Como a IA Está Transformando a Gestão de Risco de Modelos em Bancos
Os bancos sempre dependeram de diversos modelos para apoiar funções críticas, como aquisição de clientes, cobranças e gerenciamento de crimes financeiros, especialmente lavagem de dinheiro e adequação de capital.
Com a adoção contínua de novas tecnologias — que vão desde tecnologias avançadas de computação até técnicas de aprendizado de máquina (ML) — o ritmo de desenvolvimento e implementação de modelos acelerou significativamente. Essa rápida evolução gerou um aumento exponencial no tamanho e na complexidade dos inventários de modelos, tornando a gestão do risco de modelos — a possibilidade de consequências adversas de modelos defeituosos ou mal utilizados — uma prioridade essencial para as instituições financeiras.
Importância da Gestão de Risco de Modelos
O risco de modelos é reconhecido como um dos principais riscos que os bancos devem gerenciar, sujeito a uma supervisão regulatória significativa. Diretrizes regulatórias, como a SR 11-7 dos Estados Unidos e a SS1/23 do Reino Unido, exigem uma gestão robusta do risco de modelos (MRM), notavelmente através da estrutura das três linhas de defesa. Esta estrutura compreende: a primeira linha, que envolve o desenvolvimento de modelos; a segunda linha, que envolve a validação e certificação independentes dos modelos; e a terceira linha, que garante a supervisão, verificando a conformidade com políticas e procedimentos em ambos os processos de desenvolvimento e validação.
O Papel da IA na Gestão de Risco de Modelos
Enquanto a melhoria da MRM em todas as três linhas de defesa é imperativa, não é uma tarefa fácil. No entanto, o advento da IA generativa (GenAI) e dos agentes de IA oferece uma oportunidade para melhorar a MRM. Essas tecnologias podem aumentar a produtividade, melhorando a eficácia de todas as tarefas e atividades relacionadas à gestão de risco de modelos. Elas também ajudam a reduzir erros e fortalecer a conformidade, automatizando tarefas rotineiras, aumentando o julgamento humano e melhorando a transparência.
Os agentes de IA permitem a conformidade proativa através de sistemas de auto-monitoramento, escaneando continuamente em busca de desvios, mudanças não documentadas e violações de políticas antes que os reguladores identifiquem essas lacunas. Isso ressalta a necessidade urgente de as instituições financeiras adotarem GenAI e agentes de IA em toda a função de risco de modelos.
Integração da IA nas Três Linhas de Defesa
Para realizar todo o potencial da GenAI e dos agentes de IA na gestão de risco de modelos, as instituições financeiras devem incorporar essas tecnologias em atividades-chave dentro do desenvolvimento de modelos, validação, auditoria e conformidade proativa. A adoção da GenAI deve ser cuidadosamente gerenciada para evitar a introdução de novos riscos, estabelecendo salvaguardas robustas que garantam o uso responsável, mantenham a conformidade regulatória e preservem a confiança nos processos automatizados.
Desafios e Implicações
A gestão de risco baseada em modelos carrega riscos inerentes, pois os resultados são, essencialmente, estimativas sujeitas a incertezas e suposições subjacentes. Essa dependência pode expor instituições financeiras a multas regulatórias, perdas operacionais e danos à reputação se os modelos forem defeituosos, mal utilizados ou mal governados. A adoção de uma abordagem “humano no loop” ajuda a evitar que os benefícios tecnológicos se tornem, inadvertidamente, fontes de risco.
Conclusão
Os bancos devem adotar uma abordagem baseada em risco, introduzindo gradualmente a GenAI nos processos de gestão de modelos, começando por modelos de baixo risco. A integração da GenAI e dos agentes de IA nas funções de risco de modelos exige uma estratégia de adoção faseada, iniciando com atividades de baixo risco e expandindo progressivamente para áreas de maior risco uma vez que os controles estejam firmemente estabelecidos.
À medida que o setor financeiro evolui e a demanda por modelos de risco aumenta, as equipes de risco de modelos precisam se adaptar continuamente para atender a essas novas exigências, e o futuro reside na adoção das tecnologias de IA.
