Jay Venkateswaran, Chefe da Unidade de Negócios, Serviços Bancários e Financeiros na WNS – Série de Entrevistas

Jay Venkateswaran, Chefe da Unidade de Negócios para Serviços Bancários e Financeiros, supervisiona a estratégia, o crescimento e o desempenho financeiro. Antes de ingressar na WNS, ele foi Consulting Partner na AT Kearney. Como parceiro confiável de Transformação e Serviços de Negócios, a WNS combina de forma única a expertise setorial com um ecossistema digital unificado que integra Analytics, Hipera automação e IA para criar diferenciação de mercado para os clientes.

IA generativa está transformando rapidamente os serviços bancários e financeiros.  Como você vê seu impacto evoluindo nos próximos cinco anos?

Nos bancos, vejo a IA generativa (Gen AI) desempenhando um papel fundamental ao melhorar a experiência do cliente, aumentar a eficiência operacional e fortalecer a gestão de risco. No back‑office, a automação impulsionada por IA otimizará tarefas como relatórios regulatórios, verificações de conformidade e processamento de documentos, reduzindo significativamente os custos operacionais. Além disso, a IA aprimorará as avaliações de risco de crédito e a detecção de fraudes por meio de insights de dados em tempo real e análises preditivas.

Uma das mudanças mais transformadoras será a hiper‑personalização, que permitirá às instituições financeiras oferecer produtos e serviços altamente customizados, adaptados ao comportamento, preferências e necessidades individuais dos clientes. À medida que as capacidades de IA avançam, os bancos integrarão cada vez mais chatbots e assistentes virtuais alimentados por IA para melhorar as interações com os clientes, tornando-as mais intuitivas e responsivas. Em última análise, o setor bancário e de serviços financeiros evoluirá para um ecossistema altamente inteligente e orientado por dados, onde insights impulsionados por IA possibilitam decisões mais inteligentes, resultando em uma experiência bancária fluida e mais personalizada.

É claro que não devemos ignorar o fato de que, menos de dois anos após a Gen AI se tornar mainstream, surgiu um avanço igualmente — senão mais — transformador: a IA Agente. Essa inovação pode potencialmente provocar uma mudança de paradigma nos bancos ao substituir chatbots estáticos e automação em silos por agentes de IA autônomos, capazes de tomar decisões, adaptar‑se, aprender e executar tarefas com inteligência quase humana.

Muitas instituições financeiras ainda estão nos estágios iniciais de adoção de IA.  É tarde demais para os adotantes tardios alcançarem o nível dos demais, ou você vê estratégias viáveis para que eles reduzam a diferença?

Não é tarde demais para as instituições financeiras adotarem IA, mas uma abordagem estratégica é essencial. Os adotantes tardios devem integrar a IA em seus planos estratégicos, focando em casos de uso de alto impacto que ofereçam valor imediato.

Um primeiro passo recomendado é identificar oportunidades “quick‑win” — como chatbots de atendimento ao cliente impulsionados por IA, automação de processamento de documentos e detecção de fraudes — onde a adoção de IA pode rapidamente melhorar a eficiência e a satisfação do cliente.

Além disso, em vez de desenvolver modelos de IA internamente, o que pode ser intensivo em recursos e demorado, as instituições financeiras podem acelerar a implantação de IA por meio de parcerias com fornecedores especializados em IA. Essas parcerias permitem que os bancos aproveitem modelos de IA pré‑construídos e soluções de IA baseadas em nuvem, reduzindo o tempo e os custos de implementação.

Outra estratégia chave é aproveitar plataformas de IA low‑code e no‑code. Essas plataformas permitem que as instituições financeiras implementem soluções impulsionadas por IA rapidamente, sem necessidade de ampla expertise técnica. Por exemplo, módulos de Processamento Inteligente de Dados (IDP) baseados em IA podem extrair, categorizar e analisar dados de fontes não estruturadas como PDFs e e‑mails, melhorando a eficiência operacional.

Ao adotar essas estratégias focadas, os adotantes tardios podem fechar a lacuna de IA de forma eficiente, garantindo conformidade e escalabilidade.

Quais são os maiores desafios que os bancos enfrentam ao implementar soluções de IA, e como podem superá‑los?

When implementing AI solutions, banks face three primary challenges: Data quality, legacy system integration, and regulatory compliance.

