Menu
A implementação de inteligência artificial (IA) nas tesourarias corporativas enfrenta um obstáculo significativo: a dificuldade em encontrar fontes de dados confiáveis para fundamentar decisões estratégicas. Este desafio tem se mostrado particularmente relevante mesmo em grandes empresas do setor tecnológico.
De acordo com Pablo Junco, diretor executivo de dados, análise e IA da Microsoft, a maior empresa do mundo em valor de mercado, metade do tempo da área financeira era dedicado à coleta de dados adequados durante a implementação do aprendizado de máquina. “Precisamos garantir que tenhamos uma única fonte de confiança. A partir daí conseguimos explorar os dados e, com governança, direcionar as informações corretas para o uso nas ferramentas”, afirmou durante um painel sobre IA em tesourarias corporativas promovido pelo Citi.
* Harrison Williams, líder de plataformas de dados, governança, IA e análises no Citi, revelou que o banco identifica insuficiência nos dados em 75% das geografias em que atua, alertando que “essas são lacunas que podem gerar ideias ruins ou, pior, ações ruins.”
* Na Mastercard, a líder da área de pagamentos, Raj Seshadri, destacou que a empresa utiliza aprendizado de máquina para identificar anomalias no sistema e detectar fraudes, enquanto a IA generativa é aplicada na adaptação de documentos.
* A integração de diferentes plataformas é considerada um passo estratégico fundamental, segundo Seshadri, que menciona a importância de conectar sistemas de faturamento, compras e recebimento.
Os especialistas também destacam a necessidade de flexibilidade no acesso às informações para que diferentes áreas possam extrair valor dos dados. Junco enfatiza que o principal desafio para as tesourarias está em identificar quais processos podem ser otimizados e tornados mais econômicos com o uso da IA.
Williams acrescenta uma perspectiva pragmática, alertando que nem sempre são necessárias soluções complexas, sugerindo que ferramentas simples e até gratuitas podem proporcionar resultados satisfatórios para as empresas. Além disso, destaca-se o desafio de lidar com sistemas legados, que nem sempre têm capacidade de processar o volume de dados analisados e gerados pela IA.
