Artificial Intelligence in Digital Banking: A Systematic Literature Review and a Novel Cross-Domain Resilience Framework for Customer Experience, Fraud Detection, and Risk Management
Esta revisão sistemática da literatura sintetiza pesquisas fragmentadas sobre IA no setor bancário digital para propor o novo framework AIDBRM 2.0, que integra experiência do cliente, detecção de fraude e gestão de riscos por meio de mecanismos transversais como um Score de Confiança Contínua Unificado, um Sandbox de Governança de IA Generativa e Aprendizado Federado entre Instituições para abordar lacunas existentes em explicabilidade e alinhamento arquitetural.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine o mundo da banca como uma cidade enorme e movimentada. Durante décadas, esta cidade funcionou com base em um mapa muito antigo e muito rígido. Se quisesse atravessar uma rua, tinha de seguir uma linha específica pintada no chão. Se quisesse comprar algo, tinha de preencher um formulário de papel. Esta era a "primeira onda" da banca digital: apenas transformar papel em pixels, mas mantendo a mesma lógica lenta e regida por regras subjacente.
Mas agora, a cidade está a mudar. Está a ser reconstruída com um sistema nervoso vivo e pulsante. Esta é a "segunda onda", impulsionada pela Inteligência Artificial (IA). Nesta nova cidade, os sistemas não se limitam a seguir regras; eles aprendem, sentem e reagem em tempo real. Pense nisto como um semáforo inteligente que não se limita a mudar para verde num temporizador, mas que realmente observa os carros, prevê para onde eles vão e se ajusta instantaneamente para evitar congestionamentos.
No entanto, construir esta cidade inteligente é complicado. Os planeadores da cidade (os investigadores) têm trabalhado em bairros separados. Um grupo está obcecado em tornar o bairro da "Experiência do Cliente" amigável e divertido, utilizando chatbots que soam como amigos. Outro grupo está a guardar a fortaleza da "Deteção de Fraude", construindo sensores de alta tecnologia para apanhar ladrões. Um terceiro grupo está a gerir o distrito de "Risco", garantindo que os empréstimos são seguros e explicando o porquê de um empréstimo ter sido aprovado ou recusado. O problema é que, na cidade real, estes bairros não são separados. Uma única pessoa a caminhar pela rua pode estar a conversar com um robô, a comprar algo e a solicitar um empréstimo, tudo ao mesmo tempo. Se os bairros não comunicarem entre si, a cidade fica confusa, a segurança torna-se irregular e as regras deixam de fazer sentido. Este artigo é uma história de detetive que une estes três bairros para ver como podem trabalhar como uma única equipa.
O Trabalho de Detetive: O que o Artigo Descobriu
O autor, Durga Prasad Dāsepalli, atuou como um bibliotecário super organizado. Ele não se limitou a adivinhar; partiu numa missão para ler e classificar 36 estudos sérios e revistos por pares, publicados entre 2020 e 2025. Utilizou uma lista de verificação rigorosa chamada PRISMA para garantir que só analisava a investigação de melhor qualidade e mais fiável.
Após ler todos estes estudos, o detetive encontrou três grandes problemas que estavam a travar a cidade:
- O Problema dos "Silos": Os investigadores que estudam chatbots amigáveis raramente falavam com os investigadores que estudam detetores de fraude. Mas, na vida real, o sistema informático de um banco é uma grande máquina. Se um cliente estiver a conversar com um bot enquanto um alarme de fraude dispara, o sistema precisa de saber ambas as coisas ao mesmo tempo. Atualmente, a investigação trata-os como se estivessem em universos diferentes.
- O Desequilíbrio da "Explicabilidade": Esta é uma expressão sofisticada para "ser capaz de explicar a sua resposta". Os investigadores descobriram que, quando os bancos dizem "Não" a um empréstimo, tornaram-se muito bons a explicar o porquê (utilizando ferramentas como SHAP e LIME). Mas quando dizem "Pare!" a uma transação suspeita ou "Aqui tem uma oferta especial", utilizam frequentemente uma IA de "caixa negra" que não consegue explicar-se. É como ter um professor que explica perfeitamente o seu dever de matemática, mas recusa-se a explicar por que razão lhe deu uma detenção. O artigo sugere que isto é injusto e arriscado, especialmente porque as regulamentações estão a começar a exigir explicações para todas as decisões de IA, não apenas para os empréstimos.
