1. Abertura: da matemática e SQL à liderança em IA na Visa
Valter formou-se em matemática e desde cedo se interessou por informática e programação (Delphi, SQL). Seu primeiro trabalho foi em uma assessoria de cobrança, onde teve contato com crédito e planejamento. Depois passou por uma grande seguradora (financiamento e cartões) e por um birô de crédito, onde o universo de dados se expandiu enormemente. Nesse período, testemunhou a transição de ferramentas proprietárias (SAS, SPSS) para tecnologias mais abertas como Python e PySpark. Fez pós, mestrado e agora está no doutorado – sempre com o foco em aplicar dados para gerar valor.
2. A chave do sucesso: curiosidade, disciplina e a vontade de aprender
Valter responde diretamente: o grande diferencial não é a ferramenta específica, mas a curiosidade e a disciplina. “Disciplina vence talento.” Ele acredita que manter o foco, dar 1% a cada dia e estar aberto a aprender continuamente é o que realmente leva ao sucesso. Hoje, há plataformas de curso acessíveis; o principal obstáculo é a pessoa querer. Ele também destaca a importância de trabalhar em times diversos e colaborativos, onde cada um contribui com seu conhecimento.
3. IA no mercado financeiro e na Visa: volume, fraude e soluções para clientes
Valter apresenta números impressionantes: a Visa processa cerca de 270 bilhões de transações por ano em quase 200 países. Em 2023, os modelos de prevenção a fraudes evitaram cerca de 40 bilhões de dólares. O Brasil, por sua criatividade, tem modelos específicos ou customizados para a região (América Latina). A Visa possui mais de 100 modelos ativos apenas para a rede; além disso, desenvolve soluções para clientes (emissores, adquirentes, merchants). Exemplos: modelo transacional que prevê default (atraso >30 dias nos próximos 3 meses), ferramenta de engajamento de viagem (Visa Travel Engagement), entre outras.
Valter enfatiza que a Visa não possui dados de consumidores finais (por regulação); trabalha com dados transacionais agregados e em parceria com emissores. A governança de dados é rígida: ambientes segregados, processos de aprovação de finalidade, rastreabilidade e auditoria externa para modelos de maior risco (Model Risk Management).
4. Feature Stores, processamento paralelo e a arquitetura de dados global
Devido ao volume massivo de dados, a Visa trabalha com feature stores (bases de variáveis pré-processadas). Uma delas contém mais de 5.000 variáveis, alimentada por processamento paralelo via PySpark – impossível de rodar localmente. A empresa adota uma arquitetura em camadas: global, regional (LAC – América Latina) e local (Brasil). Soluções globais são reutilizadas quando há fit; caso contrário, são customizadas para as necessidades regionais, respeitando regulações locais (ex.: dados que não podem sair do país).
5. Explicabilidade de modelos e o desafio do viés
Valter reconhece que modelos de machine learning (random forest, gradient boosting, ensembles) são mais complexos de interpretar do que regressões lineares/logísticas. Para lidar com o viés e a desconfiança do negócio, a equipe adota uma estratégia prática: roda um baseline com regressão logística incluindo as variáveis que o cliente considera importantes, e depois compara com o modelo disruptivo. Usam SHAP analysis para explicabilidade e fazem validações out-of-time e through‑the‑door (com safras recentes). A implantação nunca é abrupta: começam com um percentual pequeno do portfólio e aumentam gradualmente, monitorando a performance real em produção.
6. IA generativa: do hype adaptativo ao executivo
Valter classifica a evolução da IA em três estágios: (1) modelos tradicionais (machine learning); (2) IA generativa (ex.: ChatGPT, Midjourney); e agora (3) a fase adaptativa – onde as empresas estão entendendo como conectar a IA ao negócio para otimizar processos. Citou uma pesquisa da McKinsey: potencial de automação com IA generativa de US$ 1,1 trilhão, sendo US$ 400 bilhões no setor bancário.
Na Visa, a adoção é intensa: o CEO definiu como meta, 70% das pessoas acreditam que a IA generativa aumenta a produtividade. Criaram um ChatGPT interno (Visa Assist), indexaram toda a documentação para clientes. Um case concreto: substituição de e‑mails por vídeos personalizados com avatar e sotaque regional, que geraram 230% mais eficiência e 70% mais engajamento do que campanhas tradicionais.
Olhando à frente, Valter menciona a IA generativa executiva – onde a IA toma decisões baseadas em histórico (ex.: comprar automaticamente itens de reposição, como camisas ou mantimentos). Exemplo: um personal shopper digital que conhece seu perfil e realiza compras com sua autorização. “Não é a geladeira que todo mundo conta – é um passo além.”
7. O futuro do trabalho: copiloto, não autopiloto
Valter aborda diretamente o medo da substituição de empregos. Ele acredita que a IA vai transformar a forma como trabalhamos, não eliminar os profissionais. Em vez de gerar relatórios manualmente, o profissional usará IA para criar análises e focará em aplicar aquela análise – que é onde está o valor. Ele faz uma distinção crucial entre copiloto (ferramenta que auxilia, mas mantém o controle humano) e autopiloto (aceitar a resposta da IA sem crítica). O autopiloto leva a uma “internet inundada de mesmice”, como a recente tendência de transformar tudo em estilo Ghibli sem criatividade adicional.
Os profissionais que dominam o raciocínio por trás (quem veio do Stack Overflow, onde era preciso adaptar trechos de código) têm vantagem. As novas gerações precisarão de um ensino mais aplicado, com cases reais e parcerias com empresas, para desenvolver o senso crítico e a capacidade de dar o próximo passo.
8. A paixão além do expediente: doutorado em medicina e cafeicultura
Valter conta, de forma bem-humorada, como uma conversa com o médico de sua filha durante um ultrassom levou a um doutorado em tocoginecologia na Unicamp. Ele ajudou a desenvolver modelos para prever parto prematuro usando dados de dispositivos (pessário) e temperatura corporal. “Aprendi reprodução humana, estatística médica, novas variáveis – comprimento e afunilamento do colo do útero.” Ele vê essa experiência como uma forma de expandir relacionamentos, trazer métodos da pesquisa clínica para o mundo financeiro e vice-versa. Além disso, Valter é cafeicultor, o que ensinou gestão orçamentária e outras habilidades que complementam seu trabalho em dados.