Porque é que as operações de pós-negociação estão prontas para a IA agêntica
A transição global para a liquidação T+1 expôs uma lacuna fundamental nas operações de pós-negociação: os dados e processos corretos já existem, mas executá-los com rapidez suficiente em centenas de exceções simultâneas está além do que os fluxos de trabalho manuais podem oferecer. Escrevendo na Global Custodian, Yogesh Shenai, Diretor de Gestão de Produto na Smartstream, argumenta que este é precisamente o problema que a IA agêntica foi concebida para resolver. Em vez de sinalizar exceções e aguardar, os agentes investigam, comunicam, enriquecem, priorizam e resolvem de forma autónoma – a uma velocidade que a janela de liquidação comprimida efetivamente exige.
Os mercados norte-americanos fizeram a transição para T+1 em maio de 2024, com o Reino Unido, a UE e a Suíça a seguirem em 11 de outubro de 2027. Shenai observa que as empresas que já fizeram a transição descobriram que essencialmente se tornaram mais rápidas nas mesmas tarefas manuais. As filas de exceções não foram priorizadas pela urgência de liquidação, a investigação de falhas em múltiplos sistemas foi demasiado lenta, e os fluxos de trabalho subsequentes para notificação de contrapartes e rastreamento de penalizações permaneceram em grande parte manuais. A IA agêntica aborda diretamente cada um destes pontos de falha.
Da investigação reativa à triagem preventiva
Atualmente, quando um analista humano trata uma exceção, começa do zero – iniciando sessão em múltiplos sistemas, lendo o histórico de e-mails e reconstruindo o que aconteceu. Um fluxo de trabalho agêntico altera completamente esse modelo. Ao monitorizar dados de negociação em tempo real face a padrões de resolução conhecidos, os Smart Agents podem identificar sinais que historicamente precedem uma falha – uma contraparte que responde consistentemente tarde, uma classe de ativos com atrasos crónicos de SSI, ou um tipo de negociação onde se concentram discrepâncias de confirmação – e desencadear uma investigação antes de a falha ser confirmada. O analista recebe um caso pré-construído e toma uma decisão em vez de conduzir a investigação ele próprio.
A comunicação por e-mail entre equipas de operações e contrapartes também é transformada. Um agente pode redigir e enviar contactos, monitorizar respostas, ler respostas em linguagem natural, avaliar sentimento e intenção, e devolver essa determinação ao fluxo de trabalho como dados estruturados. Segundo Shenai, esta abordagem reduz as taxas de intervenção manual em 60-80 % nos fluxos de trabalho abrangidos, enquanto uma investigação que levaria a um analista qualificado 30 a 45 minutos pode ser concluída por um agente em menos de dois minutos.
Conceber deliberadamente o papel humano
A IA agêntica não é uma substituição do julgamento humano – é uma redistribuição de onde esse julgamento é aplicado. Shenai é direto neste ponto: as atividades que exigem intervenção humana devem ser deliberadamente concebidas como exclusivamente humanas desde o início, e não tratadas como um recurso quando um agente fica bloqueado. Chamadas de relacionamento, escalamentos de contrapartes com peso reputacional e decisões com implicações legais são exemplos em que a autoridade humana é a escolha de conceção correta. Da mesma forma, os agentes são construídos para reconhecer barreiras que não podem resolver – disputas que exigem interpretação contratual, falhas complexas de múltiplas pernas ou interrupções de infraestrutura de terceiros – e escalar em conformidade.
Para além do tratamento de exceções, o valor mais profundo dos fluxos de trabalho agênticos reside na codificação do conhecimento institucional. O julgamento que os analistas experientes transportam – quais processos seguir, quais contrapartes necessitam de tratamento cuidadoso, quais exceções são rotineiras versus sinais de algo maior – pode agora ser codificado na conceção do fluxo de trabalho, inspecionado e transferido. Os novos membros da equipa herdam esse conhecimento desde o primeiro dia, e este melhora ao longo do tempo à medida que os fluxos de trabalho são refinados. A plataforma Smart Agents da Smartstream é construída exatamente em torno deste modelo: autonomia controlada por políticas, auditabilidade total e aprendizagem contínua a partir do comportamento e resultados dos analistas.
