O Capital Contra a Máquina: Como a IA Redefine Poder no Sistema Financeiro

A Pergunta Que os Earnings Calls Não Respondem

Quando Jamie Dimon, CEO do JPMorgan Chase, declarou em 2023 que a IA seria tão transformadora quanto a eletricidade ou a internet, ele estava certo — mas provavelmente não da forma que investidores interpretaram. A inteligência artificial não está apenas otimizando o setor financeiro. Está reorganizando quem detém poder sobre capital, dados e acesso.

No Brasil, essa reorganização assume contornos particulares. O PIX processou 42 bilhões de transações em 2023, gerando um oceano de dados comportamentais em tempo real. Enquanto bancos tradicionais veem isso como vantagem competitiva para treinar modelos de risco, fintechs como Nubank e Inter enxergam algo diferente: a possibilidade de reescrever as regras de quem merece crédito.

A diferença não é trivial. É estrutural.

Além da Automação: O Que Realmente Está em Jogo

A narrativa dominante sobre IA no setor financeiro foca em eficiência operacional — chatbots que atendem clientes, algoritmos que detectam fraudes, robôs que executam trades. Tudo verdade. Tudo insuficiente para explicar o fenômeno.

O Banco Central estimou que a adoção de IA pelos cinco maiores bancos brasileiros gerou economia operacional de R$ 4,2 bilhões entre 2020 e 2023. Impressionante. Mas o número relevante está em outro lugar: 63 milhões de brasileiros permaneceram sem acesso a crédito formal em 2023, mesmo com score de crédito limpo.

Por quê? Porque os modelos tradicionais de risco — agora turbinados por machine learning — continuam usando as mesmas variáveis de sempre: histórico bancário formal, carteira assinada, garantias tangíveis. A IA tornou o viés mais rápido, não necessariamente mais justo.

Fintechs, por outro lado, estão experimentando modelos alternativos. Análise de padrões de pagamento de contas de água e luz. Histórico de transações digitais. Até dados de geolocalização para avaliar estabilidade residencial. O Open Banking, implementado gradualmente desde 2021, acelera essa experimentação ao tornar dados portáveis.

O resultado? Uma bifurcação do sistema financeiro que a maioria dos analistas ainda trata como competição por eficiência, quando na verdade é batalha por definir quem conta como cliente viável.

Os Números Que Ninguém Está Consolidando

Globalmente, investimentos em IA para serviços financeiros atingiram US$ 35 bilhões em 2023, com projeção de US$ 97 bilhões até 2027, segundo a IDC. O Brasil representa cerca de 4% desse mercado — proporcionalmente maior que nossa participação no PIB global.

Mas agregados nacionais escondem assimetrias reveladoras. Enquanto os cinco maiores bancos brasileiros concentram 78% dos investimentos em IA do setor financeiro nacional, fintechs captaram R$ 3,2 bilhões em venture capital especificamente para projetos de IA entre 2021 e 2023.

A diferença nos objetivos é cristalina. Bancos tradicionais focam em:

• Redução de headcount em backoffice (meta: 20-30% até 2026)
• Otimização de tesouraria e trading algorítmico
• Prevenção de fraudes e compliance automatizado

Fintechs priorizam:

• Modelos alternativos de scoring creditício
• Personalização de produtos para nichos ignorados
• Aquisição de clientes via experiência superior

São agendas complementares? Não. São projetos concorrentes de futuro.

A Questão Chinesa Que Ninguém Quer Discutir

A China processou 300 trilhões de yuans (US$ 41 trilhões) via pagamentos digitais em 2023, praticamente toda transação gerando dados para sistemas de crédito social e scoring algorítmico. O Ant Group, braço financeiro do Alibaba, usa mais de 3.000 variáveis para decisões de crédito instantâneas.

O sistema funciona? Tecnicamente, sim. A inadimplência do crédito digital chinês fica abaixo de 2%. Mas a que custo social?

No Brasil, o debate sobre regulação de IA no setor financeiro está apenas começando. A Lei Geral de Proteção de Dados cria alguns guardrails, mas não aborda especificamente vieses algorítmicos em concessão de crédito. O Banco Central publicou diretrizes sobre governança de IA em 2023, porém sem força vinculante.

Enquanto isso, os modelos estão sendo treinados. E vieses incorporados hoje levarão anos para serem desfeitos — se é que serão.

