Exame Logo

O desafio das Fintechs financeiras

Os reguladores são cães farejadores, com passos lentos, mas sem desviar da trilha

Fintechs (PhotoCredit.com/Flickr/Flickr)
BG

Bibiana Guaraldi

Publicado em 16 de abril de 2021 às 08h53.

BERKELEY – Em 2009, em meio à crise financeira global, Paul Volcker, ex-presidente do Federal Reserve, fez a famosa observação de que a única inovação financeira socialmente produtiva dos 20 anos anteriores tinha sido o caixa eletrônico. É de se perguntar o que Volcker diria hoje sobre o tsunami de inovações financeiras habilitadas digitalmente, de plataformas de pagamento móvel a serviços bancários pela Internet e empréstimos P2P (entre pessoas).

Volcker pode ficar tranquilo: assim como o humilde caixa eletrônico, muitas dessas inovações têm benefícios tangíveis em termos de redução dos custos de transação. Mas, como crítico das grandes empresas financeiras, Volcker presumivelmente também se preocuparia com a entrada de algumas grandes empresas de tecnologia no setor. Seus nomes são tão familiares quanto seus serviços onipresentes: a gigante do comércio eletrônico Amazon nos Estados Unidos, a empresa de mensagens Kakao na Coréia, a plataforma de leilão e comércio online Mercado Libre na América Latina e os gigantes da tecnologia chinesa Alibaba e Tencent.

Essas entidades agora fazem praticamente tudo relacionado a finanças. A Amazon concede empréstimos a pequenas e médias empresas. A Kakao oferece uma gama completa de serviços bancários. A Ant Financial da Alibaba e o WeChat da Tencent fornecem uma cornucópia de produtos financeiros, tendo se expandido tão rapidamente que recentemente se tornaram alvos de uma repressão do governo chinês .

Os desafios para os reguladores são óbvios. Onde uma única empresa canaliza pagamentos para a maioria da população de um país, como faz a M-Pesa no Quênia, por exemplo, seu fracasso poderia destruir toda a economia. Os reguladores devem, portanto, prestar muita atenção aos riscos operacionais. Eles precisam se preocupar com a proteção dos dados dos clientes – não apenas financeiros, como também a outros dados pessoais aos quais as Big Techs têm acesso.

Além disso, as Big Techs, devido à sua capacidade de coletar e analisar dados sobre as preferências do consumidor, dispõem de uma aprimorada capacidade para direcionar os preconceitos comportamentais de seus clientes. Se esses preconceitos fizerem com que alguns tomadores de empréstimos assumam riscos excessivos, as Big Techs terão poucos motivos para se preocupar se estiverem apenas fornecendo tecnologia e experiência a um banco parceiro. Esse risco moral é o motivo pelo qual os reguladores chineses agora exigem que as Big Techs do país usem seus próprios recursos patrimoniais para financiar 30% de qualquer empréstimo concedido por meio de parcerias de empréstimo.

Os governos também têm leis e regulamentos para evitar que fornecedores de produtos financeiros façam discriminação com base em raça, gênero, etnia e religião. O desafio aqui é estabelecer a diferença entre a discriminação de preços com base nas características do grupo e a discriminação de preços com base no risco.

Tradicionalmente, os reguladores exigem que os provedores de crédito listem as variáveis ​​que formam a base para suas decisões de empréstimo, para que os reguladores possam determinar se as variáveis ​​incluem características de grupo proibidas. E exigem que os credores especifiquem os pesos atribuídos às variáveis ​​para que possam estabelecer se as decisões de empréstimo não estão correlacionadas com características étnicas ou raciais, desde que condicionadas a essas outras medidas. Mas, à medida que os algoritmos baseados em inteligência artificial das Big Techs substituem os agentes de crédito, as variáveis ​​e os pesos mudarão continuamente com a chegada de novos dados. Não é óbvio que os reguladores conseguirão acompanhar.

Além disso, em processos algorítmicos, a fonte de viés pode variar. Os dados usados ​​para ensinar o algoritmo podem ser tendenciosos. Alternativamente, o próprio treinamento pode ser tendencioso, com o algoritmo de IA “aprendendo” a usar os dados de maneiras tendenciosas. Dada a natureza de caixa preta dos processos algorítmicos, a localização do problema raramente é clara.

