O grande modelo está a aprofundar-se na indústria financeira, de uma empolgação elevada a um retorno à racionalidade
Desde o surgimento do ChatGPT, a indústria financeira tem sentido uma certa ansiedade. Este setor, que acredita na tecnologia, teme ficar para trás na rápida evolução das tendências. Esta atmosfera tensa chegou mesmo a lugares inesperados. Um profissional da área revelou que, em maio, durante uma viagem de negócios a Dali, até mesmo em templos encontrou profissionais financeiros discutindo sobre grandes modelos.
No entanto, essa ansiedade está gradualmente diminuindo, e o raciocínio das pessoas está se tornando mais claro e racional. Um especialista em serviços bancários descreveu várias fases da atitude do setor financeiro em relação aos grandes modelos este ano: de fevereiro a março, houve uma sensação geral de ansiedade e medo de ficar para trás; de abril a maio, muitas equipes foram formadas para trabalhar em projetos relacionados; nos meses seguintes, enfrentaram dificuldades na busca de direção e implementação, tornando-se mais racionais; agora, eles estão começando a se concentrar em empresas de referência e tentando validar cenários de aplicação testados.
Uma nova tendência é que muitas instituições financeiras começaram a dar importância estratégica aos grandes modelos. De acordo com estatísticas incompletas, pelo menos 11 bancos nas empresas listadas na A-share mencionaram claramente na última metade do ano que estão explorando a aplicação de grandes modelos. Com as recentes ações, eles também estão realizando um pensamento e planejamento de caminho mais claros a partir da perspectiva estratégica e de design de alto nível.
Da excitação alta ao retorno à razão
No início do ano, quando o ChatGPT surgiu, o entusiasmo da indústria financeira pelos grandes modelos era alto, mas o entendimento sobre sua essência e formas de aplicação era, na verdade, muito limitado. Alguns grandes bancos foram os primeiros a agir, começando a fazer vários tipos de promoções "para aproveitar a onda". Ao mesmo tempo, os departamentos de tecnologia de algumas instituições financeiras de destaque estavam ativamente discutindo questões de construção de grandes modelos com grandes empresas. Eles geralmente esperam construir seus próprios grandes modelos, perguntando sobre a produção de conjuntos de dados, aquisição de servidores e métodos de treinamento.
Após maio, a situação começou a mudar gradualmente. Devido à escassez de recursos de computação e ao alto custo, muitas instituições financeiras começaram a mudar de uma simples esperança de construção própria para uma maior ênfase no valor de aplicação. Agora, cada instituição financeira está atenta ao uso e aos resultados dos grandes modelos por outras instituições.
Especificamente, empresas de diferentes tamanhos adotaram caminhos diferentes. As grandes instituições financeiras, que possuem uma enorme quantidade de dados financeiros e cenários de aplicação, podem introduzir modelos de base de ponta, construir seus próprios modelos empresariais e, ao mesmo tempo, adotar métodos de ajuste fino para formar modelos de tarefas em áreas profissionais, capacitando rapidamente os negócios. As instituições financeiras de pequeno e médio porte podem considerar o retorno sobre o investimento e, conforme necessário, introduzir APIs de nuvem pública ou serviços de implantação privada de vários modelos grandes, atendendo diretamente às necessidades dos negócios.
No entanto, devido às elevadas exigências do setor financeiro em termos de conformidade com dados, segurança e confiabilidade, algumas pessoas acreditam que o progresso na implementação de grandes modelos nesta indústria está, na verdade, ligeiramente abaixo das expectativas iniciais do início do ano. Um especialista afirmou que inicialmente previam que o setor financeiro poderia ser o primeiro a utilizar em grande escala grandes modelos, mas a realidade é que a velocidade de aplicação do setor financeiro não é tão rápida quanto a de setores como o jurídico e o de recrutamento.
Para resolver as várias limitações no processo de implementação de grandes modelos, algumas instituições financeiras já começaram a tomar medidas. Na área de capacidade de computação, surgiram algumas abordagens no setor:
Construir diretamente a capacidade de computação, o custo é elevado, mas a segurança é boa, adequado para instituições financeiras grandes e poderosas que desejam construir modelos de grandes dimensões para a indústria ou empresa.
