São Paulo — InkDesign News — A evolução da inteligência artificial (IA) tem gerado discussões intensas em setores regulados, especialmente no setor financeiro. O uso de protocolos como o Model Context Protocol (MCP) e o Agent2Agent (A2A) tem sido explorado, mas ainda enfrenta desafios significativos.
Tecnologia e abordagem
O Model Context Protocol (MCP) busca padronizar a integração de dados com inteligência artificial, oferecendo um framework para que diferentes agentes possam se comunicar de maneira eficiente. Com essa abordagem, as empresas podem desenvolver sistemas multi-agente que interagem com outros agentes externos, identificando quais ferramentas e dados cada um possui. Entretanto, a integração em ambientes regulados requer um alto nível de controle e conformidade, o que é uma preocupação central para instituições financeiras.
Aplicação e desempenho
Muitos bancos e instituições financeiras já utilizam inteligência artificial para otimizar operações e análises de dados, mas preferem manter suas aplicações de IA em um ambiente interno. Como destacado por John Waldron, vice-presidente sênior da Elavon, “ainda há muitas perguntas em torno do padrão” ao considerar a adoção do MCP. A falta de soluções padronizadas gera incerteza, especialmente em relação à rastreabilidade das trocas de dados.
Ainda estamos explorando formas de fazer essa conexão sem uma troca de MCP.
(“We are still exploring a lot of ways to do that, including maybe doing that connection without an MCP exchange.”)— John Waldron, Vice-Presidente Sênior, Elavon
Embora a utilização de modelos de aprendizado de máquina esteja bem estabelecida, a introdução de modelos de linguagem de grande escala (LLMs) traz um nível de não determinismo que colide com as expectativas rígidas de controle de qualidade e conformidade.
Impacto e mercado
Com a crescente adoção de protocolos como o MCP, é necessário assegurar que haja controle sobre as integrações e que apenas tarefas e informações aprovadas sejam compartilhadas. Conforme notas Sean Neville, cofundador da Catena Labs, “falta uma maneira de um agente afirmar sua identidade de forma verificável”. Isso se torna crucial em um setor como o financeiro, onde a garantia de identidade e conformidade é vital.
É essencial que um agente possa dizer: ‘esta é minha identidade, os riscos e em nome de quem estou operando.’
(“There needs to be a way for an agent to say, ‘this is who I am as an agent, here’s my identity, my risk and who I am operating on behalf of.’”)— Sean Neville, Co-fundador, Catena Labs
As implicações dessas discussões são amplas e podem moldar a forma como as instituições financeiras adotam IA no futuro.
Os próximos passos incluem a avaliação contínua dos padrões emergentes e a implementação de medidas que garantam a segurança e a conformidade das integrações de IA. Para as instituições que buscam inovar, a reflexão sobre como equilibrar inovação e regulação será um desafio crítico.
Fonte: (VentureBeat – AI)
