Os bancos de hoje estão sob pressão crescente para entregar resultados de negócios. Os ventos favoráveis das taxas de juros estão diminuindo, os múltiplos preço/valor contábil continuam baixos e os índices de eficiência permanecem teimosamente acima de 60%. Ao mesmo tempo, os talentos são escassos e a concorrência das fintechs nativas digitais está se intensificando. As receitas globais das fintechs cresceram 21% em 2024, 3x o ritmo de crescimento das empresas estabelecidas1. Nesse cenário, os líderes do setor bancário precisam fazer mais com menos: aumentar a receita de tarifas em um mundo de juros baixos, fazer os balanços patrimoniais renderem mais e extrair mais produtividade de equipes mais enxutas.
Desde 2010, os bancos regionais dos EUA perderam cerca de 30 bps de produtividade a cada ano, corroendo os retornos mesmo com o aumento dos custos. Um ganho de apenas um ponto percentual na produtividade pode aumentar o Retorno sobre o Patrimônio Líquido (“ROE”) em 100 a 150 bps, uma mudança significativa para conselhos e investidores.
Na Databricks, trabalhamos com líderes do setor bancário do mundo todo em centros de receita e de custo para reverter essa tendência. De todos os bancos que investem em dados e AI, apenas cerca de 5% das instituições alcançaram um impacto mensurável em P&L. Os motivos do fracasso são estruturais. Aproximadamente 10% das iniciativas falham por falta de uma visão unificada de dados e AI, 20% devido a dívidas técnicas legadas e ambientes de dados fragmentados, e 70% porque a democratização, a governança e a capacitação permanecem sem solução.2
Os 5% melhores bancos tratam a perda de produtividade como uma oportunidade para integrar dados de forma mais inteligente. Eles constroem uma base de dados unificada e governada para aumentar a escala da inteligência, automação e, por fim, o desempenho.
Para líderes do setor bancário que já estão modernizando sua tecnologia e unificando seu ambiente de dados, nossa abordagem padrão-ouro para melhorar a produtividade tem duas frentes:
Na Databricks, trabalhamos em estreita colaboração com líderes de Commercial Banking no mercado de médio porte dos EUA. A missão deles é crescer com lucratividade, implantar capital de forma eficiente e aumentar a produtividade dos banqueiros. No entanto, os índices de eficiência permanecem acima de 60%, e a produtividade dos gerentes de relacionamento permanece estagnada há mais de uma década.
O quadro de funcionários está mais enxuto. Desde 2020, os bancos regionais reduziram as equipes de linha de frente em cerca de 15%, mesmo com o aumento da demanda por crédito, das necessidades de compliance e das expectativas dos clientes. Cada gerente de relacionamento agora gerencia portfólios maiores com ferramentas limitadas para priorizar clientes, acompanhar atividades ou focar em trabalhos que geram receita, como originação de novos empréstimos, crescimento de depósitos e venda cruzada de produtos de tesouraria ou pagamentos.
A pressão também vem das equipes do produto. À medida que os bancos lançam ofertas novas e muitas vezes mais complexas em empréstimos, FX ou gestão de tesouraria, os RMs têm dificuldade em se manter proficientes. O treinamento é lento, a orientação é fragmentada e as percepções ficam presas em CRMs, planilhas e sistemas de produtos isolados. O resultado é a perda de oportunidades e a diluição do serviço ao cliente “white-glove”, o grande diferencial do qual o banco de relacionamento depende.
Os líderes veem esses desafios como estruturais. Os dados estão isolados em silos entre sistemas de empréstimos, instâncias de CRM e finanças, sem uma camada unificada para governá-los ou analisá-los. Sem uma view única e governada do desempenho do banqueiro e da lucratividade do cliente, é difícil impor a responsabilização ou direcionar os esforços para as oportunidades de maior valor.
Para o chefe de Commercial Banking, a produtividade é medida pelo volume e velocidade do pipeline, taxa de despesas, crescimento da receita e, por fim, ROE. O Unity Catalog da Databricks possibilita isso ao fornecer aos líderes uma base de dados única e governada, unificando informação entre sistemas de empréstimos, CRM, depósitos e tesouraria para gerar percepções confiáveis em todos os níveis.
