Como o setor financeiro está incorporando a IA ao seu dia a dia

Por Andrea Moraes

A inteligência artificial está em um momento decisivo dentro do setor financeiro. A tecnologia evoluiu rápido, os modelos estão mais maduros e as expectativas do mercado cresceram. Porém, quando se observa o que realmente está acontecendo em bancos ao redor do mundo, incluindo América Latina e Brasil, percebe-se que os maiores desafios não são apenas técnicos, mas também culturais, regulatórios e organizacionais.

Recentemente, durante o FT Global Banking Summit, executivos de grandes instituições discutiram o impacto da IA no setor e, apesar das diferenças de mercado, região e maturidade tecnológica, o diagnóstico foi surpreendentemente semelhante. Estamos no meio de uma curva de aprendizado que exige menos busca por “novos algoritmos” e mais mudança de mindset.

No setor financeiro, a IA ainda é vista majoritariamente como mecanismo para ganhar eficiência. Automatizar processos, reduzir tempo, diminuir custos. É importante, especialmente em estruturas complexas e pressionadas por margens, mas é insuficiente. A tecnologia só destrava seu valor total quando deixa de ser ferramenta de eficiência e passa a ser ferramenta de transformação. O banco que usa IA para processar reclamações mais rápido melhora eficiência; o que usa para antecipar fricções e eliminar o problema na origem redefine a experiência do cliente.

Essa diferença de abordagem é o que separa pilotos interessantes de impacto real. É também o que explica um fenômeno cada vez mais comum no setor, a chamada “pilotitis”. Quando um executivo de um banco europeu mencionou esse termo no Summit, a mesa inteira assentiu. Há provas de valor promissoras, mas poucas chegam ao ambiente de produção. E não porque falta tecnologia, e sim porque falta escala, integração, governança e métricas de negócio bem definidas.

Dados são outro ponto crítico. Ainda é comum ouvir que a IA “vai arrumar a bagunça dos dados”, quando a realidade é o oposto: se a base é ruim, o modelo amplifica o problema. Isso vale para Europa, Estados Unidos e também para o Brasil, onde os bancos carregam legados pesados, integrações complexas e agora precisam lidar com o Open Finance e com diretrizes regulatórias ligadas à proteção de dados, transparência e equidade. A IA não perdoa improvisos. Sem bases limpas, estruturadas e acessíveis, não há resultado.

A partir desse cenário, começa a ganhar força uma abordagem mais direcionada no desenvolvimento de modelos de IA. Em vez de depender exclusivamente de modelos generalistas, instituições financeiras passam a explorar modelos focados, treinados em conjuntos de dados menores, mais específicos e alinhados a contextos claros de negócio. Essa mudança não é trivial. Ela contribui para aumentar a precisão, facilitar a governança e tornar os resultados mais explicáveis – fatores essenciais em um ambiente altamente regulado.

Governança também está no centro do debate. Não porque a IA cria riscos novos, mas porque amplia riscos já existentes. A popularização de ferramentas generativas criou o fenômeno do “Shadow AI”, em que colaboradores usam plataformas externas para resolver problemas internos sem compreender plenamente os riscos de vazamento de dados. Soluções corporativas, como Copilot, também podem expor informações inadvertidamente se os controles de acesso estiverem desalinhados. Bloquear tecnologia não é solução; ajustar processos, permissões e gestão de risco é.

Leia mais: Ações da Qualcomm disparam com rumor de parceria com OpenAI

Essa discussão tem um componente técnico, mas também ético. IA em crédito, prevenção à fraude, onboarding e KYC (know your customer) exige explicabilidade, auditabilidade, equidade e robustez. No Brasil, esse debate acelerou com a LGPD e o Open Finance e deve ganhar novos contornos diante das discussões sobre governança algorítmica. Não será surpresa se, nos próximos anos, reguladores passarem a olhar menos para os modelos e mais para os resultados, avaliando se há discriminação, impacto no consumidor ou falhas sistêmicas.

Há ainda uma tensão que precisa ser encarada com honestidade. A IA evolui em ciclos rápidos e repetitivos, enquanto o compliance bancário evolui em ciclos lentos e regulados. Entre esses dois mundos, muitos projetos morrem na burocracia. Os bancos que conseguirem construir governança proporcional, que protege sem paralisar, serão os que capturam valor.

Na prática, o setor financeiro tem uma oportunidade rara. Ele dispõe de dados, infraestrutura, regulação clara, base de clientes e um problema central que a IA sabe resolver: tomada de decisão em ambientes complexos e dinâmicos. A IA já não é uma tendência experimental, mas uma tecnologia consolidada no cotidiano do setor, capaz de apoiar decisões que antes dependiam apenas de julgamento humano. Nesse sentido, a discussão deixou de ser se os bancos vão adotar IA e passou a ser quando e como farão isso de forma eficiente e responsável.

Se o setor entender que a corrida da IA não é apenas tecnológica, mas cultural, regulatória e organizacional, o impacto será profundo. Se continuar tratando a IA apenas como automação, perderá o maior salto de produtividade e experiência do cliente dos últimos anos.

A boa notícia é que há movimento. Há conversas mais maduras, mais autoconsciência sobre limitações, mais interesse em IA responsável, em modelos focados e mais entendimento de que a transformação não está apenas no modelo, mas principalmente no que a instituição faz com ele. Estamos no início de um ciclo longo e, como em toda transformação estrutural, os líderes não serão necessariamente os mais rápidos, mas os mais conscientes. E os bancos que encararem esse processo como inevitável tendem a colher resultados mais sólidos e sustentáveis ao longo do tempo.