.
O DBS Bank teve que superar obstáculos significativos em seus esforços de anos para adotar a inteligência artificial (IA), durante os quais percebeu que o sucesso vai além de descobrir os modelos de treinamento.
Os dados, em particular, provaram ser uma grande barreira, de acordo com o diretor de análise da DBS, Sameer Gupta. Em 2018, o banco de Cingapura embarcou em sua jornada para alavancar a IA em quatro áreas principais, abrangendo o desenvolvimento de recursos analíticos, cultura e currículo de dados, qualificação de dados e capacitação de dados.
Além disso: a próxima grande ameaça à IA já pode estar à espreita na web
“A visão aqui era usar dados para gerar maiores benefícios para a organização”, disse Gupta em entrevista ao Strong The One. Para fazer isso, ele disse que o banco reconheceu a necessidade de tornar o acesso à IA generalizado em toda a empresa, além de agregar valor econômico a partir da IA. O custo de entrega de soluções de IA também precisava ser continuamente reduzido.
Os esforços foram direcionados para desenvolver os casos de uso e talentos certos, incluindo engenheiros de aprendizado de máquina, e construir uma cultura de dados que incentivasse todos os funcionários a pensar constantemente sobre como os dados e a IA poderiam ajudar em seu trabalho. Significava oferecer um programa de treinamento que orientasse a equipe sobre como e quando usar, e não usar, os dados.
Além disso: como impedir que o novo rastreador da Web de treinamento de IA da OpenAI ingira seus dados
O banco começou a trabalhar no estabelecimento da infraestrutura para facilitar a adoção da IA, abrangendo a plataforma de dados, a estrutura de gerenciamento de dados e a governança de dados. Ela implementou uma estrutura na qual todos os seus casos de uso de dados devem ser avaliados. Cunhado como PURE, ele se baseia em quatro princípios – intencional, não surpreendente, respeitoso e explicável – que o DBS acredita ser essencial para orientar o banco no uso responsável dos dados.
Sua plataforma de dados, ADA, serve como uma única fonte central, permitindo que o banco garanta melhor a governança, qualidade, descoberta e segurança dos dados.
Hoje, mais de 95% dos dados considerados úteis e necessários para facilitar as operações baseadas em IA da DBS podem ser descobertos na plataforma. A plataforma contém mais de 5,3 petabytes de dados, compreendendo 32.000 conjuntos de dados que incluem vídeos e dados estruturados.
Chegar a esse ponto, no entanto, provou ser uma tarefa gigantesca, como revelou Gupta. Em particular, organizar os dados e torná-los detectáveis exigia um trabalho significativo, principalmente envolvendo perícia manual e humana, disse ele. Horas laboriosas foram gastas identificando os metadados, com ferramentas para automatizar essas tarefas extremamente ausentes.
Além disso: Nvidia aumenta seu ‘superchip’ Grace-Hopper com memória mais rápida para IA
Ele acrescentou que o banco usava muitos aplicativos, cada um contendo os dados necessários para apoiar suas iniciativas de IA.
Com os dados espalhados por diferentes sistemas, ele observou que era necessário “muito trabalho pesado” para trazer conjuntos de dados para uma única plataforma e torná-los detectáveis. Os funcionários devem ser capazes de extrair os dados de que precisam e o banco deve garantir que isso seja feito com segurança, disse ele.
Atualmente, a DBS executa mais de 300 projetos de IA e aprendizado de máquina, que, segundo ela, geraram um aumento de receita de SG$ 150 milhões (US$ 112,53 milhões) no ano passado e economizaram SG$ 30 milhões (US$ 22,51 milhões) na prevenção de riscos, por exemplo, de monitoramento de crédito aprimorado. Esses casos de uso de IA abrangem uma variedade de funções, incluindo recursos humanos, jurídicos e detecção de fraudes, de acordo com Gupta.
As iniciativas de IA do banco estão a caminho de gerar mais valor econômico e benefícios de redução de custos este ano, dobrando para SG$ 350 milhões (US$ 262,56 milhões). A meta é atingir SG$ 1 bilhão (US$ 750,17 milhões) nos próximos três anos. O maior banco de Cingapura, DBS tem atualmente cerca de 1.000 engenheiros de dados, cientistas de dados e engenheiros de dados.
Sem ‘bala mágica’ com a adoção de IA
Questionado se estava explorando o uso de IA generativa, Gupta confirmou que o banco já estava executando mais de 10 pilotos, mas enfatizou que ainda é cedo. As várias equipes, incluindo marketing, vendas e TI, precisariam ter mais conversas nos próximos meses para entender melhor a partir desses testes como a IA generativa pode beneficiar o banco, disse ele.