1. Qualidade e disponibilidade de dados: Os modelos de IA exigem conjuntos de dados diversificados, estruturados e de alta qualidade para treinamento. No entanto, muitos bancos enfrentam fontes de dados fragmentadas, falta de governação e formatos de dados inconsistentes. Para superar esta situação, as instituições financeiras devem investir em quadros robustos de governação de dados, centralizar os repositórios de dados e utilizar ferramentas de limpeza e enriquecimento de dados orientadas pela IA.
2. Integração de sistemas legados: Muitos bancos ainda operam em infraestruturas de TI legadas não otimizadas para implementação de IA. A implantação de arquiteturas de integração baseadas em interface de programação de aplicativos (API) pode preencher a lacuna entre soluções orientadas por IA e sistemas legados, permitindo fluxo de dados contínuo e automação de processos sem uma revisão completa do sistema.
3. Preocupações regulatórias e de conformidade: O cenário regulatório em evolução exige que os modelos de IA sejam transparentes, explicáveis ​​e auditáveis. Para resolver esta questão, os bancos devem implementar quadros de governação de IA, trabalhar com entidades reguladoras e adotar soluções de IA fiáveis ​​que priorizem a transparência, a mitigação de preconceitos e o alinhamento da conformidade.

By proactively addressing these challenges, banks can create a solid foundation for AI adoption and ensure long-term success.

Por que é crítico que os bancos experimentem casos de uso de IA antes de uma implantação em larga escala?

Experimentation with AI use cases is essential for banks to ensure operational feasibility, regulatory compliance, and successful user adoption before committing to full-scale deployment.

1. Prontidão Operacional: As soluções baseadas em IA podem alterar significativamente os fluxos de trabalho, necessitando de uma reimaginação de processos em vez de apenas uma reengenharia. A experimentação permite que os bancos avaliem o impacto nos processos existentes e façam os ajustes necessários antes da implementação generalizada.
2. Aceitação e treinamento do usuário: Os sistemas orientados por IA exigem alinhamento com as expectativas do usuário final. Os projetos-piloto de pequena escala ajudam os bancos a avaliar a aceitação dos utilizadores e a refinar os modelos de IA com base no feedback do mundo real, garantindo uma adoção mais suave e confiança na tomada de decisões orientada pela IA.
3. Validação de ROI: Os bancos devem medir o impacto financeiro e operacional da IA ​​antes de fazerem investimentos em grande escala. Experimentar casos de uso de IA – como melhorias na aquisição de clientes, economia de custos em operações e melhorias na prevenção de fraudes – fornece insights tangíveis sobre o ROI, permitindo decisões de investimento baseadas em dados.

By taking an iterative, test-and-learn approach, banks can mitigate risks, refine their AI strategies, and ensure that AI adoption aligns with business objectives.

Como as instituições financeiras devem abordar a prontidão e a implantação de IA para maximizar o ROI?

For AI deployment to yield maximum ROI, banks must take a strategic, cross-functional approach that aligns AI initiatives with business objectives.

1. Alinhamento Estratégico: A IA deve ser incorporada nos objetivos estratégicos mais amplos da instituição financeira, tais como redução de custos, eficiência de processos, aquisição de clientes e melhoria da gestão de riscos.
2. Colaboração multifuncional: A implementação de IA não deve ficar isolada nas equipes de TI. Em vez disso, a colaboração multifuncional envolvendo risco, conformidade, operações, atendimento ao cliente e unidades de negócios é crucial para garantir que as soluções de IA atendam às necessidades de toda a organização.
3. Aprimoramento da força de trabalho e gerenciamento de mudanças: Os bancos devem investir em programas de formação para dotar os funcionários de competências relacionadas com a IA. Uma transição tranquila para operações orientadas por IA requer programas de aprendizagem estruturados, treinamento prático e aproveitamento de talentos externos em IA por meio de parcerias.
4. Infraestrutura de IA escalável: As instituições financeiras devem implementar plataformas de IA escaláveis ​​que permitam melhorias iterativas e uma integração perfeita com os sistemas bancários existentes.

By prioritizing these elements, banks can ensure AI adoption drives meaningful business outcomes, enhances customer experiences, and delivers measurable financial returns.

Fraude em pagamentos digitais é uma preocupação crescente. Como a IA generativa pode ajudar as instituições financeiras a combater o aumento da fraude e melhorar a segurança?

A crescente adoção de pagamentos digitais levou a táticas de fraude mais sofisticadas. A Gen AI oferece recursos aprimorados de detecção de fraudes, analisando vastos conjuntos de dados em tempo real e identificando padrões de transações anômalas que os sistemas tradicionais baseados em regras podem perder.

Gen AI can:

1. Detecte fraudes com maior precisão aprendendo continuamente com os dados das transações, reduzindo falsos positivos e melhorando as taxas de prevenção de fraudes.
2. Identifique anomalias comportamentais no nível individual do cliente, sinalizando atividades suspeitas com base em tendências históricas.
3. Aprimore a inteligência sobre ameaças verificando relatórios do setor, boletins de segurança e bancos de dados de incidentes globais para prever tendências emergentes de fraude e adaptar-se adequadamente.

