Em meio a um potencial quase infinito para o uso da ferramenta da vez, há questões práticas e éticas que precisam ser endereçadas com urgência

*Por Fabio Ferreira

Se há pressão pela adoção da inteligência artificial em praticamente todas as atividades comerciais, no setor financeiro não seria diferente, certo? 

Não exatamente. As conversas para acelerar a adoção da IA e expandir seu uso em bancos, fintechs, financeiras e outras empresas do ramo existem, e estão focadas principalmente em automatizar operações, reduzir custos e ampliar a personalização de produtos. Porém, quanto mais sofisticada fica a inteligência artificial disponível para os clientes, maior é a demanda por transparência, controle e presença humana. 

Essa não é uma constatação pessoal, apenas, mas um achado do estudo de Tendências Bancárias 2026 da Accenture, conduzido com 10 mil clientes em dez mercados, incluindo mil respondentes no Brasil, e que traça um mapa das expectativas dos consumidores em relação à adoção de IA nos serviços financeiros. A pesquisa mostra que o desafio para as lideranças de tecnologia do setor é encontrar meios de implementar sistemas de IA capazes de agir de forma autônoma e, ao mesmo tempo, garantir que os clientes ainda se sintam seguros e senhores de seus processos. Não é uma tarefa simples.

O que é e o que pode vir a ser

Antes de mais nada, cabe reconhecer que a inteligência artificial já está incorporada ao setor financeiro. A Federação Brasileira de Bancos (Febraban) divulgou uma pesquisa onde identificou que, em 2025, 88% dos bancos utilizavam IA generativa em suas operações internas, enquanto os investimentos em tecnologia atingiram R$ 42,3 bilhões. Ao longo desse mesmo ano, 7.473 postos de trabalho foram eliminados, em grande parte devido à inteligência artificial.

Essa é a realidade. Mas até que a IA esteja amplamente presente de ponta a ponta na operação do setor, há um longo caminho a percorrer. O potencial é imenso, pois essa jornada gera uma infinidade de dados – as informações vêm de cartões de crédito, cupons fiscais, transações eletrônicas, e tudo isso é cruzado com o CPF ou CNPJ do cliente, permitindo a criação de uma ampla gama de produtos personalizados com muito mais rapidez e assertividade do que o modelo ainda dominante, no qual o gerente propõe produtos e serviços a partir da análise humana. 

Entretanto, há desafios significativos a serem resolvidos antes. As questões de privacidade, como seria de se imaginar, são as mais delicadas, e ainda não há uma solução que as resolva a contento. As discussões regulatórias estão acontecendo em ritmo lento, e existe uma dimensão ética que precisa ser contemplada, considerando o baixo nível de educação financeira da população brasileira.

Preparar antes de investir

Um problema comum na adoção de novas tecnologias é a mentalidade do “primeiro a gente implanta, depois a gente vê o que faz”. Segurança e conformidade são práticas que devem ser integradas, não adicionadas posteriormente. Criptografia em repouso e em trânsito, técnicas de privacidade diferencial e trilhas de auditoria protegem dados sensíveis do cliente, mas isso precisa estar bem definido na regulação – a qual ainda é embrionária.

Além da privacidade, um risco significativo é o enviesamento de dados. Já é consenso que modelos sem viés começam com dados sem viés, mas garantir que isso aconteça na prática não é simples: exige que os conjuntos de dados sejam diversos e bem rotulados, além de receberem revisões obrigatórias de explicabilidade. Sem isso, a inteligência artificial fatalmente vai incorrer em resultados discriminatórios na avaliação de empréstimos, seguros e de gestão de patrimônio.

Além disso, faltam profissionais capacitados para essas sutilezas. O capital humano é o verdadeiro diferencial no uso eficaz da IA. Programas de capacitação direcionados e parcerias acadêmicas poderiam reduzir a lacuna de talentos em IA, garantindo que cientistas de dados, gestores de risco e auditores falem uma linguagem comum. Essa é uma movimentação que já ocorre no setor financeiro australiano, por exemplo, e começa a aparecer em alguns países europeus, mas da qual ainda não se tem notícia aqui no Brasil.

Poupar  empolgação e aplicar recursos

Implementar IA exige um planejamento meticuloso, que abrange treinamento dos modelos, aprimoramento das estratégias de IA e garantia do alinhamento de ferramentas, contratadas ou proprietárias, com os sistemas e processos de negócios existentes.  Essa última parte é particularmente multifacetada, pois exige aprimorar a qualidade dos dados, garantir processos transparentes e justos de tomada de decisão, e desenvolver modelos robustos.

Se queremos alcançar uma integração harmoniosa da inteligência artificial com os serviços financeiros, é preciso estabelecer diretrizes éticas, medidas de segurança de dados e um compromisso com as implicações sociais do uso dessa tecnologia. Em suma, as instituições sérias do setor precisam se preocupar com a maneira como vão processar as informações que circulam em suas operações.