4 razões pelas quais bancos e seguradoras não conseguem ampliar o uso da IA sem uma visão 360 do cliente confiável

Muitos bancos e seguradoras presumem que sua IA tem uma visão completa do cliente. Mas não é assim. Ela tem apenas a visão que os sistemas subjacentes conseguiram fornecer.

O “Cliente 360” é uma visão completa, precisa e atualizada de um cliente, abrangendo os produtos, contas, apólices, canais e pontos de contato relevantes para o relacionamento. Nos setores bancário, de serviços financeiros e de seguros (BFSI), essa visão também deve preservar funções, relações, hierarquias, proveniência e os controles que regem como os dados podem ser utilizados. Sem esse contexto, a IA está trabalhando com base em um cliente que não existe plenamente.

Estabelecer uma identidade confiável do cliente é o ponto de partida, não a linha de chegada. A IA também precisa do contexto regulamentado em torno dessa identidade: famílias e hierarquias corporativas, funções e relacionamentos, produtos e contas, além de evidências que mostrem de onde cada fato veio e por que é confiável.

A seguir, apresentamos quatro razões pelas quais isso determina até onde a IA pode chegar e onde ela geralmente falha.

1. Nenhum sistema isolado tem uma visão completa do cliente

Uma única pessoa pode ser, ao mesmo tempo, cliente de banco de varejo, mutuário de hipoteca, cliente de gestão de patrimônio, segurado e beneficiário efetivo.

Cada uma dessas relações geralmente está em seu próprio sistema, criado em um momento diferente e com uma finalidade diferente.

A plataforma de crédito imobiliário nunca foi projetada para ter conhecimento da conta de gestão de patrimônio. E o sistema de administração de apólices nunca foi desenvolvido para reconhecer que seu segurado também é um beneficiário real em outra área da empresa.

Tecnicamente, esses sistemas não estão errados; todos refletem com precisão o aspecto do cliente que foram criados para gerenciar.

O problema surge quando uma pessoa ou uma IA precisa compreender o cliente dentro de seu contexto — não apenas os produtos que ele possui, mas também as funções e os relacionamentos que o conectam em toda a empresa:

• Um gerente de relacionamento avaliando o relacionamento total e a exposição do cliente em todos os produtos e pessoas jurídicas
• Uma seguradora determinando se um segurado, requerente, beneficiário, membro ou contato familiar é a mesma pessoa
• Um sistema de IA selecionando a próxima ação com base no contexto relevante e permitido do cliente, do domicílio ou da empresa

Nenhuma equipe isolada, nem nenhum sistema isolado, jamais teve acesso a esse panorama completo para trabalhar.

2. Quando a IA opera com base em uma visão parcial, ninguém consegue explicar o que ela fez

Em vez de construir sua própria visão sobre um cliente, um modelo de IA aprende a partir de qualquer visão que lhe seja fornecida.

Quando essa visão é fragmentada, o resultado do modelo reflete essa mesma fragmentação, com rapidez e em grande escala.

Se você é uma seguradora que utiliza IA para priorizar a retenção ou o atendimento a sinistros, a mesma pessoa pode aparecer como segurado, requerente, beneficiário, membro ou contato da família. Essas identidades baseadas em funções podem estar em sistemas diferentes, sem nenhuma ligação regulamentada entre elas.

O modelo recomenda a melhor ação a ser tomada com base em uma relação parcial. O resultado é difícil de explicar, mais difícil ainda de defender e, às vezes, errado para o cliente em questão.

Em um ambiente regulamentado, essa é a parte que é testada. Dados completos, por si só, não são suficientes. Você também precisa explicar:

• Quais dados de identidade, relação e fonte serviram de base para a decisão
• Por que esses dados foram considerados confiáveis
• Se as informações estavam atualizadas e eram permitidas para essa finalidade
• Como um gestor de dados, auditor ou órgão regulador pode revisar a decisão e qualquer intervenção humana

O CRM gerencia interações. Os data lakes e lakehouses armazenam, processam e analisam dados em grande escala. As plataformas bancárias centrais, de apólices e de sinistros executam processos operacionais.

A gestão de dados mestres (MDM) complementa — e não substitui — esses sistemas, estabelecendo identidades, relações, hierarquias e definições de negócios regulamentadas que eles podem compartilhar e reutilizar. É isso que torna o Customer 360 consistente, rastreável e pronto para a tomada de decisões por pessoas, análises e IA.

