FinTech e IA impulsionando a próxima onda de inovação

Anna Schoff – Licenciada em MSc em Fala e NLP com especialização em aprendizagem profunda, ciência de dados e aprendizagem automática. Os seus interesses de investigação incluem deciframento neural de línguas antigas, tradução automática de recursos limitados e identificação de línguas. Possui vasta experiência em linguística computacional, IA e investigação em NLP na academia e na indústria.

Bhushan Joshi – Líder de Competências para ISV bancário, Mercados Financeiros e Gestão de Património, com vasta experiência em banca digital, mercados de capitais e transformação na cloud. Liderou estratégias de negócio, consultoria e implementações de tecnologia financeira em grande escala para bancos globais, focando em microserviços, otimização de processos e sistemas de negociação.

Kenneth Schoff – Especialista Técnico Distinto do Grupo Aberto na IBM IA Applications, com mais de 20 anos de experiência em banca, mercados financeiros e fintech. Especializa-se em soluções IBM Sterling, vendas técnicas e aconselhamento a executivos de topo sobre transformações impulsionadas por IA na cadeia de abastecimento e serviços financeiros.

Raja Basu – Líder em gestão de produtos e inovação com especialização em IA, automação e sustentabilidade nos mercados financeiros. Com forte background em transformação tecnológica bancária, liderou projetos de consultoria e implementação globais nos EUA, Canadá, Europa e Ásia. Atualmente, é estudante de doutoramento na XLRI, focando no impacto da IA nos sistemas financeiros e na sustentabilidade.

Descubra as principais notícias e eventos de fintech!

Inscreva-se na newsletter do FinTech Weekly

Lida por executivos do JP Morgan, Coinbase, Blackrock, Klarna e outros

O desenvolvimento de tecnologia de IA para FinTech está a crescer com grande potencial, mas o crescimento pode ser mais lento do que noutras aplicações devido à complexidade do problema.

A IA consegue captar padrões e anomalias que os humanos normalmente não detectam devido à capacidade dos sistemas de IA de consumir quantidades muito grandes de dados em muitas formas estruturadas e não estruturadas.

No entanto, o cérebro humano, com mais de 600 trilhões de ligações sinápticas, é considerado o objeto mais complexo que conhecemos em qualquer lugar – Terra, sistema solar e além. A IA pode complementar a análise humana através da sua capacidade de processar muitos detalhes em volume, mas não consegue pensar.

Nas aulas de IA na Yale há muitos anos, definiram IA como “o estudo dos processos cognitivos por meio de modelos computacionais”. Esta definição ainda se aplica. Muitas vezes, os modelos computacionais resultantes são úteis por si só, e estes evoluíram de Sistemas Especialistas e Pequenas Redes Neurais Artificiais para as técnicas de Deep Learning usadas na construção de Grandes Modelos de Linguagem (LLMs) e nos Modelos de Fundação usados na IA Generativa.

Os avanços em hardware tornaram grande parte disso possível, e temos certeza de que há mais por vir.

Nos anos 1990, sabíamos que a falta de conhecimento geral nos sistemas de IA era um fator limitador importante, e agora conseguimos fornecer esse conhecimento em grandes modelos de IA. A tecnologia de IA inicial era limitada a tarefas muito específicas, semelhantes a savants idiotas