Redução dos custos de atendimento a clientes com infraestrutura compartilhada de IA
Os credores, os seguradores e as empresas agrícolas do mesmo país pagam cada um para construir bases de IA semelhantes. Construir essas partes compartilhadas de uma vez ajudaria a melhor servir os agricultores familiares e as pequenas empresas, com custos menores, enquanto cada um manteria o controle sobre seus clientes, dados e decisões.
Primeira parte de uma série de quatro partes escrita por Accendo Associates e os MSC (MicroSave Consulting), ambos os cofundadores da Aliança da IA Inclusiva.
Vamos falar de Malti, uma vendedora de vegetais numa cidade do interior da Índia. Ela precisa de um pequeno empréstimo para comprar produtos antes da época de maior atividade comercial. Ela mantém as suas contas num caderno, recebe o pagamento principalmente em dinheiro e fala uma língua que os sistemas dos seus credores não conseguem ler. As visitas de campo para prestar o serviço adicionam custos que o juro do seu empréstimo não consegue cobrir, pelo que é recusada ou lhe é oferecido um crédito com condições mais rigorosas.
Um produtor de leite no Quênia, um produtor de café na Colômbia e um proprietário de uma loja de sapatos no Filipinas enfrentam a mesma barreira. A inteligência artificial (IA) pode diminuir essa dificuldade ao ler um livro-razão manuscrito a partir de uma foto, responder em idiomas locais e fornecer ao credor uma visão mais clara do risco. Para fazer isso bem, é preciso que quatro tipos de IA trabalhem em conjunto; nenhum fornecedor oferece todos os quatro. Proponemos construir essa base de forma aberta e buscar parceiros para financiar isso.
A IA pode ajudar os clientes a gerirem, comprar e vender de forma melhor.
Somente 56% adultos em países de baixa e média renda conseguem arrecadar fundos emergenciais dentro de 30 dias, de acordo com o estudo. Global Findex 2025, As pequenas empresas em mercados emergentes enfrentam um Falta de crédito de 5,7 trilhões de dólares (Estimativa do SME Finance Forum e do IFC, 2019). Além da decisão sobre o empréstimo, a IA pode ajudar essas empresas a operar melhor, comprar melhor e vender melhor, encontrando fornecedores mais baratos, que são um incentivo do governo para eles, e novos compradores. A avaliação de cada ferramenta é se a saúde financeira, a renda e a resiliência do cliente melhoram.
Quatro capacidades de IA devem trabalhar juntas para atender bem aos clientes.
- Racionalização geral, para decisões informadas: O cliente recebe orientação sobre como gerir o seu negócio e respostas claras às suas perguntas. O pessoal do fornecedor processa os pedidos e fornece respostas em segundos.
- Idioma local e documentos para superar as barreiras linguísticas: O cliente recebe conselhos em seu próprio idioma, por texto ou voz, mesmo em um telefone básico com sinal fraco. O prestador lê um formulário manuscrito sem ter que digitar novamente.
- Análise de domínio, para obter insights práticos: Modelos menores e específicos para cada domínio analisam cadeias de suprimentos, preços de mercado ou precipitação e solo. O cliente aprende quais plantas plantar e quando e onde vender. O fornecedor vê os riscos de forma mais clara.
- Decisões rastreáveis, para transparência e responsabilidadeO cliente recebe uma razão que ele consegue entender e uma forma de contestar uma decisão que ele considera errada. O prestador mantém um registro que seu supervisor pode verificar.
Nenhum único fornecedor oferece todos os quatro recursos. As ferramentas de análise mais robustas são alugadas de empresas globais, executadas fora da maioria desses países e funcionam melhor em inglês. As ferramentas em idiomas locais estão melhorando, com esforços regionais, como Sarvam Na Índia, SEA-LION em todo o Sudeste Asiático, e Latam-GPT do Chile. No entanto, como mostra a pesquisa da MSC, ler a escrita manuscrita em um script local ou responder por voz na maioria das línguas africanas ainda não é confiável. Modelos específicos do domínio ou modelos “pequenos de inteligência artificial” construídos para um propósito específico precisam de dados locais. Decisões rastreáveis exigem que o provedor mantenha as evidências, regras e versões dos modelos por trás de uma decisão, para que um cliente ou regulador possa entender como essa decisão foi alcançada.
Poucos fornecedores têm o pessoal necessário para gerir e manter estes sistemas internamente.
