Algoritmo quântico para finanças identifica clientes em risco na operação bancária, além de definir vantagens futuras de desempenho e precisão; modelo envolveu uso de dois anos de dados de usuários anônimos


O Itaú Unibanco e a QC Ware anunciam os primeiros resultados de uma colaboração que explora o uso de algoritmos de computação quântica no setor bancário. O objetivo do projeto conjunto, que durou quatro meses, é investigar se a computação quântica pode ajudar na retenção de clientes. O algoritmo de quantum machine learning proposto pela QC Ware melhora o desempenho dos modelos usados atualmente para prever a perda de clientes.


Ao longo dessa colaboração, as duas equipes desenvolveram novos métodos que rodam nos computadores tradicionais utilizados atualmente e já podem melhorar os modelos preditivos, atingindo aumento substancial na retenção de clientes em testes retroativos. Esses algoritmos rodarão ainda mais rápido nos computadores quânticos do futuro, aproveitando sua capacidade inerente de executar tarefas complexas de álgebra linear.


A colaboração tem como meta contínua adquirir conhecimento e aumentar a expertise interna sobre o poder dos algoritmos quânticos, preparando o Itaú Unibanco para a iminente implementação da computação quântica em todo o setor de serviços financeiros. Uma iniciativa que combina a experiência do Itaú Unibanco no setor bancário, machine learning e computação quântica com a liderança da QC Ware em algoritmos clássicos e quânticos. 


“Vemos na computação quântica o potencial de melhorar muito as interações com os clientes e já nos beneficiamos do entendimento da QC Ware sobre os algoritmos de retenção existentes”, comenta Moisés Nascimento, Chief Data Officer do Itaú Unibanco.


O Itaú Unibanco forneceu à QC Ware dois anos de dados de usuários anônimos e aproximadamente 180.000 pontos de dados, com a intenção de entender melhor quais clientes provavelmente deixariam o banco nos próximos três meses. A QC Ware desenvolveu métodos quânticos para treinar um modelo de retenção de clientes fundamentado em uma técnica conhecida como determinantal point processes. Os métodos quânticos melhoraram a precisão e diminuíram os tempos de execução em comparação com as técnicas tradicionais.


As equipes da QC Ware e do Itaú Unibanco encontraram uma forma de disponibilizar uma variante desses métodos nos computadores atuais, que aprimoraram o modelo do Itaú Unibanco, elevando em 2% a quantidade de saques captados, além de aumentar a precisão geral do modelo de 71% para 77,5%. O algoritmo pode continuar rodando em computadores tradicionais e já está pronto para funcionar no hardware quântico do futuro.


“Este projeto tem gerado muito conhecimento para nós e um novo uso de técnicas quânticas e de amostragem determinante inspiradas em quantum para aprimorar modelos de machine learning”, diz Iordanis Kerenidis, responsável pela área de algoritmos quânticos da QC Ware.