Ir para conteúdo

A evolução do machine learning no setor financeiro

Amanda West
Amanda West
Global Head, Refinitiv Labs

À medida que se busca maior capacidade competitiva, a inteligência artificial (IA) e o machine learning (ML) ganham espaço em diferentes áreas do setor financeiro. Nesse novo cenário, em que profissionais adotam uma abordagem proativa ao direcionar estratégias financeiras, o desempenho das empresas depende da qualidade e disponibilidade dos dados.


  1. Em um novo relatório, a Refinitiv obteve informações de aproximadamente 400 cientistas de dados e quants para estabelecer as tendências mais recentes em IA e ML nos serviços financeiros.
  2. O emprego do machine learning (ML) no setor financeiro está claramente amadurecendo. Oitenta por cento das empresas vêm fazendo investimentos significativos nesse tipo de tecnologia.
  3. Os cientistas de dados desempenham um papel cada vez mais estratégico nas empresas de serviços financeiros, onde o número de equipes dedicadas a essa área cresceu mais de 260% desde 2018.

Para mais informações baseadas em dados diretamente no seu inbox, assine o boletim semanal Refinitiv Perspectives

Estes são alguns dos destaques do segundo relatório global sobre inteligência artificial e machine learning da Refinitiv, intitulado “The Rise of the Data Scientist”.

O relatório é baseado em uma das maiores pesquisas globais com especialistas em dados e autoridades responsáveis pelo uso de machine learning (ML) em finanças, além de ser “leitura obrigatória” para profissionais da área de dados e líderes em inovação.

Leia o relatório global da Refinitiv sobre inteligência artificial e machine learning: “The Rise of the Data Scientist”.

Assista: Nova pesquisa sobre IA e machine learning –The Rise of the Data Scientist

O machine learning se torna um recurso horizontal

O uso do machine learning (ML) nos serviços financeiros está amadurecendo, com empresas implantando recursos tecnológicos cada vez mais sofisticados –como o deep learning—, e começando a executar ciclos rápidos de inovação.

Mais de 72% dos participantes da pesquisa deste ano dizem que esse é um componente central de sua estratégia de negócios, e 80% estão fazendo investimentos significativos em tecnologias associadas.

Também diminuíram os desafios relacionados a investimento, opções de tecnologia e acesso a talentos, identificados como as principais barreiras à adoção do machine learning no relatório de 2018. Assim, começa a se formar uma base sólida para a implementação de modelos de machine learning em larga escala.

O relatório de 2020 apontou para um mix diversificado de casos de uso.

Cientistas de dados assumem papel mais estratégico

Os cientistas de dados deixaram os departamentos de tecnologia para liderar a área de machine learning de instituições financeiras. A pedido das empresas, eles saíram do setor de desenvolvimento de modelos e hoje influenciam diretamente as estratégias de tecnologia e dados necessárias para atingir os objetivos dos negócios.

A importância dos cientistas de dados para o sucesso das estratégias de machine learning é clara. O número médio de funções relacionadas à ciência de dados em cada empresa aumentou significativamente desde o nosso primeiro relatório sobre machine learning, em 2018; e o número de equipes dedicadas a isso aumentou mais de 260%.

Deep learning

O relatório deste ano mostra, inclusive, que 75% das empresas já estão empregando tecnologias de deep learning. Esse é um avanço inesperado, mas que vem sendo claramente amparado por um aumento do uso de estruturas de tecnologia de deep learning.

O deep learning pode ajudar as instituições financeiras a obter insights valiosos a partir de conjuntos de dados não estruturados grandes e diversos. Mas o custo do hardware e o tempo gasto para treinar modelos podem ser proibitivos.

O processamento de linguagem natural (PNL) é outro foco de atenção no setor financeiro, e vem sendo aplicado para desbloquear valor de dados não estruturados.

Não é nenhuma surpresa que o uso de dados não estruturados esteja aumentando. Para se ter uma ideia, em 2018 apenas 2% das instituições trabalhavam exclusivamente com dados não estruturados, índice que subiu para 17% em 2020. Hoje, 64% delas aproveitam esse tipo de dado.

A importância da estratégia de dados

Os cientistas de dados estão usando diversas fontes de dados, incluindo dados não estruturados e dados alternativos, para desenvolver modelos.

Apenas 3% dos participantes da pesquisa deste ano afirmaram não usar esses dados alternativos em seus modelos; em 2018 esse número girava em torno de 30%. Isso provavelmente reflete a busca por novos tipos de conjuntos de dados para avaliar o impacto da Covid-19 no setor financeiro.

Na pesquisa que realizamos em 2018, a baixa qualidade dos dados foi considerada um dos principais obstáculos para a implantação de modelos de IA e ML. Este ano, os participantes citaram tanto a má qualidade dos dados quanto a sua disponibilidade como barreiras à adoção dessas novas tecnologias.

Para que as instituições financeiras se beneficiem da velocidade, agilidade e valor de uma abordagen “AI-first”, elas precisam de dados confiáveis e de alta qualidade que possam ser facilmente acessados, consumidos e manipulados.

O impacto da Covid-19

O relatório deste ano indica que 72% dos modelos de IA e ML das empresas foram impactados negativamente pela Covid-19. Algumas organizações declararam que seus modelos estão obsoletos, enquanto outras já estão construindo novas versões.

O principal problema era a falta de agilidade para fazer adaptações rapidamente e incorporar novos conjuntos de dados conforme as circunstâncias iam mudando.

Machine learning: o que você precisa saber

O relatório deste ano contém tudo o que você precisa saber sobre o cenário de machine learning. Ele fornece insights sobre casos de uso em serviços financeiros, a mudança do papel do cientista de dados, o emprego de tecnologias emergentes, as tendências de investimento mais recentes e muito mais.

O documento também inclui conselhos práticos com base na experiência da Refinitiv Labs em desenvolver e implantar modelos de machine learning para resolver alguns dos problemas mais desafiadores em finanças, além de compartilhar alguns dos protótipos construídos em colaboração com nossos clientes.

Leia o relatório global da Refinitiv sobre inteligência artificial e machine learning: “The Rise of the Data Scientist”.

A Refinitiv está agora no Telegram! Receba atualizações diárias de análises de mercado em seu celular. Inscreva-se em t.me/Refinitiv