Uma camada de confiança permite que um fornecedor misture fornecedores e mantenha o controle.
O nosso design coloca uma camada de roteamento e controle de IA entre o provedor e cada sistema de IA que ele utiliza. Cada provedor possui a sua própria camada de controle. Imagine isso como um painel de controle com um manual de regras. Todas as chamadas de funcionários, sistemas e aplicativos passam por ela, assim como todas as solicitações de um telefone que o dispositivo não consegue atender. Para cada solicitação, a camada decide duas coisas: o que o sistema de IA pode ver e o que ele pode fazer.
Quando um modelo precisa de contexto, como o histórico de um cliente, a política de crédito do provedor ou um formulário digitalizado, a camada o recupera com base nas permissões do provedor. Os dados identificados do cliente são enviados apenas para modelos que estão sendo executados no país, e os identificadores são removidos antes que qualquer informação seja enviada para o exterior. Quando um modelo precisa agir, como verificar o saldo ou consultar dados de agências de crédito, ele faz isso através da camada, nunca diretamente. O provedor escreve as regras de forma que seu supervisor possa ler, e a camada registra todas as perguntas, respostas e ações.
Modelos utilizados para decisões empresariais, como a pontuação de crédito, permanecem dentro do ambiente do fornecedor e alimentam seus próprios mecanismos de tomada de decisão. Nos telefones dos agentes e clientes, o trabalho é executado no dispositivo onde isso é possível, mesmo offline, como já acontece com a plataforma x-VOX da MSC. Só o que o dispositivo não consegue fazer chega à camada superior.
Como todas as chamadas passam por um único local, o provedor pode mudar de fornecedor à medida que a tecnologia, os preços e as regulamentações mudam, desde que a licença do novo sistema permita o uso comercial, o que alguns modelos abertos, como InkubaLM, Não faça isso. Embora construir esse design seja uma coisa, implementá-lo é onde muitos provedores terão dificuldades.
Crie as partes compartilhadas uma vez.
Consideremos 12 prestadores de serviços financeiros num único país. Eles compartilham um supervisor, um sistema de identidade, uma rede de pagamento e um conjunto de idiomas, mas cada um constrói as mesmas conexões, ferramentas linguísticas e testes por conta própria. Cada um ainda financia o que compete com base no seu próprio balanço patrimonial, e sem evidências de retorno de outros players, a maioria dos conselhos aguarda. Pequenos volumes de capital externo preenchem a lacuna. Até setembro de 2026, a inclusão financeira e a agricultura receberam 445 milhões de dólares em 12 países, dos 90 bilhões de dólares em capital de IA monitorados pela Mapa de fluxos de capital da Accendo nos mercados emergentes. Isso representa meio centavo por cada dólar, e quase todo esse valor foi destinado a empresas individuais.
Proponemos a construção de um open commons, mantido por uma organização sem fins lucrativos, que publica três coisas: um design aberto para a camada, ferramentas em idiomas locais e modelos específicos do domínio com pesos abertos que qualquer pessoa pode verificar. Cada fornecedor os implementa localmente em seus próprios sistemas, de acordo com suas próprias regras e os adapta às suas próprias necessidades de mercado. Os fornecedores obtêm menores custos, resultados comparáveis antes de comprometerem-se e padrões comuns que lhes permitem mudar de fornecedor, enquanto cada um permanece responsável perante seu supervisor.
As doações construiriam os recursos comuns, e as taxas de participação mantinham-nos. Procuramos parceiros de financiamento que apoiem a infraestrutura compartilhada e queremos ouvir de fornecedores, vendedores e supervisores que vejam o problema de forma diferente.
Malti, a vendedora de vegetais, nunca verá a camada de roteamento e controle da IA. Ela verá um prestador de serviços que consegue ler seu caderno, responder em seu próprio idioma e oferecer condições que sejam adequadas ao seu negócio. Uma base comum torna isso acessível para todos os prestadores de serviços no seu país.
Este é o primeiro de quatro capítulos. O segundo aborda mais profundamente a arquitetura: o jardim cercado e com portões que define quais os ativos pertencentes ao provedor e quais os alugados, como a camada funciona nos dispositivos e como o bem comum é governado e financiado. O terceiro capítulo analisa os riscos, incluindo modelos compartilhados que falham em conjunto, e como o design responde a eles. O quarto capítulo apresenta perguntas específicas aos financiadores, supervisores e provedores, bem como um primeiro grupo de provedores em um único país.
Mais informações por vir.
