O Setor Financeiro Global Aposta R$ 50 Bilhões em IA — E Ainda Não Sabe Como Regular

O Paradoxo da Liderança Digital

O Brasil construiu nos últimos cinco anos uma infraestrutura financeira digital que é estudada globalmente. Pix processa mais de 40 bilhões de transações anuais. Open Finance conecta instituições em tempo real. A arquitetura de confiança digital brasileira — combinando transparência algorítmica e sistemas antifraude — se tornou referência internacional. Mas esse mesmo país enfrenta um problema estrutural que pode comprometer sua capacidade de liderar a próxima fase dessa revolução: falta gente qualificada para construir os sistemas de inteligência artificial que vão sustentar esse ecossistema.

Os números da Febraban em parceria com a Deloitte revelam um setor financeiro brasileiro disposto a investir pesado. Dos R$ 47,8 bilhões destinados à tecnologia até o fim de 2025, uma parcela significativa está alocada em IA, big data e analytics. Para contextualizar: esse montante equivale a aproximadamente 0,45% do PIB brasileiro, um percentual que coloca o setor financeiro nacional entre os mais intensivos em tecnologia do mundo quando consideramos a proporção sobre o valor adicionado pelo setor.

Mas investimento sem talento é capital mal alocado. Ivo Mósca, diretor de Inovação da Febraban, tem sido direto ao apontar o gargalo: a escassez de profissionais qualificados em IA no Brasil é dramática quando comparada a mercados como Índia e China. Não se trata apenas de formar mais engenheiros de software. A IA aplicada ao setor financeiro exige profissionais que entendam simultaneamente de ciência de dados, regulação financeira, gestão de risco e ética algorítmica — um perfil raro em qualquer lugar do mundo, mas particularmente escasso no Brasil.

O Silêncio Regulatório Não É Acidental

O Banco Central brasileiro adota uma postura que pode parecer paradoxal: reconhece os riscos sistêmicos da IA, monitora ativamente seu uso pelas instituições financeiras, mas não pretende criar normas específicas no curto prazo. Essa abordagem tem lógica. Regular prematuramente poderia engessá-la antes de entendermos suas possibilidades. Mas também carrega riscos.

A capacidade técnica do BC é reconhecida — a instituição tem equipes que acompanham desenvolvimentos de IA aplicada a finanças em tempo real. O que está em jogo não é competência técnica, mas timing regulatório. Sistemas de IA já tomam decisões de crédito, detectam fraudes, executam operações no mercado de capitais e gerenciam carteiras. A cada mês que passa sem framework regulatório claro, mais precedentes são estabelecidos, mais dependência é criada, mais difícil fica desenhar regras que não quebrem sistemas em operação.

Globalmente, o mercado de IA em fintechs deve atingir US$ 97,7 bilhões até 2033. Esse crescimento não será linear nem uniforme. Concentração de poder computacional, acesso a dados e capacidade de processar informação em escala criam vantagens competitivas que se auto-reforçam. Os primeiros a dominar IA em finanças não apenas capturam valor — eles redefinem as regras do jogo para todos os demais.

Precisão de 95% Não Significa Decisões Corretas

Estudos recentes mostram que sistemas de IA podem atingir até 95% de precisão em previsões financeiras quando integrados a múltiplas fontes de dados — CRM, ERP, informações de mercado em tempo real. Esse número impressiona, mas esconde uma questão fundamental: precisão não é sinônimo de correção. Um modelo pode ser extremamente preciso em prever comportamentos passados e completamente inadequado para antecipar rupturas.

Das empresas pesquisadas pela PwC, 79% já utilizam agentes de IA em seus processos, e 88% planejam ampliar investimentos nos próximos 12 meses. Mais revelador: 66% reportam ganhos concretos de produtividade. Mas produtividade medida como? Velocidade de processamento? Redução de custos operacionais? Capacidade de tomar mais decisões no mesmo intervalo de tempo?

A questão que ninguém está fazendo é: se todos os players do mercado financeiro usam modelos de IA treinados em dados similares, alimentados pelas mesmas fontes de informação, processando padrões comparáveis, não estaríamos criando um sistema financeiro mais eficiente mas também mais homogêneo? E sistemas homogêneos são, por definição, mais frágeis a choques.