Finalmente, existem riscos para a concorrência. Bancos e fintechs contam com serviços de computação em nuvem operados pelas Big Techs, tornando-os dependentes de seus concorrentes mais expressivos. As Big Techs também podem subsidiar seus negócios financeiros, que são apenas uma pequena parte do que fazem. Ao fornecer uma variedade de serviços de intertravamento, eles conseguem impedir que seus clientes mudem de provedor.

Os reguladores têm reagido com regras bancárias abertas, exigindo que empresas financeiras compartilhem seus dados de clientes com terceiros sempre que seus clientes consentirem. Eles autorizaram o uso de interfaces de programação de aplicativos que permitem que fornecedores terceirizados se conectem diretamente a sites financeiros para obter dados de clientes.

Não está claro se isso será suficiente. As Big Techs podem usar suas plataformas para gerar grandes quantidades de dados de clientes, empregá-los no treinamento de seus algoritmos de IA e identificar empréstimos de alta qualidade com mais eficiência do que os concorrentes sem as mesmas informações. Os clientes podem transferir seus dados financeiros para outro banco ou fintech, mas e quanto aos dados não financeiros? E quanto ao algoritmo que foi treinado usando os dados de alguém e de outros clientes? Sem isso, os bancos digitais e fintechs não serão capazes de precificar e direcionar seus serviços de forma tão eficiente quanto as Big Techs. Os problemas de aprisionamento do consumidor e domínio do mercado não serão superados.

Em uma antiga parábola sobre bancos e reguladores, os bancos são galgos-ingleses – correm muito rápido. Os reguladores são cães farejadores, com passos lentos, mas sem desviar da trilha. Na era da economia de plataforma, os cães de caça terão que aumentar o ritmo. Dado que apenas três bancos centrais relatam ter departamentos dedicados à fintechs, há motivos para se preocupar com a possibilidade de eles perderem o faro.

Barry Eichengreen é Professor de Economia na Universidade da Califórnia, Berkeley. É autor do livro :The Populist Temptation: Economic Grievance and Political Reaction in the Modern Era. (A Tentação Populista: O Ressentimento Econômico e a Era Moderna) Direitos

Direitos Autorais: Project Syndicate, 2021.

http://www.project-syndicate.org

Veja também

BERKELEY – Em 2009, em meio à crise financeira global, Paul Volcker, ex-presidente do Federal Reserve, fez a famosa observação de que a única inovação financeira socialmente produtiva dos 20 anos anteriores tinha sido o caixa eletrônico. É de se perguntar o que Volcker diria hoje sobre o tsunami de inovações financeiras habilitadas digitalmente, de plataformas de pagamento móvel a serviços bancários pela Internet e empréstimos P2P (entre pessoas).

Volcker pode ficar tranquilo: assim como o humilde caixa eletrônico, muitas dessas inovações têm benefícios tangíveis em termos de redução dos custos de transação. Mas, como crítico das grandes empresas financeiras, Volcker presumivelmente também se preocuparia com a entrada de algumas grandes empresas de tecnologia no setor. Seus nomes são tão familiares quanto seus serviços onipresentes: a gigante do comércio eletrônico Amazon nos Estados Unidos, a empresa de mensagens Kakao na Coréia, a plataforma de leilão e comércio online Mercado Libre na América Latina e os gigantes da tecnologia chinesa Alibaba e Tencent.

Essas entidades agora fazem praticamente tudo relacionado a finanças. A Amazon concede empréstimos a pequenas e médias empresas. A Kakao oferece uma gama completa de serviços bancários. A Ant Financial da Alibaba e o WeChat da Tencent fornecem uma cornucópia de produtos financeiros, tendo se expandido tão rapidamente que recentemente se tornaram alvos de uma repressão do governo chinês .

Os desafios para os reguladores são óbvios. Onde uma única empresa canaliza pagamentos para a maioria da população de um país, como faz a M-Pesa no Quênia, por exemplo, seu fracasso poderia destruir toda a economia. Os reguladores devem, portanto, prestar muita atenção aos riscos operacionais. Eles precisam se preocupar com a proteção dos dados dos clientes – não apenas financeiros, como também a outros dados pessoais aos quais as Big Techs têm acesso.