O Paradoxo da Democratização

Há uma narrativa sedutora sobre IA e inclusão financeira: algoritmos não têm preconceitos humanos, portanto podem avaliar crédito de forma mais justa. Se apenas isso fosse verdade.

O problema é que modelos de machine learning aprendem com dados históricos — e esses dados refletem décadas de exclusão estrutural. Um algoritmo treinado em histórico de crédito dos últimos 20 anos aprenderá que CEP periférico é fator de risco, que trabalho informal é instável, que ausência de carteira assinada é problema.

A IA não remove o viés. Ela o cristaliza em código.

Algumas fintechs alegam estar quebrando esse ciclo usando dados alternativos. Mas há questões espinhosas: pagar contas em dia é preditor de bom crédito ou simplesmente proxy para renda estável? Estabilidade residencial indica responsabilidade financeira ou apenas falta de mobilidade econômica?

Estudos iniciais do Banco Mundial sobre crédito digital em mercados emergentes mostram resultados mistos: inclusão financeira aumenta 15-20%, mas endividamento excessivo sobe 25-30%. A IA tornou crédito mais acessível. Não necessariamente mais seguro para o tomador.

O Que Isso Significa Para Quem Aloca Capital

Investidores em ações de bancos tradicionais precisam reinterpretar as narrativas de "transformação digital". Quando um banco anuncia R$ 3 bilhões em investimentos de IA, as perguntas corretas não são sobre eficiência. São sobre estratégia:

1. Esse investimento defende market share ou conquista novos mercados? Se for apenas defesa, é custo operacional disfarçado de crescimento.

2. Os modelos de IA estão sendo construídos internamente ou comprados? Capacidade própria é vantagem competitiva. Soluções de prateleira são commoditização.

3. Como a instituição está lidando com o dilema viés-inclusão? Bancos que não enfrentarem essa questão enfrentarão pressão regulatória crescente.

Para investidores em fintechs, o desafio é oposto: separar disrupção real de hype tecnológico. Modelos alternativos de crédito só funcionam em escala se:

• A inadimplência se mantiver controlada após expansão
• O custo de aquisição de clientes for sustentável
• Houver defensibilidade competitiva (dados proprietários, efeitos de rede)

A maioria das fintechs brasileiras ainda não provou esses três pontos simultaneamente.

As Implicações Que Chegam em 2025-2026

O setor financeiro global está em transição para um modelo onde IA não é ferramenta, mas infraestrutura. Isso tem três implicações práticas:

Primeira: Consolidação acelerará. Instituições sem escala para investir R$ 500 milhões-1 bilhão/ano em IA serão adquiridas ou marginalizadas. O Brasil tinha 147 fintechs de crédito em 2021. Terá menos de 40 em 2026.

Segunda: Regulação virá, mas atrasada. Quando chegarem regras sobre explicabilidade de decisões algorítmicas e auditoria de vieses, os modelos já estarão em produção há anos. Quem investir em governança de IA antecipadamente terá vantagem.

Terceira: A batalha por talentos está apenas começando. Há menos de 5.000 profissionais no Brasil com experiência real em IA aplicada a crédito e risco. Bancos e fintechs estão competindo pelo mesmo pool diminuto.

Para investidores, isso se traduz em: premiar empresas que demonstrem capacidade de construção interna de IA, não apenas discurso sobre transformação digital. Os múltiplos P/L de curto prazo importam menos que a capacidade de atrair e reter talento técnico de ponta.

O Teste Real Está Chegando

O mercado financeiro brasileiro processará cerca de R$ 350 trilhões em transações em 2024. Cada uma dessas transações alimenta modelos de IA que decidirão, nos próximos anos, quem terá acesso a crédito, investimentos e seguros.

A questão não é se a IA transformará o setor financeiro — já transformou. A questão é se essa transformação concentrará ainda mais poder nas instituições incumbentes ou criará aberturas reais para novos entrantes.

Os próximos 24 meses fornecerão a resposta. Bancos tradicionais que concluírem migração para core banking moderno e plataformas de dados unificadas terão vantagens de escala quase insuperáveis. Fintechs que não provarem economias unitárias sustentáveis até lá enfrentarão inverno de financiamento brutal.

Para investidores atentos, esse período de definição oferece oportunidades — mas exige olhar além dos press releases corporativos sobre "transformação digital". A IA no setor financeiro não é história de tecnologia. É história de poder, acesso e controle sobre o futuro do capital.

E essa história está sendo escrita agora, linha de código por linha de código.