IA no Sistema Financeiro: Eficiência Comprovada, Governança Pendente

O Momento da IA no Brasil

A Pesquisa de Tecnologia Bancária 2025 da Febraban e Deloitte trouxe uma confirmação numérica do que o mercado já observava empiricamente: a inteligência artificial deixou de ser experimento para se tornar infraestrutura operacional. Com 80% dos bancos brasileiros utilizando GenAI, o país não apenas acompanha tendências globais — em alguns aspectos, as antecipa.

O dado mais relevante, porém, não está na taxa de adoção, mas nos resultados mensuráveis. O ganho médio de 11,4% em eficiência processual representa impacto direto no resultado operacional das instituições. Mais expressivo ainda: 38% dos bancos reportam ganhos superiores a 20%, indicando que a tecnologia, quando bem implementada, entrega retornos substanciais.

O KPMG Global AI in Finance Report de 2025 contextualiza esses números. Das 100 empresas brasileiras pesquisadas, 58% estão em processo de implementação de IA, enquanto apenas 15% atingiram estágio de maturidade. A distância entre esses dois grupos — implementadores e maduros — revela o principal desafio do setor: transformar adoção em capacidade estratégica.

Onde o Investimento se Concentra

A alocação de capital reflete prioridades. Quarenta e dois por cento das empresas destinam entre 5% e 10% do orçamento de TI para projetos de IA. Para investidores, esse percentual serve como indicador útil: instituições abaixo dessa faixa podem estar subinvestindo em competitividade futura; acima dela, podem estar assumindo riscos de execução.

O ROI reportado valida a tese de investimento. Entre as empresas maduras em IA, 67% afirmam que os resultados superam expectativas iniciais. No grupo geral, esse número cai para 26%. A mensagem é clara: maturidade em IA não se resume a orçamento, mas a capacidade de implementação, governança e integração com processos existentes.

As aplicações prioritárias concentram-se em três áreas: contabilidade, gestão de riscos e detecção de fraudes. Não por acaso, são funções onde precisão e velocidade geram impacto econômico imediato. Visa e Mastercard, por exemplo, utilizam machine learning para identificar transações fraudulentas em milissegundos — capacidade impossível para análise humana em escala.

O Crédito Como Caso de Uso Transformador

A aplicação mais disruptiva da IA no sistema financeiro brasileiro não está no back office, mas na originação de crédito. Instituições reportam aprovações até três vezes superiores ao modelo tradicional, com análise concluída em minutos utilizando dados alternativos — CPF, histórico de telefonia móvel, padrões comportamentais.

Para o mercado de capitais, esse movimento representa expansão de mercado endereçável. Populações historicamente desbancarizadas ou subatendidas tornam-se clientes viáveis. Mais relevante: a inadimplência não aumenta proporcionalmente. Modelos de IA bem calibrados conseguem precificar risco com maior precisão que scorings tradicionais, ampliando base de clientes sem deterioração de carteira.

Bancos digitais como Nubank e Inter lideram essa frente, mas instituições tradicionais aceleram. O Itaú Unibanco posiciona sua estratégia de IA como "copiloto financeiro", com ênfase em governança e transparência — resposta às crescentes demandas regulatórias e de consumidores.

A Lacuna Regulatória Brasileira

A pesquisa do Itaú Unibanco com a Consumoteca, envolvendo 5.000 brasileiros, revela tensão fundamental: 65% dos consumidores desejam IA como ferramenta de suporte em decisões financeiras, mas não como substituta de julgamento humano. Apenas 14% aceitam automação completa.

Essa preferência expõe o gap regulatório brasileiro. Enquanto a União Europeia avança com o AI Act e os Estados Unidos estruturam frameworks setoriais, o Brasil ainda carece de legislação específica para IA no sistema financeiro. A Anbima lançou em 2025 um guia de boas práticas para contratação de sistemas de IA — iniciativa importante, mas de caráter voluntário e não vinculante.

O Banco Central e a CVM permanecem observadores. A ausência de diretrizes claras sobre explicabilidade de modelos, viés algorítmico e responsabilidade por decisões automatizadas cria zona cinzenta jurídica. Para instituições, representa risco de compliance futuro. Para investidores, incerteza regulatória que pode impactar valuations.

Projeções e Implicações para Investidores

O setor projeta crescimento acima de 60% em investimentos em big data e analytics para 2025. A Febraban indica expansão das aplicações de IA para Open Finance, BaaS (Banking as a Service) e IA agêntica — sistemas capazes de executar tarefas complexas com mínima supervisão humana.

Para investidores institucionais, três implicações merecem atenção:

Primeiro, a maturidade em IA está se tornando diferencial competitivo mensurável. Instituições no grupo dos 15% maduros demonstram vantagens operacionais crescentes. Nos próximos 24 meses, essa distância tende a se ampliar.

Segundo, a infraestrutura de dados se consolida como ativo estratégico. Empresas com históricos robustos e bem estruturados de dados possuem vantagem na implementação de modelos de IA. Esse é um ativo intangível que ainda não está adequadamente precificado nos balanços.

Terceiro, a pressão regulatória é questão de quando, não de se. Investidores devem avaliar quais instituições estão antecipando requisitos de governança, transparência e explicabilidade. Quando a regulação chegar — e chegará —, empresas preparadas enfrentarão custos de adequação significativamente menores.

Conclusão Acionável

A adoção de IA no sistema financeiro brasileiro é realidade operacional com resultados mensuráveis. Os números de eficiência e ROI validam a tese tecnológica. O desafio se deslocou de "se adotar" para "como implementar com maturidade".

Para investidores, o momento pede análise diferenciada. Não basta verificar se a instituição usa IA — 80% usam. A pergunta relevante é: qual o nível de maturidade, governança e capacidade de escalar essas soluções? Empresas que respondem afirmativamente a essas questões estão construindo vantagens competitivas duradouras.

Em portfólios de instituições financeiras, a avaliação de capacidades em IA deve se tornar componente padrão de análise fundamentalista. A tecnologia deixou de ser diferencial para se tornar requisito de sobrevivência. A qualidade de sua implementação, essa sim, define vencedores e perdedores nos próximos ciclos.