O compliance está em alta e vem se destacando cada vez mais no mundo corporativo. Novas legislações, como a Lei Geral de Proteção de Dados (LGPD), e a edição de outras vigentes difundem a importância da conformidade e aumentam o interesse de atuação profissional neste setor. Pode-se dizer que a ética deixou de ser um princípio e se tornou uma obrigação no dia a dia das companhias, inclusive sendo um quesito estratégico de destaque em processos de licitação e seleção de prestadores de serviços.
Entretanto, ainda é muito comum a visão de que as atividades de compliance são burocracias que restringem a liberdade de atuação das companhias, fato este bastante diferente do conceito fundamental de um programa de integridade. É importante ter em mente que, como todo processo e atividade de uma empresa, os pilares deste programa também devem ser discutidos, revisados e aperfeiçoados, buscando melhorar sua efetividade. Considerar e estruturar um programa estático, aplicando da forma mais simples e objetiva os seus pilares, não só reforça a imagem burocrática como também limita o resultado esperado.
Considerando esse aprimoramento, uma tendência que se vê cada vez mais é a aplicação de Inteligência Artificial (IA) e Machine Learning (ML) nos processos relacionados ao compliance, dado que estas tecnologias abordam desafios comuns e problemas sistemáticos que as equipes enfrentam de forma recorrente. Como consequência, obtem-se o aumento da eficiência e eficácia dos programas de conformidade, uma vez que a capacidade de extrair o máximo valor dos dados permite que os profissionais tomem decisões melhores e mais embasadas.
Como exemplo, pode-se citar a mitigação de falsos positivos e erros humanos, destacando pontos cegos, erros razoáveis e outras falhas potenciais que um profissional de gerenciamento de risco pode não perceber em sua rotina. Além disso, o uso de IA e ML possibilita a identificação de tendências e padrões de forma muito superior.
Mas não é somente o setor privado que está aplicando a IA em seus processos. Os reguladores também estão recorrendo à essa tecnologia para impulsionar suas atividades de monitoramento e fiscalização. A Controladoria Geral da União, por exemplo, desenvolveu uma ferramenta para analisar licitações, contratos e editais com o objetivo de identificar indícios de irregularidades por meio de parâmetros pré-estabelecidos. Esta ferramenta efetua o download automático dos editais e obtém as informações das licitações publicadas, realiza análise textual, estrutura dashboards que possibilitam análises visuais e gera alertas que incluem indícios de irregularidades encontrados.
Bancos e instituições financeiras também têm aperfeiçoado seus procedimentos de detecção de lavagem de dinheiro por meio de IA e ML. Essas instituições têm utilizado tecnologias analíticas sofisticadas para monitorar transações financeiras e detectar mudanças no comportamento do cliente, enriquecer os dados utilizados no monitoramento de sua carteira de clientes e, finalmente, identificar novos padrões comportamentais que auxiliem no mapeamento de atividades suspeitas, permitindo maior eficácia no combate a vários crimes financeiros.
Ainda existem restrições ao uso de IA e ML, tais como coleta, gerenciamento e processamento de grandes quantidades de dados heterogêneos e complexos, questões envolvendo a segurança de dados, que precisa ser mais sofisticada a cada dia, e até mesmo limitação de modelos quantitativos conhecidos atualmente. Todavia, essas tecnologias vêm demonstrando obtenção de ganhos significativos em termos de eficiência e produtividade e, com a evolução tecnológica constante, a tendência é ter benefícios cada vez maiores na melhoria de processos operacionais, possibilitando que as equipes foquem cada vez mais nos temas estratégicos relacionados ao compliance.
Ou seja, embora a aplicação de IA nos processos de compliance ainda seja um tema novo para diversas empresas e setores, é inegável que se trata de uma ferramenta extremamente útil para aprimoramento da governança, trazendo benefícios como identificação de padrões de forma mais ágil e redução de falsos positivos, além da redução de tempo para tomada de decisão, tornando o monitoramento mais assertivo.
*Clarissa Pontual Braga é diretora de Pesquisa, Risco e Compliance na Riza Asset Management