Latest / Os Agilistas / ENZIMAS #292 – Dicas para transformar dados em lucro com hiperpersonalização

Transcript

ENZIMAS #292 – Dicas para transformar dados em lucro com hiperpersonalização · Os Agilistas

• 0:01
  Bom dia, boa tarde, boa noite. Este é mais um episódio de
• 0:04
  enzimas Breves, reflexões que te ajudam a caternizar o agilismo
• 0:08
  em sua organização. Olá, meu nome é Iago, sou CEO e
• 0:12
  fundador da Invest play. Meu objetivo aqui hoje é falar
• 0:16
  um pouco e debater sobre como dados inteligentes e
• 0:19
  hiperpersonalização podem redefinir a relação das
• 0:23
  instituições financeiras, fintechs, bancos com seus
• 0:27
  consumidores finais. Importante a gente dar 11
• 0:30
  contexto geral sobre o momento da inteligência artificial no
• 0:34
  mercado. Existe 11 boom, né?
• 0:36
  Dos últimos 2 anos em como está mais?
• 0:40
  Prático, acesso à inteligência artificial.
• 0:43
  Generativa, né? Vários.
• 0:45
  LLM sendo lançados, novos modelos, recorrentemente sendo
• 0:49
  apresentados a mercado. E quando a gente olha
• 0:52
  especificamente para o mercado financeiro, a gente ainda vê os
• 0:56
  casos de uso ainda muito limitados a 2 grandes temas.
• 1:01
  O primeiro é atendimento. Então, como os bancos, as
• 1:04
  fintechs, as instituições estão conseguindo otimizar os seus
• 1:09
  atendimentos com. Os seus clientes, por meio de
• 1:12
  inteligência artificial, generativa reduzindo o tempo de
• 1:15
  resposta, melhorando o sput com cada cliente de uma forma mais
• 1:19
  personalizada e dependendo menos de ação humana.
• 1:23
  E o segundo ponto, né? O segundo tema principal é na
• 1:27
  parte do desenvolvimento. Hoje está se tornando comum o
• 1:30
  uso de inteligência artificial para desenvolvimento de
• 1:33
  softwares para área de controle de qualidade.
• 1:36
  Squads de agentes sendo montados para que multiplica.
• 1:40
  E que a potência de um desenvolvedor?
• 1:42
  Mas são esses 2 grandes temas que ainda tem uma alta
• 1:46
  relevância. A minha proposição aqui hoje é a
• 1:48
  gente discutir um pouco mais sobre como a tecnologia em si, a
• 1:53
  inteligência artificial, ela pode potencializar a forma como
• 1:57
  as instituições ofertam e disponibilizam os seus produtos
• 2:01
  e serviços para os seus consumidores.
• 2:03
  Hoje, quando a gente olha para esses players, né?
• 2:06
  Fintechs, bancos, instituições, eles têm algumas características
• 2:10
  muito em comum. Quando a gente vai falar de e
• 2:12
  AI? Um dos pré requisitos é que a
• 2:14
  gente tenha uma quantidade abundante de dados para que a
• 2:17
  inteligência artificial possa entregar um potencial resultado
• 2:21
  maior. Então, quando a gente fala
• 2:22
  dessas empresas, né, dessas instituições, fintechs, elas
• 2:26
  normalmente carregam uma massa de dados muito grandes, sejam
• 2:30
  dados de transação financeira, seja de cadastro, seja de
• 2:34
  produto e serviço contratado. Enfim, são diversos dados e
• 2:38
  dados, muitas das vezes não estrutura.
• 2:40
  Dados que fazem parte desse tipo de mercado.
• 2:44
  Qual que é Oo desafio aqui? Quando a gente olha para o
• 2:48
  mercado financeiro, aí olhando a gente como consumidor, quem
• 2:51
  nunca aqui recebeu uma oferta de crédito sem precisar de crédito?
• 2:55
  Ou se não, nós normalmente temos contas em 2 ou 3 bancos.
• 2:59
  Um banco entende o meu perfil e o outro banco entende um perfil
• 3:03
  bastante diferente sobre eu mesmo.
• 3:05
  Isso faz com que o mercado financeiro utilize muito pouco
• 3:10
  os seus. Os dados para que possam gerar
• 3:13
  realmente experiências impersonalizadas na ponta.
• 3:16
  Vou aprofundar aqui num tema que é o dado transacional, o que que
• 3:19
  é o dado transacional financeiro?
