Análise da dificuldade da IA em desempenhar funções bancárias
Modelos de IA enfrentam dificuldades em tarefas do setor bancário devido à falta de dados específicos.
Em 31 de outubro de 2023, a análise da aplicação de modelos de inteligência artificial (IA) no setor bancário revela desafios significativos. Apesar do investimento robusto em infraestrutura de IA, as empresas como Meta, Google e Microsoft ainda enfrentam dificuldades em implementar essas tecnologias em funções que exigem habilidades específicas de trabalho.
Desempenho insatisfatório de modelos de IA
Estudos recentes, incluindo um do MIT, apontam que 95% dos projetos de IA não conseguem ir além da fase de prova de conceito, o que levanta questões sobre a viabilidade de sua aplicação em tarefas do cotidiano, como as desempenhadas por bancários de nível inicial. O principal obstáculo identificado é a falta de dados especializados para treinar esses modelos, que são necessários para lidar com processos complexos, como IPOs e fusões.
A questão dos dados de treinamento
Enquanto modelos de linguagem conseguem gerar textos e códigos devido a um vasto acesso a dados públicos, a realidade é que o mesmo não se aplica às funções bancárias. A escassez de dados específicos e a dificuldade em coletar informações relevantes do dia a dia de um profissional do setor financeiro tornam a tarefa ainda mais complicada. Especialistas como Robert Nishihara, co-fundador da Anyscale, destacam que a falta de exemplos concretos impede que a IA adquira as competências necessárias.
Flaws nos processos gerados por IA
Outro desafio enfrentado é a incapacidade da IA de controlar erros durante a execução de tarefas complexas. A natureza variável das respostas geradas pela IA pode resultar em falhas acumuladas, comprometendo a qualidade do trabalho. Para mitigar esses problemas, empresas estão investindo em coleta de dados específicos com a ajuda de especialistas do setor, com o objetivo de criar um banco de dados mais robusto e aplicável.
O futuro da IA no mercado de trabalho
Apesar de um crescente mercado para dados de treinamento, onde especialistas podem ganhar altos salários por gerar informações úteis, a questão permanece: será que a IA conseguirá substituir completamente o trabalho humano? De acordo com Nishihara, as atuais limitações dos modelos de IA em aprender de forma semelhante aos humanos significam que a substituição total do trabalho de colarinho branco ainda está longe de ser uma realidade. O avanço nesse campo dependerá da capacidade da IA de aprender com erros e evoluir a partir de exemplos práticos.