Esta base permite que os executivos do setor bancário usem os AI/BI Dashboards da Databricks para acompanhar a saúde do pipeline e as taxas de conversão em tempo real, segmentar portfólios por banqueiro, tipo de cliente ou região e identificar oportunidades de venda cruzada ou perda de margem, tudo a partir de uma fonte única da verdade. Eles também podem linkar dados de atividade dos banqueiros (chamadas, reuniões, contatos com clientes) aos resultados de desempenho, ajudando os gerentes a orientar para comportamentos de maior valor.
Para os banqueiros da linha de frente, o Databricks One disponibiliza essas percepções instantaneamente por meio do AI/BI Genie, dos Databricks Apps e de dashboards de AI/BI tempo real. Em vez de depender de exportações manuais ou relatórios de fim de mês, os banqueiros podem simplesmente perguntar: “Quais clientes exigem exceções nos preços de depósitos?” ou “Quais renovações estão em risco neste trimestre?” — e agir com base nas respostas imediatamente. O resultado é uma priorização mais precisa, renovações mais rápidas e maior wallet share.
A Databricks ajudou um banco líder a modernizar seus fluxos de trabalho de dados e ML, unificando dados de clientes, produtos e canais em uma única plataforma governada. Em um ano, o banco alcançou um aumento de 90% na eficácia de cross-sell e reduziu os custos de aquisição de clientes em mais de 30%, mostrando como dados unificados e AI se traduzem diretamente em produtividade e lucro.
À medida que os líderes avançam rapidamente, eles conquistam o direito de desbloquear a próxima onda de produtividade por meio de fluxos de trabalho agênticos. Além de fazer o mesmo trabalho mais rápido, eles podem transformar a forma como os banqueiros criam valor.
Com o AgentBricks da Databricks, os bancos podem orquestrar agentes de AI que analisam dados internos e externos — da FactSet, Moody's, S&P e Dun & Bradstreet — para priorizar ações e automatizar a pesquisa, a preparação e o contato. Por exemplo:
Os esforços para usar AI para automatizar processos manuais estão bem encaminhados em todas as indústrias. Um banco norte-americano automatizou a pesquisa de clientes na Databricks, reduzindo o tempo de preparação em 70% e expandindo a cobertura dos banqueiros sem aumentar o quadro de funcionários.
Ao simplificar a complexidade técnica, o Agent Bricks da Databricks permite que os bancos automatizem fluxos de trabalho manuais, como pesquisa de clientes, criação de memorandos de crédito ou solicitações de preços de depósitos, dando aos banqueiros a capacidade de interagir com mais clientes, mais rapidamente e com mais percepções que acelerarão o crescimento e reduzirão os custos operacionais.
Entre em contato para ver a demonstração “Agentic Banker”, criada para maximizar a produtividade do vendedor B2B, recomendando ações de alta probabilidade, automatizando a pesquisa de clientes e simplificando a divulgação. Com o Agent Bricks, os clientes da Databricks podem criar rapidamente agentes de AI que eliminam tarefas administrativas para que os banqueiros possam focar no que é mais importante: atender seus clientes. Se você é um líder global do setor bancário ou de pagamentos que busca reimaginar seu modelo operacional e aumentar a produtividade em escala, entre em contato conosco para definir e executar um roteiro que transforma a inteligência de dados em desempenho de negócios mensurável. Juntamente com parceiros de consultoria como a Zeb, que ajuda os bancos a acelerar a entrega e a capturar valor rapidamente de soluções conectadas e orientadas por dados, você pode crescer com eficiência em escala na plataforma de dados e IA da Databricks.
1 https://web-assets.bcg.com/04/4f/160d4f9d4d7e98ab417609b553d4/globalfintechreport-june2025.pdf
2 https://www.bcg.com/press/24october2024-ai-adoption-in-2024-74-of-companies-struggle-to-achieve-and-scale-value
(This blog post has been translated using AI-powered tools) Original Post
Produto
June 11, 2024/11 min de leitura

