A inteligência artificial deixou de ser um conjunto de ferramentas aplicadas a áreas específicas no Nubank e passou a orientar uma revisão da estrutura da empresa. A instituição financeira está mapeando processos, redesenhando fluxos de trabalho e colocando a tecnologia no centro de sua operação, em um movimento que o fundador e CEO, David Vélez, descreve como uma refundação da companhia.
“Refundando” é justamente a expressão usada internamente por Vélez para descrever o momento. Segundo ele, o Nubank mapeou cerca de 120 processos, que vão de procedimentos de conhecimento do cliente e prevenção à lavagem de dinheiro a modelos de crédito, atendimento, desenvolvimento de produtos e design. A proposta é reconstruir esses fluxos a partir da IA, em vez de apenas acrescentar ferramentas de IA aos processos existentes.
“A gente está reinventando a empresa completamente, do zero, página branca”, disse Vélez. Sua estratégia foi discutida ontem com Fábio Coelho, presidente do Google Brasil, no evento “Vale do Silício @Brasil”, realizado na sede da Fiesp, com cerca de 700 participantes.
As ferramentas de IA disponíveis não funcionavam bem para sua operação de engenharia, mas, meses depois, a evolução dos modelos fez a companhia rever essa avaliação. Vélez conta que, no início deste ano, após conversar com equipes especializadas em IA e com conselheiros no Vale do Silício, a conclusão foi de que o Nubank estava ficando para trás.
A partir de fevereiro, a empresa passou a tratar a adoção como uma prioridade para toda a organização. A ideia era que cada equipe revisasse os próprios fluxos e identificasse como a IA poderia alterar a maneira de trabalhar.
Ao adotar a IA, as companhias devem criar salvaguardas e limites para os agentes de IA – aqueles que cumprem tarefas de maneira autônoma – a sistemas, dados e ferramentas. A avaliação é de Mat Velloso, diretor de produto da Docker e ex-executivo de Meta, Google e Microsoft, e de Paige Bailey, que lidera a área de relações com desenvolvedores de IA na Google DeepMind. Os dois especialistas também participaram do evento ontem.
Para Velloso, a dificuldade está em governar o uso da IA em escala. Mesmo que um modelo tenha políticas e mecanismos de segurança, uma empresa precisa saber o que acontece em cada máquina e quais serão as consequências caso alguma coisa dê errado. “Cada vez que o agente [de IA] tentar falar com um desses sistemas, deveria passar por políticas muito estritas. Eu posso dizer, em um nível muito granular: sim, pode acessar meus e-mails, mas apenas determinados tipos de e-mail; nunca pode apagar um e-mail.” O princípio, para ele, é que essas regras não podem estar sob o controle do próprio agente. “Essas regras precisam existir fora do agente. Mas não só isso: o agente não pode mudar essas regras.”
Bailey concorda com a necessidade de uma camada de controle para os agentes de IA: “Ter esse tipo de controle sobre os agentes, e sobre o que os modelos são capazes de fazer, faz sentido e é imediatamente óbvio para quem já construiu sistemas de software em produção”. A discussão se aproxima de práticas já conhecidas por profissionais que desenvolveram sistemas de software para ambientes de produção, mas, observou, pode não ser tão evidente para quem chega à área de tecnologia por meio da IA.
