Quais são as aplicações de IA e de ML?
Na verdade, são muitas as aplicações. A função mais óbvia é no marketing, dentro de qualquer indústria. Um cliente em potencial tem mais chances de identificar e comprar seus produtos dentro do mundo digital, das mídias. Tem o uso em proteção de dados. Grande parte das denúncias de corrupção é detectada porque estão no mundo digital, então, o uso desse algoritmo também vem potencializar esse tipo de detecção de evento, sejam fraudes, lavagem de dinheiro… Outra aplicação é para detectar fraude no uso de plano de saúde, que acarretam custo para as empresas. É usado também no próprio diagnóstico de doenças, por meio do cruzamento de informação; grandes bancos de dados têm sido utilizados e alimentados com comportamentos e descrição de sintomas. Tem ajudado os médicos a melhorar a capacidade de fazer diagnósticos, ou até sem o médico, nos sites de diagnósticos. Se é confiável ou não, é outra questão, mas já existe. A automação de processos produtivos, que exige grande volume de dados, análises jurídicas, são atividades que a IA tem ajudado. Ao coletar dados de comportamento de criminosos; de fluxo de pessoas e atitudes criminosas padrão, é possível prever onde o crime acontecerá, que tipo, qual a região. Mais recentemente, a Fico lançou um produto de proteção, que é capaz de medir o risco que uma empresa tem de sofrer um ataque cibernético. São usos muito variados, enfim, é um futuro interessante.
E especificamente no sistema financeiro?
Existe uma solução específica que combina dois mundos – o tradicional, que são os de créditos e o mais novo de ML, que usa o conhecimento de máquina no modelo preditivo. No mundo de crédito bancário é muito importante você saber explicar para o cliente ou para o Banco Central, no caso do Brasil, porque determinado crédito foi negado ou aprovado. Por uma questão de segurança sistêmica é importante que os bancos ou instituições financeiras tenham esse controle. Então, esses modelos matemáticos que fazem o controle automático de crédito têm que ser capazes de conhecer as variações, as informações mais importantes para decidir. Dentro do contexto, o ML é capaz de melhorar esses sistemas automáticos, mas ele tem o inconveniente de gerar processos de sistemas de análises muito complexos e de difícil explicação. Conseguimos combinar a técnica tradicional com o ML e, dessa forma, a gente tem a capacidade de explicar o modelo, de chegar no regulador bancário, de saber os motivos da aprovação ou negação do crédito e, ao mesmo tempo, de melhorar a capacidade de fazer previsões financeiras.
Existe uma solução específica que combina dois mundos – o tradicional, que são os de créditos e o mais novo de ML, que usa o conhecimento de máquina no modelo preditivo. No mundo de crédito bancário é muito importante você saber explicar para o cliente ou para o Banco Central, no caso do Brasil, porque determinado crédito foi negado ou aprovado. Por uma questão de segurança sistêmica é importante que os bancos ou instituições financeiras tenham esse controle. Então, esses modelos matemáticos que fazem o controle automático de crédito têm que ser capazes de conhecer as variações, as informações mais importantes para decidir. Dentro do contexto, o ML é capaz de melhorar esses sistemas automáticos, mas ele tem o inconveniente de gerar processos de sistemas de análises muito complexos e de difícil explicação. Conseguimos combinar a técnica tradicional com o ML e, dessa forma, a gente tem a capacidade de explicar o modelo, de chegar no regulador bancário, de saber os motivos da aprovação ou negação do crédito e, ao mesmo tempo, de melhorar a capacidade de fazer previsões financeiras.
Qual a vantagem da solução para o usuário final?
A empresa detém o Fico Score, que é uma pontuação de crédito. Cada consumidor nos Estados Unidos tem uma pontuação de 300 a 800 pontos que confere sua saúde preditiva, ou seja, sua capacidade de pagar no crédito. A Fico é responsável por implementar esse conceito naquele país, onde é o score mais conhecido do mercado. Lá todo cidadão tem o direito a crédito no mercado e isso é muito importante para eles. Por isso, os bancos ou instituições financeiras precisam dizer exatamente porque uma pessoa tem ou não crédito. A solução também informa motivo da pontuação fazendo com que as empresas sejam capazes de dizer aos seus clientes porque seu crédito foi negado. O mais importante é o método analítico da Fico. É a capacidade de informar o regulador bancário também. Essa é a principal motivação para a gente trazer essa explicação, por meio do mundo de redes neurais, para o mundo de crédito.
A empresa detém o Fico Score, que é uma pontuação de crédito. Cada consumidor nos Estados Unidos tem uma pontuação de 300 a 800 pontos que confere sua saúde preditiva, ou seja, sua capacidade de pagar no crédito. A Fico é responsável por implementar esse conceito naquele país, onde é o score mais conhecido do mercado. Lá todo cidadão tem o direito a crédito no mercado e isso é muito importante para eles. Por isso, os bancos ou instituições financeiras precisam dizer exatamente porque uma pessoa tem ou não crédito. A solução também informa motivo da pontuação fazendo com que as empresas sejam capazes de dizer aos seus clientes porque seu crédito foi negado. O mais importante é o método analítico da Fico. É a capacidade de informar o regulador bancário também. Essa é a principal motivação para a gente trazer essa explicação, por meio do mundo de redes neurais, para o mundo de crédito.
Como é o modelo de atuação da Fico?
Uma das formas de irmos ao mercado é por meio da consultoria e, depois, o cliente pode andar com as próprias pernas. Temos software que é capaz de levar o ML para o usuário gerar suas próprias soluções com essa tecnologia aplicada. Uma terceira forma, uma solução completa, que engloba a inteligência do ML e o próprio software. É uma solução contra fraude de cartão de crédito; a primeira que passamos a ofertar e já tem incorporado vários modelos de ML e de AI, com capacidade de pontuar todo uso de cartão pelo cliente e pontuar, por exemplo, quando a transação sai do padrão. Tem alta capacidade de apontar fraude e é o trabalho mais comum, com mais de dez mil clientes. Um grande banco, por exemplo, adquire essa solução para proteger seus clientes de cartão de crédito.
Uma das formas de irmos ao mercado é por meio da consultoria e, depois, o cliente pode andar com as próprias pernas. Temos software que é capaz de levar o ML para o usuário gerar suas próprias soluções com essa tecnologia aplicada. Uma terceira forma, uma solução completa, que engloba a inteligência do ML e o próprio software. É uma solução contra fraude de cartão de crédito; a primeira que passamos a ofertar e já tem incorporado vários modelos de ML e de AI, com capacidade de pontuar todo uso de cartão pelo cliente e pontuar, por exemplo, quando a transação sai do padrão. Tem alta capacidade de apontar fraude e é o trabalho mais comum, com mais de dez mil clientes. Um grande banco, por exemplo, adquire essa solução para proteger seus clientes de cartão de crédito.
postado por Blog do Paim @ 00:36
0 Comentários
