Créditos onde são devidos: Dentro da estrutura de IA da Experian que está mudando o acesso financeiro

Enquanto muitas empresas estão apressando-se para adotar e implementar IA, a gigante do crédito Experian tomou uma abordagem muito mais cautelosa.

A Experian desenvolveu seus próprios processos internos, estruturas e modelos de governança que a ajudaram a testar a IA generativa, implementá-la em larga escala e gerar impacto. A trajetória da empresa ajudou a transformar suas operações de um tradicional bureau de crédito para uma sofisticada empresa de plataforma impulsionada por IA. Sua abordagem – combinando aprendizado de máquina avançado (ML), arquiteturas de IA agentivas e inovação de base – melhorou as operações comerciais e expandiu o acesso financeiro para aproximadamente 26 milhões de americanos.

A jornada de IA da Experian contrasta fortemente com empresas que apenas começaram a explorar aprendizado de máquina após o surgimento do ChatGPT em 2022. O gigante do crédito tem desenvolvido meticulosamente suas capacidades de IA por quase duas décadas, criando uma base que a permite capitalizar rapidamente sobre os avanços da IA generativa.

“A IA tem estado parte do tecido da Experian muito além do momento em que era ‘descolado’ estar na IA,” disse Shri Santhanam, EVP e GM, Software, Plataformas e produtos de IA da Experian, em uma entrevista exclusiva ao VentureBeat. “Usamos IA para desbloquear o poder de nossos dados para criar um impacto melhor para empresas e consumidores nos últimos vinte anos.”

De aprendizado de máquina tradicional a motor de inovação em IA

Antes da era moderna da IA generativa, a Experian já estava utilizando e inovando com ML.

Santhanam explicou que, em vez de depender de modelos estatísticos tradicionais e básicos, a Experian foi pioneira no uso de Árvores de Decisão Aumentadas por Gradiente, entre outras técnicas de aprendizado de máquina para análise de crédito. A empresa também desenvolveu sistemas de IA explicável—cruciais para conformidade regulatória nos serviços financeiros—que poderiam articular o raciocínio por trás das decisões de empréstimos automatizadas.

Mais significativamente, o Laboratório de Inovação da Experian (anteriormente conhecido como Data Lab) experimentou modelos de linguagem e redes transformadoras muito antes do lançamento do ChatGPT. Este trabalho inicial posicionou a empresa para aproveitar rapidamente os avanços da IA generativa, em vez de começar do zero.

“Quando o meteoro ChatGPT caiu, foi um ponto de aceleração bastante simples para nós, porque entendíamos a tecnologia, tínhamos aplicações em mente e simplesmente aceleramos,” explicou Santhanam.

Esta fundação tecnológica permitiu que a Experian evitasse a fase experimental em que muitas empresas ainda estão navegando e passasse diretamente para a implementação em produção. Enquanto outras organizações estavam apenas começando a entender o que os grandes modelos de linguagem (LLMs) poderiam fazer, a Experian já estava os implementando dentro de seu quadro de IA existente, aplicando-os a problemas de negócios específicos que já havia identificado.

Quatro pilares para a transformação da IA nas empresas

Quando a IA generativa emergiu, a Experian não entrou em pânico nem fez mudanças drásticas; acelerou ao longo de um caminho já traçado. A empresa organizou sua abordagem em torno de quatro pilares estratégicos que oferecem aos líderes técnicos uma estrutura abrangente para a adoção de IA:

1. Melhoria de Produtos: A Experian examina suas ofertas voltadas para o cliente para identificar oportunidades de melhorias impulsionadas por IA e novas experiências para o cliente. Em vez de criar recursos de IA independentes, a Experian integra capacidades generativas em seu conjunto de produtos principal.
2. Otimização da Produtividade: O segundo pilar abordou a otimização da produtividade ao implementar IA em equipes de engenharia, operações de atendimento ao cliente e processos internos de inovação. Isso incluiu fornecer assistência de codificação em IA para desenvolvedores e simplificar operações de atendimento ao cliente.
3. Desenvolvimento de Plataforma: O terceiro pilar—talvez o mais crítico para o sucesso da Experian—centrou-se no desenvolvimento de plataforma. A Experian reconheceu desde cedo que muitas organizações teriam dificuldades para ir além das implementações de prova de conceito, então investiu na construção de infraestrutura de plataforma projetada especificamente para a escalabilidade responsável das iniciativas de IA em toda a empresa.
4. Educação e Empoderamento: O quarto pilar abordou educação, empoderamento e comunicação—criando sistemas estruturados para impulsionar a inovação em toda a organização, em vez de limitar a especialização em IA a equipes específicas.

Essa abordagem estruturada oferece um plano para empresas que buscam ir além de experimentos dispersos em IA rumo a uma implementação sistemática com impacto mensurável nos negócios.

Arquitetura técnica: Como a Experian construiu uma plataforma de IA modular

Para tomadores de decisão técnicos, a arquitetura da plataforma da Experian demonstra como construir sistemas de IA empresarial que equilibram inovação com governança, flexibilidade e segurança.

