Apple, Google e Amazon compraram recentemente empresas de algoritmo. Os bancos também estão entrando nessa onda, tornando-se mais automatizados, aumentando sua participação no digital a cada dia para se manterem no cenário do mundo mobile 24/7. A maioria dos bancos está trabalhando para oferecer modernidade e conveniência através de tecnologias como aplicativos simples, pagamentos eletrônicos e contratando cientistas de dados para integrar sua equipe de Analytics. Na verdade, não é que os bancos corram algum risco de acabarem, mas é uma questão de se posicionar, para maioria, para longe do fracasso e em direção à nuvem, direcionados pela adoção dos pagamentos eletrônicos e pelo crescimento exponencial dos data footprint (rastro de dados).

Pagamentos eletrônicos

Como o mundo continua adotando pagamentos eletrônicos, mais e mais dinheiro será transacionado e armazenado de forma digital ao invés do dinheiro em espécie. De fato, estima-se que o mobile commerce represente metade de todo o e-commerce em 2018, quando 45% da população mundial se tornará consumidora online. Por causa da confiança das pessoas nos bancos como instituições que guardam seu dinheiro em segurança, a indústria bancária enfrenta o desafio de proteger uma nova e intangível commodite: a informação. E tratando-se de informação digital, simplesmente não há como trancá-la e guardar a chave.

Rastro dos dados (data footprint)

E mesmo que houvesse uma forma de armazenar dados pessoais de forma segura em uma espécie de depósito de segurança, é preciso considerar o volume desses dados. Todo ano, nossas vidas offlines migram para a internet e o nosso data footprint (rastro de dados) coletivo duplica (hoje são quase 1.7 terabytes por homem, mulher e criança no planeta)

De acordo com a IBM, 90% dos dados armazenados no mundo foram criados apenas nos últimos dois anos. Então, se a informação pode capacitar melhores riscos de gerenciamento – principalmente para a função de intermediação de pagamentos com cartão de crédito – então bancos que possuem melhores gerenciamentos de dados estão melhor posicionados para realizar pagamentos online e outros serviços digitais independentemente do canal ou da forma.

Por outro lado, se pessoas estão mais preocupadas com a saúde hoje em dia, logo estão mais propensas a fazer reembolsos de empréstimos, então os bancos podem se conectar a atividades de monitoramento como o Fitbit e oferecer taxas de cartão de crédito menores para consumidores que exercitam. Isso cria um relacionamento “win-win”, em que todos saem ganhando, usando dados de forma inteligente tanto para benefícios dos bancos como dos consumidores. A realidade é que nós simplesmente continuamos a produzir dados, o que demanda uma função que torne o uso dos dados mais eficiente e útil.

Machine learning

Estas duas tendências convergem entre si e conforme o “dataverse” se expande, vemos a importância da inteligência artificial crescer e em particular o uso do machine learning para gerenciar o grande volume de dados. “Machine learning” é a construção de um sistema inteligente que “aprenda” automaticamente com os dados, ao contrário do trabalho humano manual de escrever regras estatísticas.

O Machine learning já tem se mostrado eficiente na identificação de spam, nos deixando livre de cerca de 70% do tráfego considerado como spam em nossos e-mails.

Em Marte, onde as regras comuns de tráfego não são aplicáveis, o machine learning permite direcionar um veículo para um terreno inexplorado por humanos. Na Terra, o machine learning é projetado especialmente para prevenir fraudes em pagamentos. Os chamados “ciber-criminosos” costumam fazer ataques com base no big data e machine learning, sobrecarregando os sistemas tradicionais que dependem apenas de seres humanos. Este padrão de fraude muda muito rápido, em alguns casos, a sutileza do criminoso é tanta que apenas um algoritmo pode detectar a fraude e erradicá-la.

E isso não vai acontecer durante a noite, já que o tráfego de dados e o uso de serviços bancários digitais já está mudando de horário. Concluindo, funcionários de bancos e instituições financeiras não precisam se preocupar e pensar que os “robôs” irão substituir seus empregos a qualquer momento breve, mas a necessidade de alta tecnologia e machine learning na indústria bancária está pressionando e nos próximos anos será crucial para determinar o futuro e a sobrevivência dessas instituições.