Governança em bancos de dados de análise de crédito para instituições financeiras a partir do uso da inteligência artificial e das decisões automatizadas: como a adequação interna pode contribuir para a correta definição do risco representado no score de crédito

A presente pesquisa busca encontrar linhas mestras para a construção de um modelo de governança em bancos de dados que, se utilizando de inteligência artificial para tratamento automatizado, seja capaz de corretamente definir o risco de crédito para a instituição financeira. Para isso, o problema foi proposto no sentido de como construir um modelo de governança em bancos de dados de análise de crédito que, utilizando inteligência artificial para decisões automatizadas, permita a correta definição do risco à instituição financeira e esteja adequado à legislação de proteção de dados? Para encontrar respostas possíveis à problemática, se estabeleceu duas hipóteses, sendo a primeira pretérita a análise dos dados, com a recomendação de medidas a serem adotadas na construção do sistema e a segunda relacionada à adequação à regulação de proteção de dados e como isto pode se transformar em oportunidade para a implementação de diferencial competitivo à instituição financeira. No que tange ao objetivo geral, a pesquisa buscou identificar quais ações são adequadas para afastar erros na definição do risco de crédito, bem como que propiciem a captação de valor ainda não apropriado no processo de adequação à legislação protetiva de dados pessoais. A metodologia é de base teórica e descritiva, com pesquisa em livros, periódicos, artigos e publicações acadêmicas e de mercado sobre o tema. Como resultado da pesquisa, em anexo à dissertação, é apresentado um framework com a proposição de medidas adequadas para a construção de bancos de dados de análise de crédito com decisão automatizada, esperando que seja util ao mercado e que permita a adequada interação entre a academia e o setor bancário.