3. A visão do cliente se desintegra novamente a cada mudança nos negócios

Novos clientes, produtos e mudanças no sistema adicionam constantemente novos fragmentos. Assim, mesmo uma empresa que resolva isso hoje terá que lidar com o problema novamente amanhã, devido a fatores como:

• Fusões e aquisições trazem sistemas desenvolvidos segundo padrões diferentes por equipes diferentes
• Novos canais e produtos criam perfis que a visão existente nunca levou em conta
• As migrações de sistemas transferem dados para novas estruturas e quebram a lógica na qual as antigas regras de correspondência se baseavam
• Novos casos de uso de IA combinam dados de clientes de maneiras que ninguém havia previsto

Essas mudanças são rotineiras no setor BFSI, e cada uma delas pode reintroduzir fragmentação, a menos que a identidade, os relacionamentos e a governança sejam mantidos continuamente. É por isso que, para se ter uma visão completa do cliente, é necessário um método contínuo e governado para manter a precisão à medida que os negócios mudam. Se você tratar isso como um projeto com uma linha de chegada, todo o seu trabalho será desfeito no momento em que o negócio se adaptar novamente.

4. Os riscos aumentam à medida que as decisões de IA passam de dias para segundos

Decisões que antes levavam dias agora acontecem em segundos. Decisões de crédito, alertas de fraude, triagem de sinistros, encaminhamentos para análise de risco e próximas melhores ações passam cada vez mais por processos automatizados, deixando menos tempo para que uma pessoa identifique contextos ausentes ou enganosos.

Essa velocidade muda o propósito de uma visão completa do cliente.

Antes, um problema nos dados retardava uma decisão. Geralmente, alguém percebia o problema antes que ele avançasse.

Agora, um problema de dados passa pelo mesmo processo automatizado que tudo o mais e gera um resultado antes que alguém o analise.

A velocidade elimina a rede de segurança que os processos manuais, mais lentos, costumavam oferecer.

Uma visão completa e confiável do cliente costumava ser algo que as empresas buscavam construir ao longo do tempo. Hoje, é um pré-requisito para uma IA segura no setor BFSI.

Quando falta a resolução de identidade, surge o “cliente Frankenstein”

Em nosso e-book, Conheça seu cliente “Frankenstein” – uma leitura útil para qualquer pessoa envolvida na gestão de dados de clientes do setor BFSI –, você verá esse padrão: um registro de cliente montado a partir de fragmentos, duplicatas e dados conflitantes.

Os dados parecem plausíveis o suficiente para passar por uma verificação rápida, mas desmoronam no momento em que são utilizados em uma decisão importante.

Sem uma maneira regulamentada de estabelecer a identidade e conectar o contexto relevante em torno dela, a IA corre o risco de agir com base nesse mesmo cliente “remendado” — quer alguém perceba imediatamente, quer somente depois que a decisão já tiver sido tomada.

Como o STEP lida com isso

A plataforma de inteligência confiável da Stibo Systems, o STEP, oferece às empresas do setor BFSI uma base de dados mestres independente e regulamentada que funciona em conjunto com plataformas de CRM, sistemas bancários centrais, apólices, sinistros, dados em nuvem e IA. Ela estabelece identidades confiáveis e conecta o contexto de negócios de que a IA precisa, sem substituir os sistemas que processam as transações:

• Identidade confiável: compara, consolida e controla registros de clientes e partes envolvidas, preservando a fonte, a linhagem e os identificadores persistentes
• Relações e hierarquias: conecta famílias, pessoas jurídicas, beneficiários efetivos, corretores e intermediários, funções e estruturas organizacionais
• Contexto de negócios semântico: aplica definições, classificações e governança compartilhadas para que as pessoas e a IA compreendam o significado das entidades e relações
• Conexão e controle corporativos: publica identidades e contextos governados no CRM, nas plataformas centrais, nos dados em nuvem, em análises e na IA, com rastreabilidade, controles automatizados e supervisão humana para exceções

Juntas, essas capacidades transformam registros fragmentados em inteligência confiável e rica em contexto que pessoas e IA podem usar com maior confiança — e que as empresas do setor BFSI podem explicar, governar e defender. Para saber como nós, da Stibo Systems, apoiamos organizações de serviços financeiros e seguros, visite as páginas do setor em nosso site.