Machine learning e RPA como ferramentas para o processo de orçamento bancário

A revolução tecnológica atual vem pressionando o setor bancário, devido ao surgimento de fintechs e à mudança do perfil de seus clientes. Segundo a FEBRABAN (2020), em 2019, os bancos aumentaram seus investimentos em tecnologia em 48% (cerca de US$2,8 trilhões) em relação ao ano anterior, para se adaptarem a essa transformação.

 

Diante desse movimento e pensando em setores estratégicos para as empresas da indústria bancária, destaca-se o processo de orçamento bancário, que é um processo extremamente oneroso, manual e que não possui parâmetros e métodos muito claros (LUNKES, 2003), exigindo, de fato, o estabelecimento de novas tecnologias que contraponham essas limitações.

 

A automação de processos (RPA) e o aprendizado de máquina (Machine Learning), que figuram entre as 3 melhores tecnologias para a transformação de negócios (KPMG, 2019), são ferramentas que vêm sendo frequentemente empregadas pelas instituições financeiras (FEBRABAN, 2020) e caminham no sentido de atender as limitações levantadas.

 

A tecnologia de Machine Learning se adequa ao processo de orçamento, pelo fato de ser uma ferramenta preditiva, de sua aplicação ser facilitada frente a um grande volume de dados disponível como insumo e de ser capaz de aplicar um método para projeção de valores que se ajusta conforme é alimentada por novos dados reais. Porém, a sua aplicação realmente se torna efetiva quando os processos de geração de dados para o orçamento estão bem estruturados, exigindo um apropriado nível de maturidade em automação de processos (RPA).

 

Aplicadas ao universo empresarial, ambas as ferramentas são atrativas pelo fato de auxiliarem na redução de custos, na melhoria da eficiência de processos e no aumento da lucratividade dos negócios. Apesar de serem grandes promessas para auxiliar as empresas no atual cenário de transformação digital, os bancos early adopters no uso dessas tecnologias para o orçamento precisarão estar preparados para as consequências de um cenário de complexidade tecnológica, de exigência regulatória, de ferramentas pouco testadas nos grandes mercados, de risco de cyber-security e, principalmente, de necessidade de transformação cultural de seus colaboradores.

 

A automação de processos e o machine learning são tecnologias de adoção “obrigatória” e se adaptam perfeitamente a vários processos (como o de orçamento) de empresas do setor bancário, para que se desenvolvam em meio à transformação digital. Os benefícios do seu uso são proporcionalmente grandes em relação aos seus desafios, mas assim como afirma a frase atribuída a Jim Collins, autor do livro “Empresas Feitas Para Vencer”, – “A inovação por si só não é o segredo da vantagem competitiva, mas sim a capacidade de mesclar disciplina com inovação”.

 

 

REFERÊNCIAS BIBLIOGRÁFICAS

 

KPMG, The top 10 technologies for business transformation. Disponível em: <https://assets.kpmg/content/dam/kpmg/ie/pdf/2019/05/ie-top-10-technologies-forbusiness-transformation.pdf>. Acesso em 20 de outubro de 2021.​

 

DELOITTE TOUCHE TOHMATSU, Pesquisa FEBRABAN de Tecnologia Bancária 2020. Disponível em: <https://cmsportal.febraban.org.br/Arquivos/documentos/PDF/Pesquisa%20Febraban%20de%20Tecnologia%20Banc%C3%A1ria%202020%20VF.pdf>. Acesso em 2 de agosto de 2021.

 

FORBES, Daniel Newman, Top 10 digital transformation trends for 2022. Disponível em: <https://www.forbes.com/sites/danielnewman/2021/10/13/top-10-digitaltransformation-trends-for-2022/?sh=416e88c46330>. Acesso em 17 de outubro de 2021.