Implantação mista de poder computacional, aceitando chamadas de interfaces de serviços de grandes modelos a partir da nuvem pública, enquanto processa serviços de dados locais por meio de implantação privada, sem que dados sensíveis saiam do domínio. Este método tem um custo relativamente baixo, sendo adequado para instituições financeiras de pequeno e médio porte com recursos financeiros limitados que apenas aplicam conforme a necessidade.
Para enfrentar a escassez e os altos preços das placas GPU que as pequenas e médias instituições estão enfrentando, as autoridades estão explorando a criação de uma infraestrutura de grandes modelos direcionada ao setor de valores mobiliários, concentrando recursos de poder computacional e grandes modelos gerais, permitindo que pequenas e médias instituições financeiras também possam utilizar serviços de grandes modelos, evitando a desatualização tecnológica.
Além da capacidade computacional, com a exploração da implementação de grandes modelos, muitas instituições financeiras também estão a reforçar a governança de dados. Cada vez mais instituições financeiras de médio porte estão a começar a construir plataformas de dados e sistemas de governança de dados. Especialistas acreditam que a construção de um sistema de governança de dados completo e uma plataforma de tecnologia de lago de dados será uma direção importante para a construção de TI das instituições financeiras no futuro.
Alguns bancos estão resolvendo problemas de dados através da combinação de grandes modelos com MLOps. Por exemplo, um grande banco adotou o modelo MLOps para estabelecer um sistema de fechamento de dados de grandes modelos, alcançando a automação de todo o processo, bem como a gestão unificada e o processamento eficiente de dados heterogêneos de múltiplas fontes. Segundo informações, já foram construídos e acumulados 2,6TB de conjuntos de dados de treinamento de alta qualidade.
A partir do cenário exterior
Nos últimos seis meses, os fornecedores de grandes modelos e as instituições financeiras têm procurado ativamente cenários de aplicação, explorando áreas como escritório inteligente, desenvolvimento inteligente, marketing inteligente, atendimento ao cliente inteligente, pesquisa e investimento inteligente, controle de risco inteligente e análise de demanda.
Cada instituição financeira tem ideias ricas sobre grandes modelos. Um banco afirma que já implementou aplicações em mais de 20 cenários internamente, outro banco mencionou que está em fase de teste em mais de 30 cenários, e uma corretora está explorando a integração de grandes modelos com uma plataforma de pessoas digitais virtuais lançada anteriormente.
Mas no processo de implementação real, o consenso na indústria é começar internamente antes de ir para o externo. Afinal, nesta fase atual, a tecnologia de modelos grandes não é madura, apresentando problemas como ilusões, e o setor financeiro é um campo altamente regulado, com alta segurança e alta confiabilidade.
Há especialistas que sugerem que as instituições financeiras devem priorizar a aplicação de grandes modelos em cenários de análise, compreensão e criação de textos e imagens financeiras que exigem inteligência intensiva, utilizando-os na forma de assistentes para melhorar a eficiência do trabalho dos profissionais.
Atualmente, o assistente de código já foi implementado em várias instituições financeiras. Por exemplo, um banco construiu um sistema inteligente de desenvolvimento baseado em grandes modelos, onde a quantidade de código gerada pelo assistente de codificação representa 40% do total de código. No setor de seguros, há empresas que desenvolveram plugins de programação assistida baseados em grandes modelos, integrados diretamente nas ferramentas de desenvolvimento internas.
No campo dos escritórios inteligentes, também existem muitos casos práticos. Um determinado produto de modelo financeiro foi lançado em um grande banco e já foi promovido para centenas de agências, com uma taxa de adoção de respostas superior a 85%. As soluções relacionadas também foram rapidamente replicadas para outros bancos e instituições financeiras.
No entanto, especialistas da indústria acreditam que esses cenários que já estão amplamente implementados ainda não são as aplicações centrais das instituições financeiras, e que os grandes modelos ainda estão a uma certa distância de uma integração profunda nas camadas de negócios do setor financeiro. Cenários como marketing, gestão de riscos e conformidade são áreas onde os grandes modelos podem trazer mudanças, e também são partes das necessidades dos clientes financeiros, mas atualmente esses trabalhos ainda dependem do aprimoramento das capacidades dos fornecedores de grandes modelos.
