Curso de Inteligência Artificial (IA) e Bancos

Aula 1 • O que é IA e Como Funciona

Define IA, aprendizado de máquina e aprendizado profundo com analogias relevantes para o setor bancário. Estabelece o vocabulário comum usado ao longo do curso.

Aula 2 • Capacidades e Limitações da IA

Mapeia o que a IA pode e não pode fazer de forma confiável em contextos financeiros. Previne a superestimação e subestimação das ferramentas de IA.

Aula 3 • Cenário de Dados Bancários

Identifica os tipos de dados, fontes e problemas de qualidade exclusivos das instituições financeiras. Fundamenta os capítulos subsequentes em condições realistas de dados.

Aula 4 • O Ciclo de Vida do Desenvolvimento de IA

Traça o caminho do problema de negócio ao modelo implantado. Ajuda o pessoal não técnico a se envolver de forma significativa com as equipes de projetos de IA.

Aula 1 • Modelagem de Risco de Crédito em Nível de Carteira

Estende a pontuação individual para concentração de carteira e testes de estresse. Prepara analistas para dar suporte às funções de gestão de riscos corporativos.

Aula 2 • Dados Alternativos em Decisões de Crédito

Explora fontes de dados não tradicionais que expandem o acesso ao crédito. Conecta o uso de dados alternativos a considerações de equidade e regulatórias.

Aula 3 • Pontuação de Crédito Tradicional vs. com IA

Contrasta métodos baseados em scorecards com abordagens de aprendizado de máquina. Estabelece por que a IA oferece vantagens preditivas e introduz novos riscos.

Aula 4 • Viés e Equidade em IA de Crédito

Identifica fontes de resultados discriminatórios em modelos de crédito e estratégias de mitigação. Conecta métricas de equidade a princípios regulatórios de crédito igualitário.

Aula 1 • Métricas de Desempenho do Modelo e Operacionais

Avalia modelos de fraude usando métricas relevantes para o negócio além da precisão. Conecta o desempenho do modelo à redução de perdas por fraude e ao custo operacional.

Aula 2 • Sistemas de IA para Prevenção à Lavagem de Dinheiro

Aplica análise de grafos e análise de redes ao monitoramento de transações. Reduz as altas taxas de falsos positivos que sobrecarregam as equipes de conformidade.

Aula 3 • Modelos Supervisionados de Detecção de Fraude

Constrói modelos de classificação para pontuação de transações em tempo real. Aborda o ajuste de limites para equilibrar falsos positivos e falsos negativos.

Aula 4 • Detecção de Anomalias Não Supervisionada

Aplica agrupamento e autoencoders para detectar novos padrões de fraude sem rótulos. Estende a capacidade de detecção além das tipologias de fraude conhecidas.

Aula 1 • Segmentação de Clientes com Aprendizado de Máquina

Usa agrupamento e análise comportamental para criar segmentos dinâmicos de clientes. Substitui segmentos demográficos estáticos por perfis orientados a dados.

Aula 2 • Predição do Valor do Ciclo de Vida do Cliente

Modela a lucratividade de longo prazo do cliente para priorizar investimentos em retenção. Alimenta pontuações de CLV nos fluxos de trabalho de marketing e gestão de relacionamento.

Aula 3 • IA Conversacional e Chatbots

Projeta chatbots baseados em intenção e generativos para o atendimento bancário ao cliente. Aborda a lógica de escalonamento e a conformidade em conversas automatizadas.

Aula 4 • Ética da Personalização e Consentimento

Aborda consentimento de dados, risco de manipulação e proteções para clientes vulneráveis na personalização. Alinha a estratégia de personalização com os princípios de proteção ao consumidor.

Aula 1 • IA para Negociação Algorítmica e de Alta Frequência

Examina estratégias de execução orientadas por IA e a dinâmica da microestrutura do mercado. Conecta latência, slippage e degradação do sinal às escolhas de design do modelo.

Aula 2 • Análise de Sentimento para Sinais de Mercado

Extrai sinais negociáveis de notícias, comunicados e mídias sociais usando PLN. Avalia a qualidade do sinal e a integração em estratégias quantitativas.

Aula 3 • Risco de Modelo em IA de Negociação

Identifica modos de falha de modelos de negociação e requisitos de governança. Prepara gestores de risco para desafiar e validar modelos quantitativos.

Aula 4 • Previsão de Séries Temporais em Finanças

Aborda modelos ARIMA, LSTM e transformer para previsão de preços e volatilidade. Estabelece benchmarks de precisão de previsão relevantes para mesas de negociação.

Aula 1 • Validação de Modelo e Revisão Independente

Constrói um processo estruturado de validação de modelo que abrange solidez conceitual e teste de resultados. Atende aos padrões de auditoria interna e de exames de supervisão.

Aula 2 • Inventário e Documentação de Modelos de IA

Cria inventários abrangentes de modelos e práticas de documentação técnica. Permite resposta regulatória rápida e supervisão de governança interna.

Aula 3 • Estruturas de Responsabilidade Algorítmica

Atribui propriedade, caminhos de escalonamento e estruturas de responsabilidade para decisões de IA. Previne a dispersão de responsabilidade entre equipes técnicas e de negócios.

Aula 4 • Risco de IA de Terceiros e Fornecedores

Gerencia riscos de modelos de IA e provedores de dados de fontes externas. Estende os padrões de governança interna para toda a cadeia de suprimentos de IA.

Aula 1 • Estruturas do Modelo Operacional de IA

Compara modelos operacionais de IA centralizados, federados e híbridos para bancos. Orienta líderes na seleção de estruturas que correspondam à escala e à cultura organizacional.

Aula 2 • Roadmap e Priorização de IA

Prioriza iniciativas de IA usando estruturas de pontuação de valor, viabilidade e risco. Produz um roadmap sequenciado que equilibra vitórias rápidas com apostas estratégicas.

Aula 3 • Construção do Caso de Negócio para IA

Quantifica o valor do investimento em IA por meio de modelagem de ROI e atribuição de benefícios. Conecta resultados técnicos a resultados financeiros e estratégicos de negócio.

Aula 4 • Estratégia de Dados para IA em Escala

Projeta infraestrutura de dados e governança que sustentam programas empresariais de IA. Aborda data mesh, feature stores e pipelines de dados em tempo real.

Aula 1 • Convergência entre Computação Quântica e IA

Apresenta conceitos de aprendizado de máquina quântico e seu potencial impacto na otimização financeira. Prepara estrategistas para monitorar e planejar a disrupção da era quântica.

Aula 2 • Construção de uma Cultura de IA Responsável

Incorpora processos de revisão ética, red-teaming e mecanismos de denúncia na cultura de IA. Sustenta a IA responsável além dos documentos de política e na prática diária.

Aula 3 • Princípios de IA Ética na Área Bancária

Aplica princípios de equidade, responsabilidade, transparência e privacidade à IA bancária. Traduz a ética abstrata em decisões de design operacional.

Aula 4 • Riscos de Cibersegurança e Defesas de IA

Identifica ataques adversários, envenenamento de modelos e ameaças de deepfake direcionadas à IA bancária. Projeta controles defensivos para a integridade do sistema de IA.