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.

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.

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.