‘Você é responsável pelo resultado’: gestor de risco bancário usa IA na prevenção a fraudes

Antes, identificar padrões de prevenção exigia cruzar dados de diferentes sistemas, montar a lógica de análise do zero e só então acionar as equipes responsáveis pela investigação.

Hoje, Douglas Rodrigues descreve esse processo de outra forma: ele estabelece os parâmetros, alimenta a ferramenta com os dados e recebe de volta uma análise já estruturada, pronta em formato de apresentação ou relatório para tomada de decisão.

Gerente sênior de risco em uma instituição financeira Global, Rodrigues trabalha há 14 anos no setor bancário, com foco em controles internos e prevenção à crimes financeiros. 

Ele é aluno do PIACC, Programa de Inteligência Artificial para C-Levels, Conselheiros e Acionistas, da Saint Paul Escola de Negócios, e usa a experiência prática com ferramentas de IA para argumentar que conselhos e comitês precisarão incorporar um olhar técnico e Governança estruturada e sustentável sobre o tema.

Da auditoria interna à liderança de risco

Rodrigues começou a carreira como estagiário na própria instituição em 2008,  posteriormente atuou por 8 anos na área de auditoria interna, riscos e controles. A função inicial era avaliar os controles que  as agências bancárias utilizavam para estabelecer e oferecer seus produtos. 

"Iniciando minha carreira na auditoria interna, riscos e controles, fazendo auditorias específicas das agências em relação a como se estabelece processos chave para oferecer  os produtos bancários em conformidade com apetite de risco da empresa e arcabouço regulatório, diz.

A partir daí, ele passou por diferentes frentes dentro da instituição, hoje atuando com produtos bancários corporativos como câmbio, importação, exportação, derivativos, liderando processos e controles de prevenção à crimes financeiros na América Latina.

Da busca simples ao agente que filtra e-mails

No trabalho de identificar padrões de prevenção a crimes financeiros, Rodrigues passou a usar ferramentas de IA para acelerar etapas que antes dependiam de várias equipes separadas. "Precisamos obter dados completos e corretos, ter as lógicas muito bem estabelecidas e depois implementar os modelos de negócio", diz.

Segundo ele, a diferença está na capacidade da ferramenta de pesquisar com critério, verificar se a lógica proposta faz sentido do ponto de vista teórico e, a partir de um conjunto de requisitos bem definidos, executar a análise. 

"A partir do momento que os requisitos estão corretamente mapeados e estabelecidos, a ferramenta executa o modelo em poucos minutos e nos traz o output correto e no formato que você quer, pode ser uma apresentação, pode ser em HTML", diz. "Ela consolida várias frentes e viabiliza a automação de processos anteriormente executados por equipes pulverizadas", complementa

Ele cita ainda o uso de agentes virtuais configurados para tarefas recorrentes, como triagem de e-mails por assunto e remetente, com sugestão de rascunho de resposta. "Isso facilita muito sua vida, porque você consegue focar no que é mais importante e otimizar muito seu tempo", diz.

A adoção, no entanto, vem acompanhada de uma ressalva que ele repete: a responsabilidade pelo resultado continua sendo de quem opera a ferramenta. "Você tem que ter o know-how de fazer o prompt correto, avaliar resultado e também a crítica de entender que, se a ferramenta alucina, você é responsável por validar o output antes de tomadas de decisão", fala.

Por que os conselhos vão precisar de um olhar técnico sobre IA

Para Rodrigues, o crescimento do uso de inteligência artificial nas empresas deve levar à criação de comitês ou conselhos dedicados ao tema, do mesmo modo como hoje existem estruturas específicas de compliance e risco. 

"É uma necessidade. Com o crescimento tão exponencial da inteligência artificial, sua adoção em processos críticos e aumento da competitividade, as empresas irão necessitar de um comitê adequado para suportar a adoção apropriada de IA, diz.

Ele argumenta que os critérios de adoção precisam ser top down, com regras claras sobre como adotar a tecnologia de forma sustentável, considerando também a infraestrutura por trás dos resultados. 

"Tudo que tem por trás na infraestrutura, temos necessidade de servidores robustos, uma infraestrutura hídrica para evitar hiperaquecimento de servidores, gestão de tokens, tarefas, segregação de funções,  modelos revisados de forma periódica e treinamentos.  Uma adoção correta e orgânica precisa considerar também a questão jurídica, a questão de ESG, capacitação de funcionários e recalibração consciente de funções", diz.

Na avaliação dele, sem regulamentação e governança interna que tratem a IA como um ativo da empresa, com controle de acesso e responsabilidades definidas, governança adequada, testes periódicos de resultado e eficiência associado a calibração contínua dos modelos, o risco de adoção inadequada de IA pode ser alto. 

"Precisamos de uma regulamentação para alinhar o mercado, trazendo parâmetros de adoção consciente de IA de uma forma macro, e a partir daí definir internamente as regras de utilização e finalidades suportadas por Políticas de mitigação de riscos e controles associados à questão cultural, sem isso estaremos fadados ao erro", diz.

Rodrigues associa parte dessa visão à formação que faz atualmente. 

Para ele, o momento é de antecipação. "A pergunta já não é mais se a inteligência artificial vai transformar os negócios, mas como a liderança vai conduzir essa transformação", finaliza.