Há especialistas que preveem que, até ao final deste ano, surgirão informações sobre a construção ou licitações de projetos que realmente utilizem grandes modelos em cenários de negócios centrais de instituições financeiras.
Ao mesmo tempo, algumas mudanças na concepção de alto nível estão a ser implementadas. Todo o sistema futurista de inteligência e digitalização será reestabelecido com base em grandes modelos. Isso exige que a indústria financeira reestruture os sistemas durante o processo de implementação dos grandes modelos. Ao mesmo tempo, não se pode ignorar o valor dos modelos pequenos tradicionais, e deve-se permitir que os grandes e pequenos modelos colaborem.
Atualmente, várias instituições financeiras líderes estão a construir, com base em grandes modelos, um quadro de sistema em camadas que inclui camadas de infraestrutura, camada de modelo, camada de serviço de grandes modelos e camada de aplicação. Estes sistemas têm, em geral, duas grandes características: a primeira é que os grandes modelos exercem uma capacidade central, chamando modelos tradicionais como habilidades; a segunda é que a camada de grandes modelos utiliza uma estratégia de múltiplos modelos, comparando internamente para escolher o melhor desempenho.
A lacuna de talentos continua enorme
A aplicação de grandes modelos já começou a trazer alguns desafios e mudanças na estrutura de pessoal da indústria financeira. Empresas de tecnologia financeira despediram mais de 300 analistas de big data desde o início do ano até o final de maio. Algumas tarefas de compilação de informações que antes eram realizadas por estagiários agora podem ser concluídas por grandes modelos.
No entanto, alguns bancos não desejam que os grandes modelos resultem em reduções de pessoal. Eles esperam que os grandes modelos possam trazer novas oportunidades, melhorar a qualidade do serviço dos funcionários e aumentar a eficiência do trabalho, ao mesmo tempo que liberam alguns funcionários para realizar trabalhos de maior valor.
Esta consideração deve-se, por um lado, à estabilidade das pessoas e das estruturas, e por outro lado, ao fato de que ainda há uma lacuna de talentos em muitos cargos dentro do setor. Os grandes bancos têm uma grande quantidade de trabalho a ser concluído, e alguns prazos para necessidades de TI estão até agendados para o final do próximo ano. Eles esperam que os grandes modelos possam ajudar os funcionários a aumentar a eficiência e a velocidade, em vez de levar à redução de pessoal.
Mais importante ainda, a demanda por grandes modelos disparou, mas a oferta de talentos escassos é difícil de corresponder em um curto período de tempo. Um executivo bancário afirmou que a proporção de novos funcionários contratados recentemente que estudaram a área de IA é muito alta, mas há poucos talentos que entendem grandes modelos.
Há especialistas que acreditam que a demanda por talentos que aplicam diretamente grandes modelos é relativamente simples, exigindo principalmente pessoas que saibam fazer perguntas. Mas se for necessário construir um grande modelo de setor ou empresa, as instituições financeiras precisam ter uma equipe técnica vertical experiente em grandes modelos.
Para lidar com a falta de talentos, algumas instituições já tomaram medidas. Algumas empresas uniram-se às equipas de recursos humanos de laboratórios bancários para desenhar uma série de cursos de formação, como ajuste de Prompt, ajuste fino, operação de grandes modelos, entre outros, e colaboraram com vários departamentos para estabelecer grupos de projetos conjuntos que promovem o aumento das capacidades dos colaboradores da empresa.
Durante este processo, a estrutura de pessoal das instituições financeiras também sofrerá alguns ajustes e mudanças. Os desenvolvedores que usam grandes modelos podem ter mais facilidade em se estabelecer neste ambiente do que aqueles que não os utilizam.
De um modo geral, embora a tecnologia de grandes modelos traga oportunidades e desafios para a indústria financeira, para realmente realizar uma mudança de paradigma, é necessário que haja uma equipe dentro do sistema financeiro que se integre profundamente às necessidades internas e faça inovações significativas.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
10 gostos
Recompensa
10
4
Partilhar
Comentar
0/400
RektRecovery
· 20h atrás
chamava isso... mais um ciclo de hype previsível no teatro de segurança fintech. superfície de risco expandindo em 3..2..1...
Ver originalResponder0
GasFeeSobber
· 20h atrás
Estes idiotas passaram da ansiedade ao conformismo.
