De acordo com pt.wedoany.com-O atrito de dados é o primeiro problema comum enfrentado pelo Banco Metropolitano de Chicago. Muitos bancos ainda dependem de hardware legado local para executar sistemas principais e usam feeds de dados em lote para análise de clientes. Essa abordagem retarda a tomada de decisões e limita a aplicação prática da IA generativa. Uma pesquisa do Google Cloud em 2023 com executivos do setor bancário dos EUA mostrou que 49% dos entrevistados acreditam que o maior benefício da IA é aumentar a eficiência operacional e economizar custos, enquanto 45% consideram melhores dados e análises preditivas como resultados-chave. No entanto, sempre que um novo modelo precisa extrair dados personalizados de sistemas principais baseados em COBOL ou de instâncias SQL Server em data centers suburbanos, o progresso do projeto tende a estagnar.
A complexidade de segurança é outro desafio. A topologia híbrida que conecta agências a vários data centers leva a políticas de firewall inconsistentes. As equipes geralmente precisam realizar revisões manuais para cada novo aplicativo, o que introduz atrasos. Ao mesmo tempo, órgãos reguladores como o Federal Reserve, o OCC e o FDIC enfatizam que os bancos que usam nuvem pública devem demonstrar forte resiliência operacional e gerenciamento de riscos de terceiros. Portanto, os bancos que consideram serviços em nuvem buscam um caminho que permita uma migração gradual, mantendo total auditabilidade.
A previsibilidade de custos tornou-se um foco no nível do conselho. As equipes de liderança desejam passar de um modelo de despesas de capital vinculado a ciclos de atualização de hardware para um modelo de despesas operacionais alinhado ao uso, mas ainda esperam previsões de custos claras. Isso é particularmente importante para sandboxes de análise, onde o consumo de recursos pode crescer rapidamente quando cientistas de dados experimentam modelos de linguagem de grande porte.
Os bancos da região geralmente avaliam soluções de modernização em nuvem focando em infraestrutura de dados, capacidades de inteligência artificial e arquitetura de segurança. Cada área exige decisões diferentes. A avaliação de dados geralmente começa com a revisão das arquiteturas existentes de data warehouse e data lake. As equipes verificam se seus ambientes SQL Server, Teradata ou Oracle suportam feeds de dados em tempo real ou dependem de processamento ETL noturno em lote. A IDC relata que mais de 65% dos bancos globalmente planejam priorizar plataformas de dados baseadas em nuvem até 2025 para suportar riscos em tempo real, personalização e relatórios regulatórios. Portanto, os compradores constroem estruturas de avaliação em torno da escalabilidade de longo prazo, em vez de migração direta.
A fase de avaliação de IA gira em torno de a organização priorizar capacidades voltadas para o cliente, ferramentas de produtividade interna ou modelos de pontuação de risco. O Wells Fargo expandiu sua parceria estratégica com o Google Cloud para fornecer ferramentas de IA que automatizam tarefas rotineiras e melhoram o atendimento ao cliente para funcionários, servindo como modelo de referência para a promoção de tais iniciativas em agências e banco de investimento. Os bancos que avaliam modelos semelhantes geralmente comparam as opções de hospedagem de modelos oferecidas por diferentes provedores de nuvem, como a segmentação de dados é implementada e se a funcionalidade de pesquisa vetorial se integra aos arquivos de documentos existentes.
A avaliação de segurança geralmente é determinada pelos controles necessários para auditoria. Algumas equipes mapeiam sua arquitetura para a estrutura de segurança cibernética do NIST e os controles SP 800-53, enquanto outras preferem uma estrutura alinhada à ISO 27001. Os compradores se concentram em como o registro em log, a captura de pacotes e a estrutura de IAM se integram aos seus sistemas SIEM ou ferramentas de conformidade. Eles também avaliam como funciona a conectividade híbrida, já que vários bancos em Chicago ainda executam processamento de cheques ou sistemas de cartão em mainframes locais.
A Sogeti US aborda esses problemas orientando as equipes técnicas a adotar um modelo de implantação que combina data centers locais com serviços hospedados em nuvem. Depois que um banco escolhe uma direção, normalmente adota uma implantação em fases, em vez de uma migração em massa. A fase inicial geralmente se concentra em estabelecer uma conexão de rede segura. Algumas instituições começam com túneis IPSec VPN e depois fazem a transição para interconexão dedicada quando os requisitos de throughput e confiabilidade são mais claros. A arquitetura de roteamento, as políticas de NAT e os intervalos de IP sobrepostos frequentemente se tornam obstáculos iniciais.
