Base39 reduz custos de análise de empréstimos em 96% com o MongoDB

O DESAFIO DELES

Complexidades de análise de crédito e oportunidades perdidas na Base39

Um fornecedor de tecnologia financeira com sede em São Paulo, Brasil, as principais ofertas da Base39 estão centradas no fornecimento de serviços avançados para crédito e análise de risco. A Base39 foi criada para revolucionar a análise de crédito, aproveitando o poder da inteligência artificial com MongoDB Atlas Vector Search e Amazon Bedrock.

A Base39 percebeu que os métodos de análise de crédito existentes produzem decisões financeiras pouco abrangentes, principalmente devido à escassez de dados. Os dados essenciais, como a verificação de renda, o histórico de emprego e as pontuações de crédito, representam uma fração das informações necessárias. Além disso, a coleta e a seleção desses pontos de dados dependem muito de processos subjetivos. Esse processo complexo e altamente manual pode levar até 10 dias e gerar resultados imprecisos e incompletos.

Além disso, essas tarefas demoradas e trabalhosas exigem especialistas qualificados com um conhecimento profundo do uso de modelos de aprendizado de máquina (ML). Alguns dos maiores clientes da Base39 estão acostumados a empregar cientistas de dados para trabalhar com modelos de aprendizado de máquina tradicionais, mas ainda enfrentavam dificuldades para aproveitar as aprovações de empréstimos. A adaptação desses modelos a regras específicas pode levar mais de um mês devido ao conhecimento extenso necessário para analisar qualquer nova fonte de dados.

Com a missão de oferecer um serviço que permita aos seus clientes analisar e avaliar até 10 solicitações de empréstimo em um minuto, a Base39 buscou uma solução que acelerasse o processo de análise ao remover essas restrições técnicas e analíticas.

NOSSA SOLUÇÃO

Transformando a análise de crédito com IA agêntica e o MongoDB Atlas

Para modernizar o processo de avaliação de empréstimos, a Base39 selecionou o MongoDB Atlas na Amazon Web Services (AWS) como sua plataforma fundamental. Eles integraram a IA agentes, orquestrada por LangGraph, para interagir com modelos de aprendizado de máquina e grandes modelos de linguagem (LLMs) como Claude 3.7 Sonnet e Claude 3.5 Haiku por meio do Amazon Bedrock.

Os recursos nativos de pesquisa vetorial do MongoDB Atlas permitem que a Base39 enfrente desafios no armazenamento e recuperação de dados de forma eficaz. Em vez de processos manuais que envolvem planilhas e documentos não estruturados, a solução aproveita os LLM para fornecer FERRAMENTAS interativas e orientadas por IA para avaliadores de risco de empréstimo. Ela agrega dados relevantes de fontes como sistemas de CRM, registros transacionais e bancos de dados públicos e oferece recomendações sobre limpeza, agregação e transformação de dados para avaliação de riscos.

Algoritmos de aprendizado de máquina preditivo cuidam da pontuação básica de empréstimos, enquanto a IA generativa (gen AI) aprimora o processamento de dados com análises históricas, atualizações dinâmicas de modelos e avaliações "e se". Isso elimina ineficiências, com o LLM agindo como um assistente inteligente para orientar os analistas de risco na seleção das principais fontes de dados e campos para cenários específicos.

Uma característica peculiar da solução da Base39 é sua abordagem de IA agêntica, permitindo autonomia na análise de dados e tomada de decisões. Usando uma metodologia de cadeia de pensamentos (CoT), o sistema raciocina, percebe e atua com base em dados específicos de empréstimos.

O MongoDB Atlas serve como a espinha dorsal do repositório de recursos do Base39, impulsionando tanto a análise de dados estruturada quanto não estruturada com MongoDB Atlas Vector Search. Essa tecnologia acelera a recuperação de recursos, atualiza dinamicamente modelos de aprendizado de máquina e fornece insights em tempo real para ajustes de políticas de crédito. Ao enriquecer as recomendações de LLM com contexto específico do domínio, a Base39 garante que as avaliações de risco sejam precisas, confiáveis e eficientes.

O esquema flexível do MongoDB suporta diversos tipos de dados, tornando as atualizações do modelo perfeitas e adaptáveis. Combinado com a arquitetura sem servidor do Atlas, o Base39 reduz a sobrecarga operacional, liberando as equipes de DESENVOLVIMENTO para se concentrar em inovação e garantindo que os modelos de crédito permaneçam responsivos.

RESULTADO

Aumento da produtividade, processos simplificados e custos reduzidos

A parceria estratégica com o MongoDB e a AWS permitiu que a Base39 implantasse uma solução robusta orientada por IA em duas semanas. Ao mudar de processos manuais para uma solução orientada por IA, a Base39 reduziu os custos de análise de empréstimos em 96% e reduziu as despesas de infraestrutura em 84%. Além disso, a arquitetura sem servidor do MongoDB Atlas reduz as cargas operacionais das equipes de desenvolvimento da Base39. Desde que implementou a nova solução, os desenvolvedores podem se concentrar em inovação, em vez de gerenciamento de infraestrutura.

Ao definir um novo padrão de eficiência e inovação na gestão de empréstimos, a Base39 oferece um valor excepcional aos seus clientes, garantindo que nenhuma oportunidade de empréstimo seja perdida. A mudança estratégica posiciona a Base39 como líderes na adoção da IA para revolucionar o setor de serviços financeiros.

Para **aprender** como você pode criar soluções modernas e baseadas em nuvem, visite MongoDB Atlas na AWS.