|
O brasileiro Evandro Barros, CEO e fundador da DATA H, é um empreendedor que se destaca por sua trajetória no universo da inteligência artificial. Em 2016, Barros criou a DATA H, empresa especializada na criação de núcleos de IA e no desenvolvimento de agentes inteligentes para apoiar a transformação digital de negócios complexos — incluindo o mercado financeiro. Desde 2018, ele vive no Canadá, após ser convidado pelo governo canadense para integrar um programa internacional de IA.
Com experiência prévia no mercado financeiro e em consultorias de gestão, ele se dedica a potencializar habilidades humanas por meio da tecnologia. Reconhecido como um dos Top 50 CEOs de IA em 2021 e 2023, pela Technology Innovators, Barros também é fundador e atual presidente do Instituto de Inteligência Artificial Aplicada (I2A2).
Em entrevista exclusiva para a ANBIMA, ele fala sobre estratégias de IA, conta como a DATA H está implementando agentes de IA para acelerar a tomada de decisão em investimentos e defende: “Cada empresa precisa se tornar um centro educacional se quiser transformar dados em resultados". Confira.
Poderia explicar como a DATA H atua?
A DATA H cria núcleos de IA, ou squads, para empresas que buscam fazer transformação digital via inteligência artificial. Esse núcleo é composto por especialistas técnicos e de negócios com capacidade para desenhar uma estratégia e executá-la. Nossa visão é que as empresas precisam de novos modelos que lhes permitam gerenciar o risco da inovação, então desenvolvemos esse modelo para que a empresa se preocupe com o negócio e nós cuidemos do que será necessário para que os dados, de fato, virem receita.
Qual a sua visão sobre a IA agêntica?
A IA agêntica é uma revolução, uma tecnologia que vai liberar bilhões de dólares em automação e eficiência. No entanto, colocar agentes de IA para resolver problemas do mundo real é mais fácil falar do que fazer. Ainda há muito buzz e pouca ação real.
Há uma ideia equivocada de que a "pseudo facilidade" de criar agentes simples usando uma planilha e plataformas no-code, low-code ou LLMs (large language models) pode ser também aplicada aos sistemas complexos de uma empresa.
Acontece que o mundo corporativo é cheio de detalhes e particularidades que podem facilmente se tornar barreiras difíceis de transpor. Agentes de IA necessitam de novas métricas de avaliação; de um processo bem definido; de uma forma de pensar a validação; e de um time multidisciplinar para construí-los. Os processos de decisão de uma empresa e as ações que decorrem desses processos têm detalhes muito sutis. Além disso, há questões de segurança que uma pessoa física pode não levar em conta, mas que são absolutamente críticas para as empresas.
Como os agentes de IA podem ser usados pelas instituições financeiras?
Nos últimos anos, temos atuado bastante com o suporte à tomada de decisão usando IA para análise de investimentos, gestão de risco e gerenciamento de portfólio. Os agentes de IA mudaram muito o modo como nós fazemos isso.
Hoje, temos agentes que cuidam de apenas um dado específico e que cruzam automaticamente com outros dados relevantes em busca de um padrão, um complemento da informação ou até mesmo uma inconsistência.
A melhor parte é que, muitas vezes, conseguimos fazer isso de forma descentralizada, sem precisar, por exemplo, de data lakes (repositórios centralizados que permitem armazenar dados estruturados e não estruturados de uma empresa). A velocidade com que se faz isso é um diferencial no mercado financeiro.
Se pensarmos em compliance, a coisa fica ainda mais interessante, porque hoje, por exemplo, é possível auditar documentos ou eventos por meio de agentes com muita eficiência, deixando a validação "fina" para os analistas. Dessa forma, estamos falando de um processo que pode ser 90% automatizado.
Como planejar uma estratégia de IA?
Alguns elementos são cruciais, como realismo e visão de longo prazo. Uma estratégia de IA não nasce na TI, ela nasce no board, na diretoria. A visão da empresa vai se fundir com a nova tecnologia, e isso é fundamental.
Como já sabemos, não existe IA sem dados, e existe ainda menos sem processos claros. Dessa forma, a empresa precisa saber quem ela é nessa jornada. Temos duas posturas: a da transformação digital que busca na IA uma forma de melhorar processos, dar velocidade e fechar lacunas; e a das smart companies, empresas que já possuem muitos processos digitais e que querem transformar os dados que possuem em vantagem competitiva.
Essas posturas não se anulam. Algumas empresas fazem os dois processos em paralelo, mas importa saber, antes de começar, como a empresa está se posicionando, porque os modos de fazer são bem distintos.
Ao pensar em sua estratégia de IA, as instituições dos mercados financeiro e de capitais devem ter em mente que o importante não é se apegar à tecnologia, mas sim ao KPI (Key Performance Indicator) ou à meta desejada. Depois que definirem o que querem resolver e os resultados que querem obter, aí é hora de fazer um "processo de trás para frente", mapeando como usar tecnologias como IA generativa e agentes de IA para atingir esses KPIs.
Importante pensar na segurança dos dados. O modo como serão feitas essas implementações é importante. O que costumo sugerir é trabalhar com a realidade plausível e fazer simulações, pois, desse modo, você consegue ver resultados sem colocar dados sensíveis em risco. Quando o sistema estiver funcionando adequadamente, aí dá para transferir para o mundo real.
Poderia compartilhar um caso de uso real de agentes de IA no mercado financeiro?
Eu posso citar como exemplo um projeto no qual a DATA H está trabalhando que envolve o suporte à decisão para negociação de mercado futuro em gás natural. Nosso cliente é um fundo baseado em Houston, Texas. O projeto envolve vários multiagentes que "varrem" as informações do mercado, fazem comparações, projeções, analisam movimento de preço, clima, demanda etc. Depois eles apontam o melhor posicionamento naquele momento (tela abaixo).
|
English
Espanhol