Ver originalResponder0
SilentAlpha
· 20h atrás
Modelo também não salva idiotas
Ver originalResponder0
TokenBeginner'sGuide
· 20h atrás
Pequeno lembrete: é necessário ter cautela ao investir em projetos de IA em alta, de acordo com os dados do CCID, 87% dos ativos que se dizem aplicações de IA apresentam alto risco.
Grandes modelos no setor financeiro: da empolgação inicial à aplicação racional
O grande modelo está a aprofundar-se na indústria financeira, de uma empolgação elevada a um retorno à racionalidade
Desde o surgimento do ChatGPT, a indústria financeira tem sentido uma certa ansiedade. Este setor, que acredita na tecnologia, teme ficar para trás na rápida evolução das tendências. Esta atmosfera tensa chegou mesmo a lugares inesperados. Um profissional da área revelou que, em maio, durante uma viagem de negócios a Dali, até mesmo em templos encontrou profissionais financeiros discutindo sobre grandes modelos.
No entanto, essa ansiedade está gradualmente diminuindo, e o raciocínio das pessoas está se tornando mais claro e racional. Um especialista em serviços bancários descreveu várias fases da atitude do setor financeiro em relação aos grandes modelos este ano: de fevereiro a março, houve uma sensação geral de ansiedade e medo de ficar para trás; de abril a maio, muitas equipes foram formadas para trabalhar em projetos relacionados; nos meses seguintes, enfrentaram dificuldades na busca de direção e implementação, tornando-se mais racionais; agora, eles estão começando a se concentrar em empresas de referência e tentando validar cenários de aplicação testados.
Uma nova tendência é que muitas instituições financeiras começaram a dar importância estratégica aos grandes modelos. De acordo com estatísticas incompletas, pelo menos 11 bancos nas empresas listadas na A-share mencionaram claramente na última metade do ano que estão explorando a aplicação de grandes modelos. Com as recentes ações, eles também estão realizando um pensamento e planejamento de caminho mais claros a partir da perspectiva estratégica e de design de alto nível.
Da excitação alta ao retorno à razão
No início do ano, quando o ChatGPT surgiu, o entusiasmo da indústria financeira pelos grandes modelos era alto, mas o entendimento sobre sua essência e formas de aplicação era, na verdade, muito limitado. Alguns grandes bancos foram os primeiros a agir, começando a fazer vários tipos de promoções "para aproveitar a onda". Ao mesmo tempo, os departamentos de tecnologia de algumas instituições financeiras de destaque estavam ativamente discutindo questões de construção de grandes modelos com grandes empresas. Eles geralmente esperam construir seus próprios grandes modelos, perguntando sobre a produção de conjuntos de dados, aquisição de servidores e métodos de treinamento.
Após maio, a situação começou a mudar gradualmente. Devido à escassez de recursos de computação e ao alto custo, muitas instituições financeiras começaram a mudar de uma simples esperança de construção própria para uma maior ênfase no valor de aplicação. Agora, cada instituição financeira está atenta ao uso e aos resultados dos grandes modelos por outras instituições.
Especificamente, empresas de diferentes tamanhos adotaram caminhos diferentes. As grandes instituições financeiras, que possuem uma enorme quantidade de dados financeiros e cenários de aplicação, podem introduzir modelos de base de ponta, construir seus próprios modelos empresariais e, ao mesmo tempo, adotar métodos de ajuste fino para formar modelos de tarefas em áreas profissionais, capacitando rapidamente os negócios. As instituições financeiras de pequeno e médio porte podem considerar o retorno sobre o investimento e, conforme necessário, introduzir APIs de nuvem pública ou serviços de implantação privada de vários modelos grandes, atendendo diretamente às necessidades dos negócios.
No entanto, devido às elevadas exigências do setor financeiro em termos de conformidade com dados, segurança e confiabilidade, algumas pessoas acreditam que o progresso na implementação de grandes modelos nesta indústria está, na verdade, ligeiramente abaixo das expectativas iniciais do início do ano. Um especialista afirmou que inicialmente previam que o setor financeiro poderia ser o primeiro a utilizar em grande escala grandes modelos, mas a realidade é que a velocidade de aplicação do setor financeiro não é tão rápida quanto a de setores como o jurídico e o de recrutamento.
