O algoritmo agora decide quem recebe crédito — e isso muda tudo

A revolução silenciosa nos bastidores do dinheiro

A inteligência artificial no setor financeiro não é futurismo — é presente concreto operando em cada transação digital, cada aprovação de crédito, cada transferência bancária. O Bradesco processa mais de 80 milhões de interações mensais através da BIA, seu assistente virtual. O Itaú Unibanco reduziu em 40% o tempo médio de atendimento usando IA conversacional. Mas esses números de eficiência operacional escondem uma mudança estrutural mais profunda: a transferência do poder decisório humano para sistemas algorítmicos que operam em escalas e velocidades impossíveis para analistas tradicionais.

A questão central não é se a IA funciona — ela funciona, e bem. A questão é o que acontece quando máquinas começam a tomar decisões que antes exigiam julgamento humano, contexto social e interpretação subjetiva. Um algoritmo de crédito não conhece a história do empreendedor que perdeu tudo na pandemia mas tem um plano sólido de recuperação. Ele conhece padrões estatísticos, correlações matemáticas e probabilidades condicionais.

O novo mapa do crédito brasileiro

O Brasil tinha, até recentemente, um dos sistemas de crédito mais excludentes do mundo desenvolvido. Cerca de 40% da população adulta não tinha score de crédito tradicional — não por serem inadimplentes, mas por serem invisíveis ao sistema bancário formal. Trabalhadores informais, autônomos, pequenos comerciantes operavam numa economia paralela onde o acesso ao capital formal era praticamente vedado.

A IA mudou essa equação de forma radical. Fintechs brasileiras desenvolveram modelos que analisam mais de 3.000 variáveis não tradicionais: padrões de recarga de celular, regularidade de pagamento de contas básicas, comportamento de consumo em marketplaces digitais, até a forma como o usuário preenche formulários online. Esses dados alternativos criaram o que especialistas chamam de "shadow credit score" — uma pontuação de crédito que existe mesmo para quem nunca teve conta bancária.

O resultado prático: nos últimos três anos, mais de 15 milhões de brasileiros receberam sua primeira linha de crédito formal através de plataformas digitais que usam IA. O volume de crédito concedido por fintechs no Brasil saltou de R$ 8 bilhões em 2020 para mais de R$ 45 bilhões em 2023. Esse não é crescimento incremental — é reconfiguração de mercado.

Mas democratização de acesso não significa democratização de condições. As taxas de juros médias praticadas por essas plataformas variam entre 8% e 25% ao mês, dependendo do perfil algorítmico do tomador. A IA não eliminou a discriminação por risco — ela a tornou mais granular, mais personalizada, mais difícil de contestar.

O paradoxo da caixa-preta transparente

Bancos tradicionais sempre operaram como caixas-pretas — critérios de aprovação de crédito eram subjetivos, opacos, impossíveis de auditar externamente. A promessa da IA era trazer transparência através de critérios objetivos e auditáveis. Na prática, aconteceu o oposto.

Modelos de machine learning modernos, especialmente redes neurais profundas, são matematicamente inescrutáveis até para seus criadores. Um modelo pode aprender que pessoas que compram ração para gatos às terças-feiras são melhores pagadores — não porque existe relação causal, mas porque a correlação apareceu nos dados de treinamento. Auditar essas decisões exige expertise técnica que reguladores brasileiros ainda estão desenvolvendo.

A Lei Geral de Proteção de Dados trouxe o direito à explicação de decisões automatizadas, mas na prática isso se traduz em relatórios genéricos que dizem pouco: "Seu pedido foi negado com base em análise de histórico financeiro e comportamento de pagamento". Qual histórico? Qual comportamento? Comparado a quem? As respostas ficam enterradas em modelos proprietários protegidos por sigilo comercial.

Isso cria uma assimetria de poder nova: instituições financeiras sabem infinitamente mais sobre você do que você sabe sobre como elas tomam decisões sobre você. E diferente do gerente bancário que podia ser persuadido, pressionado ou processado, o algoritmo é juridicamente incontestável.

Segurança cibernética: a corrida armamentista algorítmica

O setor financeiro brasileiro registrou aumento de 340% em tentativas de fraude digital entre 2020 e 2023. Cada avanço em segurança baseada em IA é respondido por fraudadores usando IA para contornar essas defesas. É uma corrida armamentista travada em milissegundos, invisível para usuários finais.

Bancos brasileiros investiram coletivamente mais de R$ 3,2 bilhões em sistemas de detecção de fraude baseados em IA nos últimos dois anos. Esses sistemas analisam padrões comportamentais em tempo real: você costuma fazer compras entre 18h e 21h? Uma transação às 3h da manhã dispara alertas. Você nunca comprou passagens aéreas internacionais? Uma tentativa aciona bloqueio preventivo.