• 3:20
  É como se fosse todo o seu extrato de conta corrente e
• 3:23
  cartão, que o praticamente todos os bancos têm esse first party
• 3:27
  date e que eles são muito poucos usados.
• 3:29
  E ali ele traz uma potência de como a gente consegue entender o
• 3:34
  momento de vida, os hábitos de consumo, as necessidades de cada
• 3:39
  cliente. Para que essas.
• 3:40
  Instituições possam realmente ofertar o que faz sentido para
• 3:45
  quem e em qual momento. Se a gente pega o nosso
• 3:47
  histórico financeiro, o nosso dado transacional, a gente
• 3:51
  consegue entender se o nosso cliente ele é um cliente
• 3:54
  traveller, se ele viaja bastante, se ele está passando
• 3:57
  um Financial stress, se ele está se tornando pai ou mãe.
• 3:59
  Antes ele tinha despesas e agora ele começou a ter despesas
• 4:03
  diferentes do que habitualmente ele tem.
• 4:05
  A gente consegue entender se o cliente tem uma vida mais
• 4:09
  saudável, hábito. E saudáveis.
• 4:11
  Então, se ele come numa rede de restaurantes ou lojas naturais,
• 4:17
  ou se ele come muito fast food, então é possível entender que no
• 4:22
  dado transacional, ele traz uma potência para que a gente
• 4:25
  consiga ver qual que é o momento de vida de cada cliente e o que
• 4:29
  que a gente pode extrair daquilo.
• 4:31
  Quando a gente aplica ei, AI, a gente tem a capacidade de criar
• 4:35
  agentes ou modelos fundacionais ou pipelines que no final do dia
• 4:40
  a gente vai. Conseguir gerar testes
• 4:42
  preditivas e luquialites. O que que é isso?
• 4:44
  Como é que eu consigo usar a tecnologia da inteligência
• 4:47
  artificial para poder entender quais são os hábitos de consumo
• 4:52
  dos meus clientes? Para eu poder ofertar um cartão
• 4:55
  de crédito melhor, um seguro melhor, entender a renda
• 4:58
  auferida de uma forma mais assertiva, entender a capacidade
• 5:02
  de pagamento e por aí vai. Então, existem diversas formas
• 5:07
  de aplicar a inteligência artificial numa.
• 5:11
  De jornada de hiperpersonalização de produtos
• 5:13
  e serviços financeiros e de crédito, que vem ganhando força
• 5:17
  nos últimos tempos. Ainda temos poucos bancos e
• 5:21
  fintechs que a gente vê realmente um impacto real na
• 5:26
  ponta para o consumidor final. Mas a notícia boa que no último
• 5:30
  ano isso vem evoluindo bastante e a cada dia que passa está
• 5:34
  ficando mais possível a gente transformar dados brutos que a
• 5:38
  gente talvez nunca tenha usado. Do em jornadas pra gente
• 5:42
  conseguir entender o momento de vida, as necessidades dos nossos
• 5:45
  clientes e ofertar produtos e serviços mais aderentes e
• 5:50
  contextuais para cada um deles. Então a minha provocação é para
• 5:54
  quem é de mercado financeiro, né?
• 5:56
  Instituições, bancos e fintechs? Faça uma provocação interna para
• 6:01
  que? Como é que hoje eu posso
• 6:04
  entregar produtos e serviços melhores a partir de dados já
• 6:08
  conhecidos e já e dados que eu? Já possui dentro de casa, por
• 6:12
  meio da inteligência artificial. O objetivo aqui hoje era esse,
• 6:15
  trazer um pouco dessa provocação, mostrar que temos aí
• 6:19
  diversas formas de se fazer isso.
• 6:21
  Temos case de mercado em que banco conseguiu aumentar em
• 6:25
  quase 50%, em 46%, OTPV em cartão de crédito, que é o total
• 6:31
  ali transacionado, de outra outra instituição que conseguiu
• 6:35
  aumentar OAIUM, que é a carteira de investimentos.
• 6:38
  Deles de 12 a 15%. Entendendo melhor o dado
• 6:42
  transacional do cliente e diversos outros casos ali que a
• 6:46
  gente pode citar posteriormente, espero que tenha ajudado e que a
• 6:51
  gente consiga cada vez mais colocar inteligência artificial
• 6:54
  no centro da experiência de nossos clientes.