A empresa construiu uma pilha técnica de múltiplas camadas com princípios de design centrais que priorizam a adaptabilidade:

“Evitamos passar por portas de mão única,” explicou Santhanam. “Se estamos tomando decisões sobre tecnologia ou estruturas, queremos garantir que, na maior parte… fazemos escolhas das quais poderíamos pivotejar se necessário.”

A arquitetura inclui:

• Camada de Modelos: Múltiplas opções de grandes modelos de linguagem, incluindo APIs da OpenAI através do Azure, modelos do AWS Bedrock, incluindo Claude da Anthropic, e modelos proprietários ajustados.
• Camada de Aplicação: Ferramentas de serviço e bibliotecas de componentes permitindo que engenheiros construam arquiteturas agentivas.
• Camada de Segurança: Parceria inicial com Dynamo AI para segurança, governança de políticas e testes de penetração especificamente projetados para sistemas de IA.
• Estrutura de Governança: Um Conselho Global de Risco de IA com envolvimento direto da alta administração.

Essa abordagem contrasta com empresas que se comprometeram com soluções de único fornecedor ou modelos proprietários, proporcionando à Experian maior flexibilidade à medida que as capacidades de IA continuam a evoluir. A empresa agora está vendo sua arquitetura mudar para o que Santhanam descreve como “sistemas de IA arquitetados mais como uma mistura de especialistas e agentes alimentados por modelos de linguagem pequenos ou mais focados.”

Impacto mensurável: Inclusão financeira impulsionada por IA em escala

Além da sofisticação arquitetônica, a implementação de IA da Experian demonstra impacto concreto nos negócios e na sociedade, especialmente ao abordar o desafio dos “invisíveis de crédito.”

No setor de serviços financeiros, “invisíveis de crédito” refere-se ao aproximadamente 26 milhões de americanos que carecem de histórico de crédito suficiente para gerar uma pontuação de crédito tradicional. Esses indivíduos, frequentemente jovens consumidores, imigrantes recentes ou aqueles de comunidades historicamente atendidas, enfrentam barreiras significativas para acessar produtos financeiros apesar de potencialmente serem elegíveis para crédito.

Os modelos de pontuação de crédito tradicionais dependem principalmente de dados padrão do bureau de crédito, como histórico de pagamentos de empréstimos, utilização de cartões de crédito e níveis de dívida. Sem esse histórico convencional, os credores costumavam ver esses consumidores como de alto risco ou se recusavam a atendê-los totalmente. Isso cria um dilema em que as pessoas não podem construir crédito porque não conseguem acessar produtos de crédito desde o início.

A Experian enfrentou esse problema por meio de quatro inovações específicas em IA:

1. Modelos de dados alternativos: Sistemas de aprendizado de máquina que incorporam fontes de dados não tradicionais (pagamentos de aluguel, utilidades, pagamentos de telecomunicações) nas avaliações de solvência, analisando centenas de variáveis em vez dos fatores limitados nos modelos convencionais.
2. IA explicável para conformidade: Estruturas que mantêm a conformidade regulatória ao articular por que decisões de pontuação específicas são tomadas, permitindo o uso de modelos complexos no ambiente de empréstimos altamente regulamentado.
3. Análise de dados trended: Sistemas de IA que examinam como os comportamentos financeiros evoluem ao longo do tempo em vez de fornecer instantâneas estáticas, detectando padrões nas trajetórias de saldo e comportamentos de pagamento que preveem melhor a solvência futura.
4. Arquiteturas específicas por segmento: Designs de modelos personalizados direcionados a diferentes segmentos de invisíveis de crédito—aqueles com arquivos finos versus aqueles sem histórico tradicional algum.

Os resultados foram substanciais: instituições financeiras que utilizam esses sistemas de IA podem aprovar 50% mais solicitantes de populações que antes eram invisíveis, mantendo ou melhorando o desempenho de risco.

Lições práticas para tomadores de decisão técnicos

Para as empresas que buscam liderar na adoção de IA, a experiência da Experian oferece várias percepções práticas:

Construa uma arquitetura adaptável: Construa plataformas de IA que permitam flexibilidade de modelos em vez de apostar exclusivamente em provedores ou abordagens únicos.

Integre governança desde o início: Crie equipes multifuncionais onde segurança, conformidade e desenvolvedores de IA colaborem desde o início, em vez de operar em silos.

Concentre-se no impacto mensurável: Priorize aplicações de IA como a expansão de crédito da Experian que proporcionam valor tangível aos negócios, ao mesmo tempo que atendem a desafios sociais mais amplos.

Considere arquiteturas de agente: Vá além de simples chatbots em direção a sistemas multi-agente orquestrados que podem lidar de maneira mais eficaz com tarefas complexas específicas de domínio.

Para líderes técnicos em serviços financeiros e outras indústrias regulamentadas, a jornada da Experian demonstra que a governança de IA responsável não é um obstáculo para a inovação, mas sim um facilitador do crescimento sustentável e confiável.

Ao combinar desenvolvimento tecnológico metódico com design de aplicação visionário, a Experian criou um plano de como empresas de dados tradicionais podem se transformar em plataformas impulsionadas por IA com um impacto significativo nos negócios e na sociedade.