dela – os credores devem se preparar agora para as mudanças que vêm por aí

A IA já é muito usada na subscrição, e esperamos que esse uso só aumente no futuro.

Com o primeiro AI Act da Europa já em andamento, muitos credores, mesmo aqueles que não empregam IA em sentido estritamente técnico, precisarão ajustar suas operações para cumprir tanto a regulamentação bancária quanto a de IA, e o cumprimento poderá ser exigido também fora da UE de quem usar modelos de IA ou resultados gerados em um país da UE. Por isso, os credores precisam começar a se preparar agora para as mudanças que se aproximam.

Para se aprofundar no assunto, leia o nosso artigo sobre o futuro da subscrição de crédito sob a regulamentação de IA.