De acordo com pt.wedoany.com-A Moody's Corporation lançou habilidades de inteligência artificial independentes de plataforma, que podem ser implantadas por meio de comandos em linguagem natural, com o objetivo de incorporar inteligência institucional em sistemas de IA. Essas capacidades foram inicialmente lançadas no Microsoft 365 Copilot Cowork, permitindo que os usuários executem fluxos de trabalho analíticos complexos por meio de uma única solicitação em linguagem natural. Esses pacotes de instruções codificam a metodologia analítica da Moody's e conectam agentes de IA à sua infraestrutura de inteligência de nível decisório, com todos os resultados ancorados em classificações, pesquisas e inteligência de risco proprietárias.
Cristina Pieretti, Diretora de Conteúdo Digital e Inovação da Moody's, afirmou em comunicado da empresa que a Moody's é uma das primeiras provedoras de dados financeiros a oferecer uma biblioteca completa de habilidades em padrões abertos, e que o lançamento de hoje é apenas o começo. A abordagem da empresa demonstra como o conhecimento especializado de domínio pode ser sistematicamente codificado em fluxos de trabalho de agentes de IA, sem a necessidade de integração com plataformas específicas. A versão inicial tem como alvo fluxos de trabalho financeiros de alta prioridade com maior concentração de conhecimento analítico, incluindo: Resumo de Teleconferência de Resultados (Earnings Call Summary), para processar transcrições de teleconferências de resultados e extrair tendências de receita, dinâmica de preços, indicadores de saúde do consumidor, exposição tarifária e métricas relacionadas; Análise de Pares (Peer Analysis), gerando análises comparativas entre alavancagem, rentabilidade, desempenho ESG, qualidade de crédito e dimensões relacionadas; Manual de Informações Públicas (Public Information Book), compilando arquivos específicos de entidades que abrangem finanças, estrutura de governança, posicionamento competitivo e perfil de risco; Apresentação de Classificação (Rating Pitch), gerando materiais de apresentação estruturados que incluem contexto do setor, histórico de classificação e comparação com pares; e Análise Setorial (Sector Analysis), combinando pesquisa proprietária com dados de mercado em tempo real para gerar inteligência em nível setorial. Cada habilidade codifica procedimentos analíticos e padrões de qualidade, visando produzir resultados consistentes, rastreáveis e defensáveis que atendam aos requisitos de tomada de decisão de alto risco em ambientes regulados.
Uma habilidade define a metodologia, enquanto o servidor Model Context Protocol (MCP) da Moody's conecta essa habilidade às fontes de dados subjacentes. O MCP, como um padrão aberto, permite que agentes de IA acessem diretamente as classificações, pesquisas e inteligência de risco mantidas pela Moody's. Essa arquitetura visa garantir que os resultados sejam baseados em conjuntos de dados proprietários, e não em conteúdo genérico da web, abordando assim o desafio central persistente de alucinações e resultados sem fonte em implantações empresariais de IA. As habilidades instruem os agentes de IA sobre como executar tarefas de acordo com critérios estabelecidos, e essa estrutura é capturada em arquivos de instrução compartilháveis, construídos usando o formato aberto SKILL.md, que se originou na Anthropic e foi posteriormente adotado pelas plataformas OpenAI, Microsoft, Google e Amazon. A abertura do padrão transforma o conhecimento institucional codificado em cada habilidade em um ativo durável e portátil, em vez de vinculá-lo a um único fornecedor, o que significa que as habilidades são construídas uma vez, mas podem ser executadas em qualquer plataforma compatível.
A Moody's planeja expandir sua biblioteca de habilidades para fluxos de trabalho de análise de crédito, geração de leads, due diligence de terceiros e subscrição de seguros, implantando estruturas analíticas em outros processos de alto risco onde profissionais financeiros atuam. Cada habilidade subsequente seguirá o mesmo padrão aberto e independente de plataforma, garantindo que o conhecimento institucional permaneça transferível entre plataformas de IA compatíveis, sem a necessidade de reconstrução para cada novo ambiente. Essa estratégia sugere que o conhecimento especializado de domínio se torna uma capacidade de nível de infraestrutura dentro dos sistemas de IA, e não uma função específica de aplicação.
