O JPMorgan aumenta os gastos com IA à medida que o orçamento para tecnologia se aproxima dos US$ 20 bilhões

A inteligência artificial está passando de programas-piloto experimentais para sistemas essenciais de negócios nas principais corporações. O JPMorgan Chase ilustra essa tendência, com previsões de que os crescentes investimentos em IA elevem o orçamento de tecnologia do banco para aproximadamente US$ 19,8 bilhões até 2026.

O plano orçamentário destaca uma transformação mais ampla nas grandes empresas. A IA não é mais vista como uma iniciativa de pesquisa secundária; em vez disso, as empresas estão integrando-a à análise de riscos, à detecção de fraudes e às operações de atendimento ao cliente.

Para os líderes empresariais que acompanham como a adoção da IA está remodelando as estratégias de tecnologia das empresas, os números do JPMorgan destacam uma tendência significativa: a IA está se tornando parte integrante dos sistemas diários que impulsionam as principais organizações.

Orçamento de Tecnologia do JPMorgan e o Crescente Investimento em IA

Os gastos com tecnologia têm aumentado constantemente em todo o setor bancário há anos. O orçamento do JPMorgan se destaca devido à sua enorme escala.

De acordo com a Business Insider, citando briefings da empresa e discussões com investidores, o JPMorgan espera que os gastos com tecnologia atinjam aproximadamente US$ 19,8 bilhões em 2026, dando continuidade a uma tendência de crescimento consistente. Esses gastos abrangem infraestrutura em nuvem, segurança cibernética, sistemas de dados e ferramentas de IA.

Parte do aumento do orçamento inclui cerca de US$ 1,2 bilhão em investimentos adicionais em tecnologia, com parte destinada a iniciativas relacionadas à IA.

Os grandes bancos geralmente veem os gastos com tecnologia como um investimento de longo prazo, em vez de uma despesa de curto prazo. Muitos desses sistemas levam anos para serem desenvolvidos, especialmente quando dependem de plataformas de dados extensas e de uma infraestrutura de computação segura.

Como os sistemas de IA exigem fluxos de dados confiáveis e poder de computação, muitas empresas descobrem que a adoção da IA frequentemente desencadeia atualizações mais amplas em toda a sua pilha de tecnologia.

O aprendizado de máquina já está gerando resultados

Executivos relatam que a IA já está impactando o desempenho dos negócios no banco. Em discussões com investidores, o diretor financeiro do JPMorgan, Jeremy Barnum, observou que as análises de aprendizado de máquina estão gerando receitas e melhorias operacionais em várias áreas da empresa.

A cobertura da Reuters sobre as reuniões financeiras do JPMorgan destacou que o banco emprega modelos de dados e sistemas de aprendizado de máquina para aprimorar a análise e a tomada de decisões em várias áreas de negócios.

Esses modelos podem processar grandes quantidades de dados financeiros e identificar padrões que os seres humanos teriam dificuldade em detectar. Em setores como o bancário, onde as empresas lidam com enormes fluxos diários de dados, tais melhorias podem influenciar os resultados em operações de negociação, empréstimos e atendimento ao cliente.

Mesmo pequenas melhorias nos modelos de previsão podem afetar o desempenho financeiro quando aplicadas a milhões de transações ou sinais de mercado.

Onde a IA é usada dentro do banco

Ferramentas de aprendizado de máquina agora dão suporte a diversas atividades em todo o JPMorgan.

Nos mercados financeiros, os modelos analisam dados de negociação e identificam padrões nos movimentos de preços. Essas informações ajudam os operadores a avaliar riscos e identificar oportunidades em mercados em rápida evolução.

O crédito é outra área em que os sistemas de IA entram em ação. Modelos de aprendizado de máquina analisam o histórico financeiro, as tendências de mercado e os dados dos clientes para ajudar a avaliar o risco de crédito. Eles auxiliam os analistas ao destacar padrões nos dados.

