Itaú: machine learning com AWS 1l3d17

O Itaú Unibanco adotou o Amazon SageMaker Studio, um ambiente de desenvolvimento integrado da AWS, para ar ferramentas específicas usadas no desenvolvimento de machine learning (ML).

Já cliente do provedor de nuvem desde 2020, o banco diz ter considerado o Amazon SageMaker Studio como a escolha óbvia para acelerar os processos dos seus cientistas de dados.

“Estávamos transformando nosso software e dados usando a AWS e precisávamos de uma solução que funcionasse perfeitamente na AWS”, conta Vitor Azeka, superintendente de ciência de dados do Itaú.

Na época em que a infraestrutura do banco estava inteiramente on-premises, os cientistas de dados precisavam esperar até seis meses para que memória e recursos fossem disponibilizados. Isso gerava altos custos e tempos de desenvolvimento lentos. 

Desta forma, a empresa tinha uma lista de espera para implantação com mais de 100 modelos de ML. 

Com a nova solução, o banco encurtou o tempo de desenvolvimento de modelos de seis meses para cinco dias, aumentou a produtividade da equipe com a padronização e reduziu os custos. Hoje, não existe mais uma lista de espera para implantar modelos de ML.

Com uma interface visual baseada na web, o SageMaker cria, treina e implanta modelos de ML para casos de uso com infraestrutura, ferramentas e fluxos de trabalho gerenciados. 

Em primeiro lugar, os dados são coletados com o uso do AWS Glue, um serviço de integração de dados para descoberta, preparação, movimentação e integração de dados de várias fontes para análise, ML e desenvolvimento de aplicações. 

Esses dados são, então, usados para iniciar experimentos usando o Amazon SageMaker Studio.

Em seguida, os modelos de ML são implantados usando outras ferramentas do Amazon SageMaker, como o Endpoints, o Batch Transform e o Asynchronous Inference. 

A empresa monitora modelos usando o Amazon CloudWatch, que coleta e visualiza logs, métricas e dados de eventos em painéis automatizados, quase em tempo real, para otimizar a infraestrutura e a manutenção das aplicações.

No serviço da AWS, a instituição já tem mais de 3,2 mil usuários exclusivos, incluindo cerca de 350 cientistas de dados.

“Quando usamos o Amazon SageMaker Studio, podemos executar nosso pipeline e entregar a solução aos nossos clientes com muita rapidez. Assim, podemos melhorar a experiência dos clientes”, avalia Diego Nogare, gerente de engenharia de ML do Itaú.

Com a padronização da solução, o banco também afirma ter mais facilidade para integrar novos funcionários e transferir cientistas de dados de um departamento para outro. Como todo o processo é virtual, a empresa não precisa mais depender de máquinas físicas. 

Usando a AWS, os pipelines para cientistas de dados são integrados e, portanto, os modelos de ML são implantados e monitorados no mesmo pipeline de dados.

Para o futuro, o Itaú tem como meta continuar aprimorando sua padronização. A próxima etapa envolve ter mais funcionários usando sua solução IARA, que é baseada na AWS e utiliza vários serviços, incluindo o Amazon SageMaker Studio. 

O banco deve continuar desenvolvendo seu pipeline usando ferramentas dentro do Amazon SageMaker, como o Amazon SageMaker Pipelines, que é usado para criar, automatizar e gerenciar fluxos de trabalho de ML em grande escala.

Hoje com 65 milhões de clientes, o Itaú possui cerca de 95,7 mil colaboradores (dos quais cerca de 15 mil trabalham em TI), 4,7 mil agências e 47,5 mil caixas eletrônicos no Brasil, além de estar presente em outros 17 países.

Em 2023, o banco registrou um lucro líquido recorrente de R$ 35,6 bilhões, um aumento de 15,7% em relação ao período anterior. Atualmente, cerca de 60% dos softwares e dados da empresa já estão modernizados para execução na nuvem.

No mercado há 16 anos, a AWS tem mais de 200 serviços a partir de 105 zonas de disponibilidade em 33 regiões geográficas, com planos anunciados para mais 18 zonas de disponibilidade e mais seis regiões da AWS na Malásia, México, Nova Zelândia, Tailândia, Arábia Saudita e a Nuvem Soberana Europeia.

A companhia tem milhões de clientes, desde startups a grandes empresas e agências governamentais. 

No Brasil, já investiu mais de US$ 3,8 bilhões e conta com nomes como Anima Educação, Arezzo&Co, iFood, Grupo Boticário, Localiza, Mercado Livre, Nubank, Petrobras, hospitais Sírio-Libanês e Albert Einstein, e o Ministério da Saúde.