Para resolver as várias limitações no processo de implementação de grandes modelos, algumas instituições financeiras já começaram a tomar medidas. Na área de capacidade de computação, surgiram algumas abordagens no setor:
Construir diretamente a capacidade de computação, o custo é elevado, mas a segurança é boa, adequado para instituições financeiras grandes e poderosas que desejam construir modelos de grandes dimensões para a indústria ou empresa.
Implantação mista de poder computacional, aceitando chamadas de interfaces de serviços de grandes modelos a partir da nuvem pública, enquanto processa serviços de dados locais por meio de implantação privada, sem que dados sensíveis saiam do domínio. Este método tem um custo relativamente baixo, sendo adequado para instituições financeiras de pequeno e médio porte com recursos financeiros limitados que apenas aplicam conforme a necessidade.
Para enfrentar a escassez e os altos preços das placas GPU que as pequenas e médias instituições estão enfrentando, as autoridades estão explorando a criação de uma infraestrutura de grandes modelos direcionada ao setor de valores mobiliários, concentrando recursos de poder computacional e grandes modelos gerais, permitindo que pequenas e médias instituições financeiras também possam utilizar serviços de grandes modelos, evitando a desatualização tecnológica.
Além da capacidade computacional, com a exploração da implementação de grandes modelos, muitas instituições financeiras também estão a reforçar a governança de dados. Cada vez mais instituições financeiras de médio porte estão a começar a construir plataformas de dados e sistemas de governança de dados. Especialistas acreditam que a construção de um sistema de governança de dados completo e uma plataforma de tecnologia de lago de dados será uma direção importante para a construção de TI das instituições financeiras no futuro.
Alguns bancos estão resolvendo problemas de dados através da combinação de grandes modelos com MLOps. Por exemplo, um grande banco adotou o modelo MLOps para estabelecer um sistema de fechamento de dados de grandes modelos, alcançando a automação de todo o processo, bem como a gestão unificada e o processamento eficiente de dados heterogêneos de múltiplas fontes. Segundo informações, já foram construídos e acumulados 2,6TB de conjuntos de dados de treinamento de alta qualidade.
A partir do cenário exterior
Nos últimos seis meses, os fornecedores de grandes modelos e as instituições financeiras têm procurado ativamente cenários de aplicação, explorando áreas como escritório inteligente, desenvolvimento inteligente, marketing inteligente, atendimento ao cliente inteligente, pesquisa e investimento inteligente, controle de risco inteligente e análise de demanda.
Cada instituição financeira tem ideias ricas sobre grandes modelos. Um banco afirma que já implementou aplicações em mais de 20 cenários internamente, outro banco mencionou que está em fase de teste em mais de 30 cenários, e uma corretora está explorando a integração de grandes modelos com uma plataforma de pessoas digitais virtuais lançada anteriormente.
Mas no processo de implementação real, o consenso na indústria é começar internamente antes de ir para o externo. Afinal, nesta fase atual, a tecnologia de modelos grandes não é madura, apresentando problemas como ilusões, e o setor financeiro é um campo altamente regulado, com alta segurança e alta confiabilidade.
Há especialistas que sugerem que as instituições financeiras devem priorizar a aplicação de grandes modelos em cenários de análise, compreensão e criação de textos e imagens financeiras que exigem inteligência intensiva, utilizando-os na forma de assistentes para melhorar a eficiência do trabalho dos profissionais.
Atualmente, o assistente de código já foi implementado em várias instituições financeiras. Por exemplo, um banco construiu um sistema inteligente de desenvolvimento baseado em grandes modelos, onde a quantidade de código gerada pelo assistente de codificação representa 40% do total de código. No setor de seguros, há empresas que desenvolveram plugins de programação assistida baseados em grandes modelos, integrados diretamente nas ferramentas de desenvolvimento internas.
No campo dos escritórios inteligentes, também existem muitos casos práticos. Um determinado produto de modelo financeiro foi lançado em um grande banco e já foi promovido para centenas de agências, com uma taxa de adoção de respostas superior a 85%. As soluções relacionadas também foram rapidamente replicadas para outros bancos e instituições financeiras.