A detecção de fraudes continua sendo uma das aplicações mais comuns da IA no setor bancário. As redes de pagamento processam enormes volumes de transações diariamente, tornando o monitoramento manual impraticável. Os sistemas de aprendizado de máquina analisam as transações quase em tempo real e sinalizam comportamentos incomuns que possam indicar fraude.

As operações internas também utilizam a IA. Ferramentas podem analisar contratos, resumir relatórios de pesquisa ou ajudar os funcionários a pesquisar em grandes sistemas de dados internos. Sistemas de IA generativa estão começando a auxiliar na elaboração de relatórios e na preparação de documentação interna.

Esses sistemas raramente interagem diretamente com os clientes, mas sustentam muitas decisões tomadas nos bastidores.

Por que os bancos foram os primeiros a adotar a IA

As instituições financeiras possuem várias características que as tornam ideais para o aprendizado de máquina.

Primeiro, os bancos geram grandes conjuntos de dados estruturados. Históricos de transações, registros de mercado e dados de pagamentos fornecem informações valiosas para os modelos de aprendizado de máquina analisarem.

Em segundo lugar, muitas atividades bancárias dependem de previsões. Pontuação de crédito, detecção de fraudes e análise de mercado envolvem estimativas de resultados com base em dados históricos.

O aprendizado de máquina se destaca em ambientes onde a previsão é fundamental.

Em terceiro lugar, melhorias na precisão dos modelos geram retornos financeiros mensuráveis. Um modelo que melhora marginalmente a detecção de fraudes ou as decisões de crédito pode impactar vastos volumes de transações.

Esses fatores explicam por que os bancos investiram pesadamente em ciência de dados e análise muito antes do recente aumento do interesse em IA generativa.

O investimento em IA do JPMorgan reflete uma mudança empresarial mais ampla

Os planos de gastos do JPMorgan também ilustram como o investimento em IA está se integrando a orçamentos de tecnologia empresarial mais amplos.

Em muitas organizações, os sistemas de IA dependem de plataformas de dados modernas, ambientes de nuvem seguros e recursos computacionais substanciais. À medida que as empresas estabelecem essas bases, a IA se torna mais fácil de implantar em todos os departamentos.

Para muitas empresas, a adoção da IA começa com tarefas específicas, como detecção de fraudes, análise de documentos ou automação do suporte ao cliente. Assim que os sistemas demonstram valor, as empresas os expandem para outras áreas da organização.

Esse processo pode levar vários anos, razão pela qual os gastos com IA nas empresas costumam acompanhar investimentos mais amplos em infraestrutura de dados.

Lições para líderes empresariais

O exemplo do JPMorgan sugere que os projetos de IA mais bem-sucedidos geralmente começam com problemas de negócios bem definidos, em vez de experimentações amplas.

Os bancos frequentemente aplicam o aprendizado de máquina em áreas onde a previsão e a análise de dados já são fundamentais. A detecção de fraudes e a modelagem de crédito são pontos de partida comuns porque os benefícios são mais mensuráveis.

Outra lição é que a adoção da IA requer investimento contínuo. A construção de modelos confiáveis depende de uma forte governança de dados, recursos de computação e equipes qualificadas.

Para grandes organizações, esse esforço está se tornando parte do planejamento tecnológico de rotina, em vez de um projeto de inovação separado.

À medida que as empresas continuam a expandir suas capacidades de IA, orçamentos de tecnologia como o do JPMorgan podem oferecer um vislumbre de como os gastos corporativos poderão evoluir nos próximos anos.

Veja também: JPMorgan Chase considera os gastos com IA como infraestrutura essencial

Quer saber mais sobre IA e big data com os líderes do setor? Confira a AI & Big Data Expo, que acontecerá em Amsterdã, Califórnia e Londres. Este evento abrangente faz parte da TechEx e será realizado em conjunto com outros eventos de tecnologia de ponta. Clique aqui para mais informações.

O AI News é desenvolvido pela TechForge Media. Descubra outros eventos e webinars de tecnologia empresarial que estão por vir aqui.