O Mercado Brasileiro de IA Vai Movimentar R$ 45 Bilhões em 2026

Projeções apontam que o mercado brasileiro de IA deve gerar receita total de R$ 45 bilhões em 2026, com crescimento de 35% sobre o ano anterior. Desse total, investimentos específicos em tecnologias de IA atingem R$ 12 bilhões, com destaque para o setor financeiro. Esses números colocam o Brasil como um dos mercados de crescimento mais acelerado em IA na América Latina.

Mas crescimento acelerado em tecnologia sem base educacional correspondente gera distorções. Salários de profissionais qualificados em IA já ultrapassam facilmente R$ 30 mil mensais para posições intermediárias e podem chegar a R$ 100 mil para especialistas seniores. Essa pressão salarial é sintoma de escassez, não de valorização estrutural da área. Quando a oferta de profissionais eventualmente se ajustar à demanda, o que vai diferenciar competitividade não será apenas domínio técnico, mas capacidade de aplicar IA com discernimento estratégico.

O Plano Brasil Digital+, iniciativa multissetorial que busca posicionar o país como líder digital até 2030, reconhece esse desafio. Mas planos estratégicos não formam cientistas de dados. Universidades brasileiras graduam anualmente cerca de 53 mil profissionais em computação e áreas correlatas. Desses, quantos têm formação específica em IA aplicada a finanças? Uma fração pequena demais para sustentar o ritmo de investimento que o setor planeja.

Modelos Agênticos e Decisões em Tempo Real

A tendência para 2026 aponta para sistemas de IA mais especializados e autônomos. Modelos agênticos — sistemas que não apenas processam informação mas tomam decisões e executam ações sem intervenção humana — já estão sendo testados em operações financeiras. A promessa é tentadora: decisões de investimento em milissegundos, rebalanceamento automático de portfólios conforme condições de mercado, detecção e resposta a anomalias antes que se tornem crises.

Mas autonomia algorítmica em finanças carrega riscos sistêmicos óbvios. O flash crash de 2010, quando o Dow Jones despencou quase 1.000 pontos em minutos devido a algoritmos de trading interagindo entre si, aconteceu com sistemas muito mais simples que os modelos de IA atuais. Sistemas agênticos operando simultaneamente em múltiplas instituições, reagindo uns aos outros em tempo real, podem criar loops de feedback que amplificam volatilidade em vez de suavizá-la.

A arquitetura de confiança digital brasileira, elogiada por sua transparência algorítmica, precisa evoluir para dar conta desse novo patamar de complexidade. Transparência em IA não significa apenas documentar quais dados foram usados e quais regras foram aplicadas. Significa ser capaz de explicar por que um modelo tomou determinada decisão em contexto específico — e isso, com redes neurais profundas, continua sendo um problema em aberto na ciência da computação.

O Que Isso Significa Para Quem Investe

Investidores precisam distinguir entre empresas que usam IA como ferramenta e empresas que dominam IA como competência essencial. No setor financeiro, essa distinção vai se tornar crítica nos próximos três anos. Instituições que tratam IA como fornecedor terceirizado estarão em desvantagem estrutural contra aquelas que desenvolvem capacidade interna.

Mas há uma oportunidade menos óbvia: empresas de educação e formação especializada em IA para finanças. O gap de talentos não vai se resolver sozinho, e quem conseguir escalar formação de qualidade nessa área captura valor em um mercado com demanda praticamente garantida pelos próximos cinco anos.

Outra implicação: a concentração no setor financeiro deve acelerar. Bancos e fintechs de médio porte que não conseguirem investir em IA na escala necessária enfrentarão pressão competitiva crescente. Fusões e aquisições no setor devem aumentar, não por fragilidade financeira, mas por obsolescência tecnológica.

Finalmente, investidores internacionais devem prestar atenção ao Brasil não apesar de suas contradições, mas por causa delas. Um país que lidera em infraestrutura digital mas carece de talentos para sustentar essa liderança é, por definição, um mercado com espaço para arbitragem de conhecimento. Quem conseguir trazer expertise em IA para o ecossistema brasileiro encontra demanda reprimida e disposição para pagar por soluções que funcionem.

A transformação do setor financeiro por inteligência artificial não é mais uma previsão — é uma realidade em construção acelerada. O Brasil tem a infraestrutura digital, tem o apetite por investimento, tem a capacidade regulatória. Falta o componente que nenhum orçamento compra instantaneamente: pessoas que sabem fazer IA funcionar onde importa. Essa é a restrição que define o ritmo real da transformação, não os números dos press releases.