By leveraging these AI-driven capabilities, financial institutions can significantly strengthen their fraud prevention measures, optimize human-led investigations, and ensure more secure digital transactions.

A WNS co-criou soluções para diversos clientes para abordar os aspectos de detecção e investigação de fraudes, aproveitando análises e IA. Estas soluções aproveitam uma combinação de

Predictive modeling for fraud detection and classification.

• IDP for document digitization
• Soluções baseadas em Deep Learning para detectar documentos adulterados

Compliance requirements are becoming more complex across global markets. How can AI assist banks in meeting regulatory standards more efficiently?

A conformidade regulatória tem sido um desafio dinâmico e em evolução nas últimas décadas devido às constantes mudanças nas regulamentações globais. Isto tornou imperativo que os bancos investissem em pessoas, processos e tecnologia para garantir a adesão a mandatos de conformidade cada vez mais complexos. A IA emergiu como uma ferramenta poderosa para agilizar a conformidade regulamentar, particularmente no acompanhamento de alterações regulamentares e na avaliação do seu impacto nas operações bancárias. Ao aproveitar a IA, as instituições financeiras podem receber atualizações em tempo real sobre as alterações regulamentares, permitindo-lhes planear e implementar proativamente medidas de conformidade.

Além disso, as soluções orientadas por IA podem organizar e gerenciar sistematicamente publicações regulatórias, reduzindo o esforço manual necessário para rastrear e interpretar essas mudanças. Gen (Gen AI) melhora ainda mais as capacidades de conformidade ao analisar novas regulamentações em comparação com versões anteriores, permitindo que as instituições avaliem rapidamente o seu impacto nas políticas e procedimentos internos. Esta capacidade fortalece as avaliações de risco e controle, tornando os processos de conformidade mais eficazes e eficientes. Além disso, a Gen AI pode ser fundamental na criação de conteúdos de formação estruturados, garantindo que o pessoal permaneça bem informado sobre as mudanças regulamentares. As capacidades contínuas de monitoramento e auditoria orientadas por IA reduzem significativamente os riscos de conformidade, proporcionando às instituições uma abordagem proativa à gestão regulatória e minimizando surpresas nas estruturas gerais de risco e conformidade.

In the area of compliance, WNS has been at the forefront of building solutions leveraging AI & Gen AI over the last few years including:

• Gen AI Solution for Adverse Media screening
• AI & Gen AI solution for AML Investigations
• AI-powered solution for enhanced KYC

What are some of the most promising AI-driven use cases in banking today, beyond fraud detection and compliance?

A IA está em constante evolução, com cientistas de dados e profissionais de IA a desenvolver soluções inovadoras para abordar uma vasta gama de imperativos empresariais no setor bancário. Além da detecção e conformidade de fraudes, a IA está impulsionando uma transformação significativa na experiência do cliente, na eficiência operacional e nos processos de tomada de decisão.

Um dos casos de uso mais proeminentes são os chatbots alimentados por IA e a assistência ao agente em tempo real orientada pela Gen AI, que estão revolucionando o atendimento ao cliente, fornecendo interações personalizadas, instantâneas e eficientes. Essa mudança aumenta a satisfação do cliente e agiliza a resolução de problemas.

Na frente operacional, a IA está a enfrentar desafios de longa data nos processos de reconciliação, que normalmente abrangem vários departamentos dentro das instituições financeiras. Algoritmos orientados por IA podem automatizar a correspondência de transações sem correspondência, analisando padrões e tendências históricas, reduzindo significativamente a necessidade de intervenção manual.

Outra aplicação crítica é o processamento de pagamentos, especialmente o tratamento de depósitos recebidos onde detalhes de pagamento incompletos ou ambíguos exigem intervenção humana. Os modelos de propensão baseados em IA podem gerar pontuações de probabilidade, ajudando as instituições a identificar com rapidez e precisão as contrapartes corretas e, assim, otimizar os esforços de processamento manual.

Estes são apenas alguns exemplos de como a WNS tem apoiado ativamente instituições financeiras líderes no aproveitamento da IA ​​para impulsionar a eficiência, melhorar a experiência do cliente e aumentar a resiliência operacional.

O talento em IA está em alta demanda em todos os setores. O que os bancos podem fazer para atrair e reter os melhores profissionais de IA?

A crescente adoção da IA ​​em todos os setores levou a um aumento na procura de talentos em IA, especialmente cientistas de dados e especialistas em aprendizagem automática. Atrair e reter os melhores profissionais de IA exige uma abordagem estratégica centrada na oferta de oportunidades significativas e na promoção de um ambiente inovador.