A eficácia é impressionante — a taxa de detecção de fraudes melhorou de cerca de 60% com sistemas tradicionais para mais de 90% com IA. Mas o custo oculto são os falsos positivos: transações legítimas bloqueadas porque não se encaixam no padrão algorítmico esperado. Clientes relatam cartões bloqueados em viagens, compras emergenciais negadas, transferências para familiares retidas por "comportamento atípico".

O sistema é mais seguro, mas menos humano. E não há recurso rápido — você precisa provar ao algoritmo que é você, não o contrário.

Robo-advisors e a democratização do mercado de capitais

O Brasil tinha, até 2019, cerca de 600 mil investidores pessoa física na bolsa. Em 2024, esse número ultrapassou 5 milhões. Parte desse crescimento veio de robo-advisors que reduziram a barreira de entrada através de interfaces simples e requisitos mínimos baixos — algumas plataformas permitem começar com R$ 100.

Estes sistemas usam IA para criar e rebalancear portfólios automaticamente, considerando perfil de risco, horizonte de investimento e objetivos financeiros. A promessa é gestão profissional a custos de varejo — taxas de 0,5% a 1,5% ao ano versus 2% a 4% de gestores tradicionais.

Mas a democratização tem limites estruturais. Algoritmos de alocação são treinados em dados históricos que refletem mercados dominados por grandes investidores institucionais. Eles reproduzem estratégias validadas nesses contextos, não necessariamente otimizadas para pequenos investidores com necessidades específicas.

Mais crítico: robo-advisors operam bem em mercados estáveis e previsíveis. Em momentos de crise — exatamente quando investidores mais precisam de orientação — eles seguem modelos probabilísticos que podem amplificar movimentos de pânico. Na turbulência de março de 2020, diversos robo-advisors brasileiros executaram vendas automáticas que cristalizaram perdas significativas para clientes, seguindo protocolos de gestão de risco que não consideravam a natureza extraordinária do momento.

O abismo de maturidade global

Enquanto bancos brasileiros comemoram implementações de IA que melhoram eficiência operacional, JPMorgan Chase opera o COiN, sistema que processa 12 mil contratos comerciais por segundo — trabalho que levaria 360 mil horas de advogados. Goldman Sachs substituiu 600 traders por 2 engenheiros de machine learning que supervisionam sistemas automatizados de negociação.

A diferença não é apenas de escala, mas de ambição. Instituições americanas e europeias usam IA para criar novos produtos financeiros, identificar oportunidades de arbitragem em microsegundos, prever movimentos macroeconômicos através de análise de sentimento em mídias sociais. Bancos brasileiros ainda usam IA principalmente para reduzir custos em operações existentes.

Na China, o modelo é ainda mais disruptivo. Ant Financial processa mais de 1 bilhão de transações diárias através de sistemas totalmente automatizados que concedem crédito, gerenciam investimentos e precificam seguros em tempo real. O sistema financeiro chinês está anos-luz à frente em infraestrutura digital — mas opera sob controle estatal direto que seria impensável em economias ocidentais.

O Brasil está numa posição intermediária desconfortável: infraestrutura tecnológica mais avançada que muitos mercados emergentes, mas capacidade de investimento e talento técnico incomparáveis aos líderes globais. Fintechs brasileiras competem globalmente em nichos específicos, mas bancos tradicionais lutam para modernizar sistemas legados de décadas.

O que os investidores precisam entender agora

A transformação via IA no setor financeiro não é evento único — é processo contínuo que redistribui valor de formas não óbvias. Três implicações diretas para alocação de capital:

Primeiro, bancos tradicionais enfrentam compressão de margens estrutural. Serviços que geravam receita confortável — transferências, custódia, consultoria básica — estão sendo comoditizados por automação. O valor migrará para quem controla dados e algoritmos, não necessariamente quem tem agências físicas ou marcas estabelecidas. Isso favorece fintechs tecnologicamente nativas, mas também cria oportunidades para incumbentes que conseguirem transformação real — não apenas digital, mas cultural e operacional.

Segundo, o mercado de crédito está fragmentando-se em camadas com dinâmicas opostas. Crédito para perfis algoritmicamente previsíveis se tornará commodity de margem baixíssima — competição via IA levará spreads quase a zero. Crédito para perfis complexos que exigem análise contextual permanecerá nicho de margem alta. Investidores precisam identificar quem está construindo vantagens competitivas sustentáveis em cada segmento.

Terceiro, risco regulatório é subestimado. A LGPD é apenas começo — regulamentações sobre viés algorítmico, direito à explicação, responsabilidade por decisões automatizadas estão vindo. Instituições que tratam compliance como custo estarão vulneráveis; aquelas que constroem governança de IA como vantagem competitiva estarão posicionadas para crescer.

No horizonte de cinco anos, o setor financeiro brasileiro será irreconhecível. A questão para investidores não é se investir em instituições usando IA — todas usarão. A questão é identificar quem está usando IA para criar valor real versus quem está apenas automatizando mediocridade mais rapidamente.

Os algoritmos já decidiram que essa transformação acontecerá. Cabe a investidores humanos decidir como posicionar-se nela.