Em seguida, geralmente vem a migração de dados. As equipes priorizam a migração de cargas de trabalho analíticas, pois esses sistemas estão menos associados a transações diárias. Esta fase inclui a reestruturação de pipelines ETL, o estabelecimento de uma camada de governança e a configuração de acesso baseado em funções na estrutura de IAM da nuvem. Os bancos sujeitos a rigorosa supervisão regulatória geralmente integram os logs de auditoria da nuvem diretamente em seus painéis de conformidade antes de mover qualquer dado confidencial.
Os serviços de IA geralmente aparecem em fases posteriores. As instituições financeiras podem primeiro testar casos de uso internos, como resumo de documentos ou análise de transcrições de call centers. Isso ajuda a refinar os fluxos de trabalho de human-in-the-loop e os mecanismos de controle de viés antes de introduzir sistemas voltados para o cliente. Muitas instituições enfatizam que os processos devem estar alinhados com as políticas internas de gerenciamento de risco de modelo, incluindo procedimentos de limpeza de entrada e monitoramento de saída.
A coordenação multifuncional é crucial em todas as fases. As equipes de infraestrutura lidam com a conectividade, as equipes de dados são responsáveis pela ingestão e transformação de dados, e as equipes de governança garantem que cada etapa esteja em conformidade com as expectativas regulatórias. Parceiros como a Sogeti US podem ajudar a normalizar esses fluxos de trabalho e acelerar as decisões de arquitetura.
Os bancos que avaliam os resultados monitoram melhorias diretamente relacionadas aos objetivos de negócios. Na área de dados, as equipes buscam acesso mais oportuno a atributos de clientes, redução da concatenação manual de dados e a capacidade de executar análises entre produtos sem múltiplas extrações. Muitos bancos esperam que esses recursos suportem marketing e tomada de decisão de risco mais inteligentes, alinhando-se com a estimativa da McKinsey de 2023 de que análises avançadas e IA podem gerar um aumento de até 25% no lucro operacional para bancos de varejo.
Em IA, os líderes medem a velocidade de implantação de novos modelos, a frequência com que as unidades de negócios usam assistentes de IA e a capacidade das equipes internas de gerenciar o controle de prompts. Eles também consideram se as ferramentas generativas reduziram significativamente os ciclos de revisão manual em processos de empréstimo ou conformidade. Para segurança, o progresso é avaliado pelo grau de integração de logs e políticas de IAM, pela redução de exceções de políticas entre agências e pela melhoria na visibilidade dos relatórios de resiliência. Os reguladores enfatizam a necessidade de os bancos terem rastreabilidade para cargas de trabalho em nuvem, portanto, os compradores se concentram em quão bem os logs da nuvem se integram às ferramentas de auditoria interna.
À medida que o setor bancário de Chicago explora a adoção de soluções Google Cloud, os compradores geralmente acreditam que a migração gradual pode reduzir riscos, especialmente quando o sistema de governança de dados ainda está sendo aprimorado. O investimento inicial em arquitetura de rede economizará tempo quando os sistemas transacionais precisarem ser conectados posteriormente. Alinhar a implantação com estruturas NIST ou ISO pode simplificar as discussões de auditoria, pois os reguladores já esperam essas estruturas de controle. Os avaliadores também descobrem que definir claramente quais cargas de trabalho serão migradas primeiro e quais permanecerão locais a longo prazo pode evitar a proliferação de topologias híbridas confusas. Um roteiro estruturado mantém a previsibilidade da migração e minimiza o retrabalho.
Bancos regionais e comunitários fora de Chicago enfrentam restrições semelhantes. O mesmo caminho de avaliação se aplica, especialmente quando provedores de serviços bancários principais como a Jack Henry colaboram com o Google Cloud para apoiar a modernização da próxima geração de pilha de tecnologia para instituições financeiras. Os compradores geralmente precisam esclarecer metas de dados, definir uma visão de IA, alinhar-se com estruturas regulatórias e projetar conectividade híbrida propositalmente. A maioria dos bancos realiza a implantação sequencialmente por fase. O estabelecimento da base de rede geralmente ocorre primeiro e requer revisão interna. Em seguida vem a migração de dados, que leva mais tempo devido à coordenação de governança e verificações de linhagem. Os serviços de IA são adicionados depois que a segurança e a estrutura de dados estão estáveis.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
