Depois de muitos anos trabalhando com tecnologia e serviços financeiros, passei a perceber que boa parte da complexidade das instituições não está necessariamente na falta de tecnologia. Muitas vezes, o problema está justamente na quantidade dela. Ao longo do tempo, novos sistemas foram sendo adicionados, fornecedores de dados contratados, regras criadas, modelos desenvolvidos e processos adaptados para atender às necessidades que surgiam. O resultado é que uma mesma decisão pode depender de informações e lógicas distribuídas por vários lugares.
Uma política de crédito pode ter regras dentro de um sistema, outras implementadas diretamente no código de uma aplicação e algumas condições mantidas em planilhas. Uma análise de fraude pode combinar dados internos, informações de diferentes fornecedores e a avaliação de um analista. A automação vai até certo ponto e, quando aparece uma exceção, alguém precisa resolver por e-mail, mensagem ou outro tipo de procedimento adotado ao longo dos anos.
Não significa que os processos sejam ruins. Muitos deles foram construídos por bons motivos e resolvem os problemas. A questão é o que acontece quando acumulamos centenas ou milhares dessas decisões ao longo do tempo. E, com a chegada da inteligência artificial, essa discussão ganha ainda mais relevância, já que as empresas começaram a incorporar modelos capazes de interpretar documentos, analisar grandes volumes de informação, identificar padrões, produzir recomendações e auxiliar profissionais em atividades que antes eram essencialmente manuais.
Agora, os agentes não se limitam a analisar informações, mas também executam tarefas e participam ativamente de processos de negócio. E como toda essa inteligência será governada pelas empresas? Se uma instituição já possui dificuldade para administrar regras distribuídas entre dezenas de sistemas, adicionar modelos e agentes de inteligência artificial sem uma arquitetura clara pode aumentar ainda mais essa fragmentação.
Será necessário definir quais decisões podem ser totalmente automatizadas, quais devem receber apenas uma recomendação da IA e quais precisam obrigatoriamente de participação humana. Também será necessário saber quais informações foram utilizadas, qual modelo participou da análise, quais políticas estavam vigentes e como reconstruir posteriormente o caminho que levou àquele resultado. Essas questões não são apenas técnicas. Elas envolvem governança, risco, compliance, experiência do cliente e, no final, a própria capacidade da empresa de entender como está operando.
Por isso, acredito que a discussão sobre inteligência artificial inevitavelmente nos levará a uma discussão mais ampla sobre arquitetura de decisão. Porque, quando olhamos para a operação de uma instituição financeira, percebemos que quase tudo começa com algum tipo de decisão. Antes de conceder um crédito, existe uma decisão. Antes de bloquear uma transação, existe uma decisão. Os sistemas executam essas decisões e os dados ajudam a informá-las, mas a lógica que conecta tudo isso ainda permanece, em muitas organizações, distribuída por diferentes aplicações, códigos, regras, planilhas e processos humanos.
À medida que as empresas incorporarem mais dados, mais modelos e mais inteligência artificial aos seus processos, saber onde e como as decisões são tomadas deixará de ser apenas uma questão de eficiência. Será uma questão de arquitetura.
