IA em Empréstimos: Mitigando Viés e Garantindo Acesso Justo ao Crédito
A inteligência artificial (IA) revolucionou diversas áreas nos últimos anos, incluindo o setor bancário. Houve aspectos positivos e negativos em sua implementação, em particular a questão da discriminação algorítmica na concessão de crédito.
No Canadá e no mundo, a adoção de IA por grandes bancos aumentou a produtividade e ofereceu maior personalização de serviços.
Segundo a Pesquisa Global da IEEE, a adoção de soluções baseadas em IA deve dobrar globalmente até 2025, alcançando 80% das instituições financeiras.
Alguns bancos estão mais avançados, como o BMO Financial Group, que criou cargos específicos para supervisionar a integração da IA em seus serviços digitais e manter competitividade. Como resultado, graças à IA, os lucros do setor bancário global podem ultrapassar US$ 2 trilhões até 2028, representando crescimento de quase 9% entre 2024 e 2028.
Como professor da Universidade Laval em gestão do conhecimento e inovação e comunicador científico, contei com a colaboração de Kandet Oumar Bah, autor de projeto de pesquisa sobre discriminação algorítmica, e Aziza Halilem, especialista em governança e risco cibernético na Autoridade Francesa de Supervisão e Resolução Prudencial.
Como a IA melhora o desempenho bancário?
A integração da IA no setor bancário já otimizou significativamente processos financeiros, com ganho de 25 a 40% em eficiência operacional. Combinada com as crescentes capacidades de big data — por exemplo, a coleta massiva de dados —, a IA oferece análises poderosas que já reduzem margens de erro de sistemas financeiros em 18 a 30%.
Também permite monitorar milhões de transações em tempo real, detectar comportamento suspeito e até bloquear preventivamente transações fraudulentas. Esse é um dos usos implementados pelo J.P. Morgan.
Além disso, plataformas como FICO, especializadas em análise de decisão baseada em IA, ajudam instituições financeiras a aproveitar diversos dados de clientes, refinando decisões de crédito através de modelos preditivos avançados.
Vários bancos no mundo agora dependem de algoritmos de classificação automatizados que analisam inúmeros parâmetros — renda, histórico de crédito, índices de endividamento — em segundos. No mercado de crédito, essas ferramentas melhoram significativamente o processamento de solicitações, especialmente para casos "padrão", como aqueles com garantias explícitas de empréstimo.
Mas e os outros casos?
Formalizando a injustiça?
Como apontam os pesquisadores americanos Tambari Nuka e Amos Ogunola, a ilusão de que algoritmos produzem previsões justas e objetivas representa um risco maior para o setor bancário.
Ao revisar a literatura científica, eles alertam contra a tentação de delegar cegamente a avaliação de comportamento humano complexo a sistemas automatizados. Vários bancos centrais, incluindo o do Canadá, também expressaram fortes reservas, alertando sobre riscos operacionais associados à dependência excessiva de IA, particularmente na avaliação de capacidade de crédito e solvência.
Embora algoritmos sejam tecnicamente neutros, podem amplificar desigualdades existentes quando dados de treinamento são contaminados por vieses históricos, especialmente os herdados de discriminação sistêmica contra certos grupos. Esses vieses não resultam apenas de variáveis explícitas como gênero ou origem étnica, mas também de correlações indiretas com fatores como local de residência ou tipo de emprego.
Estudos mostram que a IA pode contribuir para reproduzir desigualdades. (Shutterstock)
Por exemplo, sistemas de classificação podem atribuir limites de crédito menores a mulheres, mesmo em situações onde são financeiramente equivalentes a homens. Analisar variáveis como códigos postais e histórico de emprego também pode levar à exclusão de membros de grupos marginalizados, como pessoas racializadas, trabalhadores com renda irregular e imigrantes recentes.
Virginia Eubanks, professora nos EUA e especialista em justiça social, ilustra bem esse fenômeno, mostrando como pessoas em bairros historicamente desfavorecidos ou com trajetórias atípicas são penalizadas por decisões financeiras automatizadas baseadas em dados enviesados.
Isso levanta uma questão crucial: como garantir que a automação de decisões financeiras ajude a reduzir disparidades no acesso a serviços bancários?
Mitigando erros através de finanças inclusivas
Diversas abordagens são exploradas na literatura científica para responder a esses riscos de discriminação. Nuka e Ogunola, por exemplo, sugerem uma abordagem de inclusão financeira. Isso envolve melhorar continuamente modelos estatísticos identificando e corrigindo vieses nos dados de treinamento para reduzir disparidades de tratamento entre grupos sociais.
Além de soluções técnicas, marcos regulatórios recentes foram estabelecidos para garantir transparência e justiça de algoritmos em setores sensíveis como finanças. A Lei de Inteligência Artificial e Dados do Canadá e a Lei de IA da UE são exemplos. Esta última, adotada em 2024 e implementada gradualmente, impõe requisitos rigorosos a sistemas de IA de alto risco, como os usados para concessão de crédito.
O Artigo 13 estabelece requisitos de transparência para garantir que sistemas sejam auditáveis e que suas decisões possam ser compreendidas por todas as partes interessadas. O objetivo é prevenir discriminação algorítmica e garantir uso ético e justo. Reguladores financeiros também têm papel crucial na conformidade com regras de concorrência leal e na garantia de práticas prudentes e transparentes no interesse da estabilidade financeira e proteção do cliente.
No entanto, pressão de certos lobbies tecnológicos e financeiros para retardar a adoção de padrões rigorosos representa risco significativo: a falta de regulamentação em alguns países e dificuldades de fiscalização em outros podem incentivar opacidade, em detrimento dos cidadãos mais vulneráveis.
Artigos em Destaque
- Entendendo Pontuações de Crédito Justas: O Que Significam e Como Melhorar
- Abrir Conta Corrente Online — Rápido e Fácil
- Educação financeira para crianças em casa
- Principais Lições de Finanças Pessoais de 2018: Aumente seu Patrimônio em 2019
- Fundo de Emergência para Estudantes Universitários: Guia Prático
- Mudanças nas Faixas de Imposto 2019: Como Afetam Suas Finanças
- Voltar para Casa dos Pais Após a Faculdade: Perguntas-Chave a Considerar
- Simplifique Suas Finanças: Alertas Bancários Essenciais para Segurança e Conveniência
-
Diversidade de Gênero Ótima em Conselhos Corporativos: Encontrando o Equilíbrio CertoPor Won-Yong Oh, Loren Falkenberg e Jim Dewald Houve um aumento no número de mulheres servindo em conselhos. Hoje, todos falam sobre mais mulheres na sala de conselho. Quanto mais, melhor? Provavelmen...
-
Financiamento 0%: É Golpe? Dave Ramsey Explica os RiscosAlguns negócios realmente são bons demais para ser verdade. Pontos-chave Você pode encontrar diferentes oportunidades de financiar uma compra a 0% de juros por um período. O guru financeiro Dave Ram...