Além disso, as Big Techs, devido à sua capacidade de coletar e analisar dados sobre as preferências do consumidor, dispõem de uma aprimorada capacidade para direcionar os preconceitos comportamentais de seus clientes. Se esses preconceitos fizerem com que alguns tomadores de empréstimos assumam riscos excessivos, as Big Techs terão poucos motivos para se preocupar se estiverem apenas fornecendo tecnologia e experiência a um banco parceiro. Esse risco moral é o motivo pelo qual os reguladores chineses agora exigem que as Big Techs do país usem seus próprios recursos patrimoniais para financiar 30% de qualquer empréstimo concedido por meio de parcerias de empréstimo.

Os governos também têm leis e regulamentos para evitar que fornecedores de produtos financeiros façam discriminação com base em raça, gênero, etnia e religião. O desafio aqui é estabelecer a diferença entre a discriminação de preços com base nas características do grupo e a discriminação de preços com base no risco.

Tradicionalmente, os reguladores exigem que os provedores de crédito listem as variáveis ​​que formam a base para suas decisões de empréstimo, para que os reguladores possam determinar se as variáveis ​​incluem características de grupo proibidas. E exigem que os credores especifiquem os pesos atribuídos às variáveis ​​para que possam estabelecer se as decisões de empréstimo não estão correlacionadas com características étnicas ou raciais, desde que condicionadas a essas outras medidas. Mas, à medida que os algoritmos baseados em inteligência artificial das Big Techs substituem os agentes de crédito, as variáveis ​​e os pesos mudarão continuamente com a chegada de novos dados. Não é óbvio que os reguladores conseguirão acompanhar.

Além disso, em processos algorítmicos, a fonte de viés pode variar. Os dados usados ​​para ensinar o algoritmo podem ser tendenciosos. Alternativamente, o próprio treinamento pode ser tendencioso, com o algoritmo de IA “aprendendo” a usar os dados de maneiras tendenciosas. Dada a natureza de caixa preta dos processos algorítmicos, a localização do problema raramente é clara.

Finalmente, existem riscos para a concorrência. Bancos e fintechs contam com serviços de computação em nuvem operados pelas Big Techs, tornando-os dependentes de seus concorrentes mais expressivos. As Big Techs também podem subsidiar seus negócios financeiros, que são apenas uma pequena parte do que fazem. Ao fornecer uma variedade de serviços de intertravamento, eles conseguem impedir que seus clientes mudem de provedor.

Os reguladores têm reagido com regras bancárias abertas, exigindo que empresas financeiras compartilhem seus dados de clientes com terceiros sempre que seus clientes consentirem. Eles autorizaram o uso de interfaces de programação de aplicativos que permitem que fornecedores terceirizados se conectem diretamente a sites financeiros para obter dados de clientes.

Não está claro se isso será suficiente. As Big Techs podem usar suas plataformas para gerar grandes quantidades de dados de clientes, empregá-los no treinamento de seus algoritmos de IA e identificar empréstimos de alta qualidade com mais eficiência do que os concorrentes sem as mesmas informações. Os clientes podem transferir seus dados financeiros para outro banco ou fintech, mas e quanto aos dados não financeiros? E quanto ao algoritmo que foi treinado usando os dados de alguém e de outros clientes? Sem isso, os bancos digitais e fintechs não serão capazes de precificar e direcionar seus serviços de forma tão eficiente quanto as Big Techs. Os problemas de aprisionamento do consumidor e domínio do mercado não serão superados.

Em uma antiga parábola sobre bancos e reguladores, os bancos são galgos-ingleses – correm muito rápido. Os reguladores são cães farejadores, com passos lentos, mas sem desviar da trilha. Na era da economia de plataforma, os cães de caça terão que aumentar o ritmo. Dado que apenas três bancos centrais relatam ter departamentos dedicados à fintechs, há motivos para se preocupar com a possibilidade de eles perderem o faro.

Barry Eichengreen é Professor de Economia na Universidade da Califórnia, Berkeley. É autor do livro :The Populist Temptation: Economic Grievance and Political Reaction in the Modern Era. (A Tentação Populista: O Ressentimento Econômico e a Era Moderna) Direitos

Direitos Autorais: Project Syndicate, 2021.

http://www.project-syndicate.org

Acompanhe tudo sobre:Crise econômicaeconomia-internacionalempresas-de-tecnologiaFintechsInovação

Mais lidas

exame no whatsapp

Receba as noticias da Exame no seu WhatsApp

Inscreva-se