Além disso: a equipe vermelha da Microsoft monitora a IA desde 2018. Aqui estão cinco grandes insights
Ele acrescentou que também precisa garantir que o uso de tais aplicativos de IA continue a aderir aos princípios PURE e aos princípios FEAT de Cingapura que orientam o uso de IA no setor. Outros riscos conhecidos, como alucinações e violações de direitos autorais, também precisarão ser avaliados, disse ele.
Atualmente, a DBS executa 600 algoritmos de IA e aprendizado de máquina, que coletivamente ajudam a potencializar as interações com seus cinco milhões de clientes em toda a região, incluindo China, Indonésia e Índia.
O fato de usar 600 modelos de IA, no entanto, é irrelevante, disse Gupta, que enfatizou o objetivo de alcançar a eficiência e a precisão ideais com o menor número de modelos de IA.
Destacando um equívoco de que o modelo em si é tudo, ele observou que, na verdade, desempenha um papel pequeno em garantir que as empresas se beneficiem do uso da IA.
Além disso: o ChatGPT Plus pode explorar seus dados corporativos para obter insights poderosos. Veja como
Em vez disso, eles precisam trabalhar em todos os elementos técnicos, o que deve incluir a criação de mecanismos para monitorar o uso de IA e coletar feedback continuamente para identificar áreas de melhoria. Isso garantirá que a organização aprenda com sua aplicação de IA e faça alterações sempre que necessário, inclusive em seus modelos de IA e processos operacionais, à medida que resolve os problemas e tapa os buracos.
“Você precisa perseverar para obter todos os benefícios. Não existe uma solução mágica”, disse Gupta.
Questionado se o DBS estava usando IA para antecipar melhor as interrupções, como as interrupções que experimentou no ano passado, ele disse que o banco está trabalhando para identificar como pode melhorar, incluindo a análise de dados. Observando que muitos fatores podem causar picos de demanda, ele disse que há potencial para alavancar a IA, por exemplo, em operações para detectar anomalias e determinar o próximo curso de ação.
Ele não pôde comentar especificamente sobre as interrupções do serviço, mas disse que um comitê especial composto por quatro membros do conselho do banco está conduzindo uma revisão completa da resiliência tecnológica da empresa. Especialistas externos também foram contratados para ajudar na revisão, disse ele, acrescentando que mais detalhes serão fornecidos assim que ela for concluída.
Além disso: treine modelos de IA com seus próprios dados para mitigar riscos
“As interrupções de serviço que experimentamos em março e maio foram preocupantes para todos nós da DBS”, disse Gupta. “Garantir serviços bancários digitais ininterruptos 24 por 7 sempre foi nossa principal prioridade. Infelizmente, ficamos aquém. Nossos clientes esperam mais de nós e temos que fazer melhor.”
No mês passado, foi revelado que um erro humano foi a causa da interrupção do DBS em maio, mas não estava relacionado à interrupção de março. O ministro sênior de Cingapura e ministro encarregado do MAS, Tharman Shanmugaratnam, disse em uma resposta parlamentar por escrito que o erro foi encontrado no software usado para manutenção do sistema e resultou em uma “redução significativa” na capacidade do sistema.
Isso afetou sua capacidade de processar serviços bancários online e móveis, pagamentos eletrônicos e transações em caixas eletrônicos, disse Tharman, citando a investigação preliminar do banco.
Fundos para ajudar o setor a adotar IA
Cingapura disse na segunda-feira que estava reservando SG$ 150 milhões (US$ 112,53 milhões) ao longo de três anos para apoiar ainda mais os esforços do setor financeiro para inovar por meio do uso de tecnologia.
O Esquema de Tecnologia e Inovação do Setor Financeiro (FSTI 3.0) continuará a facilitar o desenvolvimento e a adoção de capacidades em áreas-chave, como IA e análise de dados, bem como tecnologia de regulamentação ou regtech. Especificamente, a Autoridade Monetária de Cingapura (MAS), reguladora do setor, procurará estimular a adoção de IA e análise de dados entre empresas financeiras menores.
O FSTI 3.0 também abrange novos caminhos nos quais os fundos serão expandidos para incluir entidades de capital de risco corporativo e projetos ESG (ambientais, sociais e de governança). O MAS também realizará chamadas abertas para casos de uso em tecnologias emergentes, como a Web 3.0, com subsídios a serem oferecidos para testes e comercialização.
Além disso: a corrida do ouro da IA torna crítica a higiene básica da segurança dos dados
Para o DBS, o foco agora é garantir que seus projetos de IA possam ser dimensionados e o acesso permaneça difundido em toda a organização, disse Gupta.
“Precisamos ter certeza de que estamos industrializando como a IA é desenvolvida e implantada no banco, para que possamos reduzir o esforço para implementá-la. Você não pode fazer isso se cada caso de uso for feito de maneira personalizada”, observou ele. .
Ele também destacou a importância de garantir que a IA continue sendo medida, para que o banco possa determinar se está gerando resultados positivos. “Precisamos garantir que haja benefícios para funcionários e clientes”, acrescentou.
.