No entanto, especialistas da indústria acreditam que esses cenários que já estão amplamente implementados ainda não são as aplicações centrais das instituições financeiras, e que os grandes modelos ainda estão a uma certa distância de uma integração profunda nas camadas de negócios do setor financeiro. Cenários como marketing, gestão de riscos e conformidade são áreas onde os grandes modelos podem trazer mudanças, e também são partes das necessidades dos clientes financeiros, mas atualmente esses trabalhos ainda dependem do aprimoramento das capacidades dos fornecedores de grandes modelos.
Há especialistas que preveem que, até ao final deste ano, surgirão informações sobre a construção ou licitações de projetos que realmente utilizem grandes modelos em cenários de negócios centrais de instituições financeiras.
Ao mesmo tempo, algumas mudanças na concepção de alto nível estão a ser implementadas. Todo o sistema futurista de inteligência e digitalização será reestabelecido com base em grandes modelos. Isso exige que a indústria financeira reestruture os sistemas durante o processo de implementação dos grandes modelos. Ao mesmo tempo, não se pode ignorar o valor dos modelos pequenos tradicionais, e deve-se permitir que os grandes e pequenos modelos colaborem.
Atualmente, várias instituições financeiras líderes estão a construir, com base em grandes modelos, um quadro de sistema em camadas que inclui camadas de infraestrutura, camada de modelo, camada de serviço de grandes modelos e camada de aplicação. Estes sistemas têm, em geral, duas grandes características: a primeira é que os grandes modelos exercem uma capacidade central, chamando modelos tradicionais como habilidades; a segunda é que a camada de grandes modelos utiliza uma estratégia de múltiplos modelos, comparando internamente para escolher o melhor desempenho.
A lacuna de talentos continua enorme
A aplicação de grandes modelos já começou a trazer alguns desafios e mudanças na estrutura de pessoal da indústria financeira. Empresas de tecnologia financeira despediram mais de 300 analistas de big data desde o início do ano até o final de maio. Algumas tarefas de compilação de informações que antes eram realizadas por estagiários agora podem ser concluídas por grandes modelos.
No entanto, alguns bancos não desejam que os grandes modelos resultem em reduções de pessoal. Eles esperam que os grandes modelos possam trazer novas oportunidades, melhorar a qualidade do serviço dos funcionários e aumentar a eficiência do trabalho, ao mesmo tempo que liberam alguns funcionários para realizar trabalhos de maior valor.
Esta consideração deve-se, por um lado, à estabilidade das pessoas e das estruturas, e por outro lado, ao fato de que ainda há uma lacuna de talentos em muitos cargos dentro do setor. Os grandes bancos têm uma grande quantidade de trabalho a ser concluído, e alguns prazos para necessidades de TI estão até agendados para o final do próximo ano. Eles esperam que os grandes modelos possam ajudar os funcionários a aumentar a eficiência e a velocidade, em vez de levar à redução de pessoal.
Mais importante ainda, a demanda por grandes modelos disparou, mas a oferta de talentos escassos é difícil de corresponder em um curto período de tempo. Um executivo bancário afirmou que a proporção de novos funcionários contratados recentemente que estudaram a área de IA é muito alta, mas há poucos talentos que entendem grandes modelos.
Há especialistas que acreditam que a demanda por talentos que aplicam diretamente grandes modelos é relativamente simples, exigindo principalmente pessoas que saibam fazer perguntas. Mas se for necessário construir um grande modelo de setor ou empresa, as instituições financeiras precisam ter uma equipe técnica vertical experiente em grandes modelos.
Para lidar com a falta de talentos, algumas instituições já tomaram medidas. Algumas empresas uniram-se às equipas de recursos humanos de laboratórios bancários para desenhar uma série de cursos de formação, como ajuste de Prompt, ajuste fino, operação de grandes modelos, entre outros, e colaboraram com vários departamentos para estabelecer grupos de projetos conjuntos que promovem o aumento das capacidades dos colaboradores da empresa.
Durante este processo, a estrutura de pessoal das instituições financeiras também sofrerá alguns ajustes e mudanças. Os desenvolvedores que usam grandes modelos podem ter mais facilidade em se estabelecer neste ambiente do que aqueles que não os utilizam.
De um modo geral, embora a tecnologia de grandes modelos traga oportunidades e desafios para a indústria financeira, para realmente realizar uma mudança de paradigma, é necessário que haja uma equipe dentro do sistema financeiro que se integre profundamente às necessidades internas e faça inovações significativas.