- O Desfasamento do "Projeto": Existem arquitetos a desenhar os edifícios (a nuvem e os microsserviços que executam o software) e engenheiros a construir os robôs (os modelos de IA). Mas os arquitetos e os engenheiros não estão a comunicar. Os arquitetos preocupam-se com a velocidade e a estabilidade, enquanto os engenheiros se preocupam com a precisão. O artigo argumenta que não se pode ter um excelente robô de IA se o edifício onde ele vive não estiver preparado para o suportar.
O Novo Projeto: AIDBRM 2.0
Para resolver estes bairros desorganizados, o artigo propõe um novo projeto unificado chamado AIDBRM 2.0 (Modelo de Resiliência de Banca Digital Impulsionado por IA, versão 2.0). Pense nisto como um novo plano de cidade que liga todos os distritos com pontes especiais e ferramentas partilhadas.
O artigo sugere três "superferramentas" que nunca foram utilizadas juntas desta forma:
- A "Pontuação de Confiança Unificada" (O Distintivo de Visão Total): Imagine que cada cliente tem um único distintivo brilhante que se atualiza a cada segundo. Este distintivo não mostra apenas se é um bom tomador de empréstimos; ele combina o seu score de crédito, a probabilidade de ser um fraudador e o nível de satisfação com o serviço do banco. Se um cliente costuma ter uma pontuação de confiança elevada, mas de repente faz uma transação estranha, o sistema pode analisar todo o seu histórico e decidir: "Ah, isto é provavelmente seguro", em vez de simplesmente o bloquear imediatamente. Isto evita os alarmes falsos irritantes que enfurecem os clientes.
- O "Sandbox de IA Generativa" (A Rede de Segurança): Os bancos estão a começar a utilizar a "IA Generativa" (o tipo que escreve histórias ou responde a perguntas complexas) para falar com os clientes. Mas estes modelos de IA podem por vezes "alucinar" (inventar coisas) ou vazar segredos acidentalmente. O artigo sugere a construção de um "sandbox" ou sala de testes especial. Antes de qualquer resposta de IA ser enviada a um cliente real, ela é testada nesta sala para garantir que não está a mentir, a vazar dados ou a ser enganada por malfeitores. É como um simulador de voo para a IA do banco antes de voar com passageiros reais.
- O Clube de "Aprendizagem Federada" (O Aperto de Mão Secreto): Os fraudadores operam frequentemente em redes que cruzam diferentes bancos. Um banco pode ver parte de um esquema, e outro banco vê o resto, mas não podem partilhar os dados privados do cliente. O artigo sugere um módulo de "Aprendizagem Federada". Isto é como um clube secreto onde os bancos partilham as suas lições aprendidas (a matemática por trás da IA) sem partilhar os seus ingredientes secretos (os dados reais dos clientes). Desta forma, todos podem tornar-se mais inteligentes na deteção de esquemas de "mulas de dinheiro" sem violar as regras de privacidade.
O Que Isto Significa para Todos
O artigo é muito claro sobre o que ainda não fez. Não construiu esta nova cidade nem a testou com dinheiro real. É um enquadramento conceptual — uma ideia muito sólida e bem investigada baseada no que já sabemos. O autor admite que, embora o projeto pareça ótimo no papel, precisamos de o construir e ver se funciona no mundo real.
No entanto, as implicações são enormes. Para quem gere os bancos, isto significa que não podem simplesmente comprar um chatbot de IA moderno e dar o trabalho por terminado. Precisam de atualizar todo o seu edifício (a arquitetteura) e garantir que os seus guardas de segurança (deteção de fraude) e gestores de risco (gestão de risco) estão todos a usar o mesmo manual de instruções.
Para os reguladores, é um aviso: se exigirem que os bancos expliquem as suas decisões de empréstimo, devem também exigir que expliquem os bloqueios de fraude e as recomendações de produtos. E para os clientes, a esperança é que, um dia, o banco pareça menos um robô rígido e mais um parceiro inteligente e útil que compreende o quadro geral da sua vida, e não apenas uma pequena parte dela.
Em suma, este artigo defende que o futuro da banca não se trata de ter a IA individual mais inteligente; trata-se de ter uma equipa de IAs que consigam comunicar entre si, explicar o seu trabalho e trabalhar juntas para manter a cidade segura, justa e amigável.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.