Como as instituições de serviços financeiros devem pensar em dados não estruturados e por que isso é importante para uma forte estratégia de IA

Conseguir tirar proveito de dados não estruturados é parte fundamental de uma estratégia de dados eficaz em 2025 e nos próximos anos. Para acompanhar o ritmo da concorrência e da inovação com inteligência artificial (IA), as empresas devem ser capazes de extrair ao máximo o valor contido nos dados não estruturados que representam cerca de 80% de todos os dados corporativos, desde logs de call center, avaliações de clientes, emails e relatórios de sinistros até notícias, arquivos e transcrições. Embora esse tipo de dados seja uma grande proporção dos dados de uma empresa, muitas organizações de serviços financeiros ainda não sabem como usá-los de forma eficaz. 

O segredo? Ter uma forte estratégia de dados aliada a uma plataforma capaz de oferecer suporte a dados estruturados e não estruturados. Sem isso, os líderes de dados podem ter dificuldades de levar a IA generativa a uma empresa em escala para ajudar na otimização do valor. 

Empresas buscando tirar proveito de seus dados não estruturados precisam descobrir como realizar três tarefas muitas vezes desafiadoras: 

• Incorporar dados: qual é o modelo ideal para ingerir dados não estruturados? 

• Analisar dados: o que significa analisar dados não estruturados? 

• Usar os dados depois terem sido transformados: como os dados podem estar acessíveis para diferentes usuários de uma empresa de forma que eles consigam encontrar os insights certos? 

Gerando valor para os clientes, um caso de uso de cada vez

Conseguir colocar o que foi dito antes em prática significa que os líderes de dados podem avançar em direção à otimização de casos de uso tangíveis, dos quais os clientes podem se beneficiar. Aqui estão exemplos de algumas áreas do setor financeiro onde os dados não estruturados podem fazer a diferença.

• Processar sinistros de seguros: o processo de sinistros de seguros é complicado e essencial para a satisfação do cliente. Desde o momento em que um sinistro é enviado, seja online, por meio de um call center ou por meio de um app móvel, ele passa por várias etapas importantes. O sinistro deve ser avaliado, encaminhado para o departamento certo com base no tipo e na complexidade, investigado quanto à validade e, em última análise, resolvido por meio de liquidação ou pagamento. 

  Esse processo muitas vezes requer que os gerentes de sinistros revisem uma ampla variedade de dados, incluindo notas, contratos, logs de call center e até multimédia, como vídeos e fotos. As investigações também podem envolver ferramentas de detecção de fraudes, inspeções no local e colaboração com vistoriadores externos.

• Ajudar na compra da primeira casa própria: para muitas pessoas, adquirir o primeiro imóvel próprio é uma etapa marcante, mas também muito desafiadora. O processo requer uma grande quantidade de documentação. Pedidos de empréstimo, demonstrações de rendimentos, declarações de impostos e avaliações de propriedade contêm todas as informações necessárias, mas podem ser difíceis de processar em escala. Com recursos de processamento de texto com tecnologia de IA, agentes e seguradores podem analisar documentos com mais rapidez e eficiência, identificar erros ou falhas e agilizar a experiência de compra de imóveis para os clientes.

• Realizar pesquisa quantitativa e análise de dados de investimentos: ter acesso a dados estruturados, como preços, estimativas e dados ambientais, sociais e de governança (ESG), é apenas o começo para ser capaz de realizar pesquisas quantitativas e análises de dados de investimentos. Para bons gerentes de ativos, fazer uso de dados não estruturados com LLMs é a última novidade em como obter mais lucros para os clientes. Consultar itens, como documentos financeiros corporativos, pode ser trabalhoso. O mesmo vale para se manter atualizado com as últimas notícias ou entender o sentimento dos clientes nas mídias sociais. Tudo isso pode ser útil para compreender o que está acontecendo no setor ou que mudança de comportamento está em curso sendo capaz de afetar o mercado. 

Sem a IA generativa, o uso desses recursos de dados não estruturados para pesquisa de mercado requer conhecimento avançado de processamento de linguagem natural e um grande investimento de tempo. No entanto, tendo as ferramentas adequadas com tecnologia de IA, os gestores de ativos e quantitativos podem obter resumos mais rápidos e ter capacidade de realizar análises mais detalhadas (e exclusivas), gerando, em última análise, lucros (ou, pelo menos, obtendo insights mais rápidos). 

Como o Snowflake ajuda a usufruir do poder dos dados não estruturados

Empresas líderes do setor de serviços financeiros estão se esforçando para mapear suas estratégias de IA e de dados não estruturados de acordo com as oportunidades e os casos de uso mencionados acima, mantendo controles de segurança, escala e custos. A Snowflake fornece a essas empresas líderes um stack de IA fácil de implementar, com dimensionamento eficiente e confiável para manter a segurança. Esse stack é chamado de Snowflake Cortex AI. 

O Cortex AI inclui o "IA full-stack", ou seja, ele começa na ingestão de dados e termina na implementação de aplicações orientadas por IA. Em uma arquitetura unificada, o Cortex AI oferece funções para processar dados não estruturados, criar incorporações de vetores e executar pesquisa vetorial, implementar LLMs de base, criar arquiteturas de geração aumentada de recuperação (retrieval augmented generation, RAG) ou conversar com dados estruturados. 

O Cortex AI permite que os desenvolvedores integrem modelos de última geração de empresas como Google, Anthropic, Meta, Mistral AI, entre outras, a seus dados, por meio de uma infraestrutura de GPU dimensionável em escala, em vez de enviar seus dados para modelos externos. Isso facilita a implementação eficiente de aplicações, possibilitando manter uma arquitetura de governança/segurança à medida que os dados passam da ingestão para a transformação para o suporte a aplicações de IA generativa. 

Esse stack unificado libera nossos clientes para dedicar mais tempo a aumentar o retorno sobre o investimento (ROI) de IA.

Para obter mais informações de como usar dados não estruturados, faça download do ebook IA: plano de ação para o setor de serviços financeiros ou assista à gravação do evento Accelerate para ter acesso a demonstrações reais.