A migração de seis anos da Deutsche Bank para a cloud é o que tornou possível a automação de documentos

A migração veio primeiro, a automação veio depois

O resultado em destaque neste artigo é um pipeline de documentos com AI (keep the English acronym) generativa a funcionar com 97% de precisão e 40% menos tempo de processamento. Mas Leukert dedica a maior parte do texto a descrever tudo o que aconteceu antes de esse número ser possível.

A Deutsche Bank começou a migrar para a Google Cloud em 2019, movendo cerca de 260 aplicações, começando deliberadamente pelas menos críticas para ganhar confiança num ambiente regulado. O trabalho de AI (keep the English acronym) é apresentado como a recompensa desse esforço prévio, não como o ponto de partida.

Este salto valeu a pena. Movemos cerca de 260 aplicações para a Google Cloud, incluindo aplicações críticas para o negócio, o que nos permitiu implementar rapidamente tecnologias de AI (keep the English acronym) generativa.Montana Labs

O argumento implícito é que os ganhos de automação dependeram da preparação da infraestrutura. Um banco não consegue executar extração de documentos em larga escala em sistemas que ainda não migrou, protegeu e estabilizou.

A migração para o S4/HANA é a afirmação que sustenta tudo

O detalhe técnico mais concreto é a migração do SAP S4/HANA — 17 sistemas de reporte financeiro, incluindo o livro-mestre estratégico, planeamento e previsão — de infraestrutura local para a cloud pública, descrita aqui como uma das migrações mais complexas da história financeira.

Os resultados reportados são específicos: melhorias no processamento de dados até 50%, e redução do tempo de recuperação por um fator de 16 a 20. São números operacionais sobre resiliência e capacidade de processamento, não valores de precisão de modelos.

Para uma história de automação, esta é a parte mais instrutiva. A recuperação mais rápida e a margem de processamento são o que permite ao banco incorporar AI (keep the English acronym) nas operações financeiras centrais sem a tratar como uma experiência científica montada sobre infraestrutura frágil.

Onde a automação está realmente a funcionar

Leukert identifica três aplicações concretas de AI (keep the English acronym) generativa. O processamento de documentos automatiza milhares de documentos diariamente — extraindo informação de encomendas de clientes e documentos legais — com 97% de precisão e 40% menos tempo de processamento.

Um Assistente Digital serve atualmente colaboradores das áreas de research e origination & advisory, organizando conteúdos para relatórios e análises, com potencial declarado para se expandir a todo o banco. E os desenvolvedores estão a usar AI (keep the English acronym) generativa para escrever código, encontrar bugs e melhorar documentação.

Trata-se de implementações restritas e bem delimitadas — tipos específicos de documentos, grupos específicos de colaboradores — e não de uma transformação alegadamente abrangente a toda a empresa. O valor de 97% também admite, de forma discreta, uma taxa de erro de 3% que um banco regulado ainda tem de gerir através de revisão, razão pela qual o enfoque permanece na assistência e na redução do tempo de processamento, e não na substituição total.

O programa de formação para 6.000 pessoas faz parte do custo da automação

A Deutsche Bank criou um Cloud Engineer Program e formou mais de 6.000 colaboradores em competências de cloud e AI (keep the English acronym), trabalhando com a Google Cloud em hackathons e sprints de migração. Isto é apresentado a par da tecnologia, e não como uma nota de rodapé.

Esta combinação é o sinal mais útil para quem planeia projetos de automação semelhantes. O banco tratou a capacitação das equipas como um pré-requisito para implementar ferramentas de AI (keep the English acronym), e não como uma reflexão tardia — as mesmas pessoas que se espera que usem o Assistente Digital e confiem no pipeline de documentos tiveram primeiro de ser preparadas.

O que esta sequência implica para projetos de automação em empresas reguladas

A implicação específica do relato da Deutsche Bank é que os ganhos de automação foram consequência de anos de trabalho pouco glamoroso: migração com controlo de risco, uma mudança historicamente complexa no núcleo financeiro e formação em massa.

A precisão no processamento de documentos e as ferramentas para desenvolvedores são reais, mas surgem em último lugar na narrativa, e por um bom motivo. As equipas que olham para os números de 97% e 40% devem interpretá-los como o desfecho de uma sequência de vários anos, e não como uma funcionalidade plug-and-play — e notar que até o próprio banco mantém o uso ativo de AI (keep the English acronym) limitado a tipos de documentos e departamentos definidos, em vez de o aplicar a toda a instituição.