Uma das principais motivações dos profissionais de IA é o acesso a dados de alta qualidade que lhes permitam experimentar, inovar e desenvolver soluções impactantes. As organizações que oferecem ecossistemas de dados estruturados e bem organizados criam um ambiente onde os especialistas em IA podem prosperar. Por outro lado, a falta de oportunidades para criar um impacto comercial significativo é uma das principais razões pelas quais os profissionais de IA deixam as organizações.

Para atrair os melhores talentos, os bancos devem estabelecer parcerias sólidas com as principais faculdades e universidades de engenharia, oferecendo estágios centrados na IA, colaborações em investigação e vias de recrutamento direto. Esta abordagem permite que as instituições financeiras envolvam profissionais de IA no início das suas carreiras e proporcionem uma trajetória clara de crescimento dentro da organização.

Além disso, a promoção de uma cultura orientada para a IA nos bancos – onde os profissionais de IA podem trabalhar juntamente com especialistas do domínio para resolver desafios do mundo real – aumenta a satisfação e a retenção no trabalho. A WNS implementou com sucesso um modelo semelhante em colaboração com universidades de primeira linha na Índia, garantindo um fluxo constante de talentos qualificados em IA, prontos para contribuir para o setor de serviços financeiros.

Como você vê a evolução do papel dos profissionais bancários com a integração da IA? Os funcionários deveriam se preocupar com o deslocamento do trabalho?

O discurso sobre a substituição dos empregos humanos pela IA prevalece há anos. Embora a IA automatize tarefas rotineiras, o seu verdadeiro impacto reside no aumento das capacidades humanas e na melhoria da qualidade do trabalho realizado pelos profissionais bancários.

À medida que as tarefas repetitivas e baseadas em regras são cada vez mais geridas pela IA e pela Automação Robótica de Processos (RPA), os profissionais bancários estão a mudar para funções que exigem níveis mais elevados de julgamento, pensamento crítico e tomada de decisões. A mudança ocorreu ao longo da última década, com os pagamentos digitais a substituirem progressivamente as transações tradicionais baseadas em cheques. Embora esta transição tenha reduzido o número de agências e ATM, levou simultaneamente o pessoal das agências a assumir funções mais complexas, tais como gestão de exceções de pagamento, consultoria de investimentos e investigação de fraudes.

No nível administrativo, a IA simplificou os esforços operacionais ao digitalizar dados não estruturados de PDFs e documentos digitalizados, anteriormente processados ​​manualmente. O envolvimento humano concentra-se agora principalmente no tratamento de exceções e em tarefas de investigação complexas, melhorando assim a eficiência e a precisão.

Em vez de provocar a deslocação de empregos, a transformação impulsionada pela IA conduziu à melhoria das competências de talentos, garantindo que os profissionais desenvolvem novas competências que se alinham com as necessidades da indústria. Esta mudança, em última análise, beneficia o setor dos serviços financeiros, ao promover uma força de trabalho equipada com competências analíticas avançadas e de resolução de problemas.

Você observou alguma prática recomendada na promoção de uma cultura de IA em primeiro lugar nas organizações bancárias?

WNS has been at the forefront of fostering an AI‑first culture across its diverse banking engagements, driving AI‑led transformation through a structured, collaborative approach. Several best practices contribute to successfully embedding AI within banking organizations:

1. Modelo de Cocriação: Os bancos devem integrar especialistas do domínio e cientistas de dados nas equipas operacionais para garantir que as soluções baseadas na IA estão alinhadas com os desafios bancários do mundo real. Na WNS, esta abordagem permitiu a identificação e execução de oportunidades de hiperautomação, garantindo a melhoria contínua.
2. Equipes de transformação incorporadas: Os esforços de transformação da IA ​​não devem ser isolados nos departamentos de TI ou de inovação. Em vez disso, incorporar equipes de transformação nas operações principais garante um foco sustentado na identificação de eficiências lideradas por IA e no dimensionamento de soluções em toda a organização.
3. Consciência Cultural e Adoção: As organizações devem investir em programas de alfabetização em IA para educar os funcionários sobre os benefícios, casos de uso e potencial da IA ​​para aumentar suas funções. É mais provável que uma força de trabalho bem informada adote soluções de IA e contribua para o sucesso da sua implementação.
4. Incentivando a Inovação: Incentivar os funcionários a contribuir com ideias baseadas em IA e recompensar implementações bem-sucedidas promove uma cultura de melhoria e envolvimento contínuos. Competições, hackathons e programas de reconhecimento podem ajudar a impulsionar a adoção da IA ​​em todos os níveis organizacionais.

By adopting these best practices, banks can ensure seamless AI integration, maximize operational efficiency, and build a workforce that is equipped for the future of financial services.

Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar WNS.