A inteligência artificial deixou de ser discutida apenas como ferramenta experimental no mercado financeiro. Instituições já utilizam diferentes modelos para atendimento, análise de dados, prevenção a fraudes, segurança, crédito, pesquisa e automação de tarefas.
Em junho de 2026, o Financial Stability Board apresentou doze práticas para adoção responsável de inteligência artificial por instituições financeiras, abordando governança, ciclo de vida dos modelos, riscos tecnológicos, cibersegurança e dependência de terceiros.
O debate, portanto, mudou de natureza. A pergunta já não é apenas se uma instituição utilizará inteligência artificial, mas como conseguirá ampliar seu uso sem perder capacidade de entender, supervisionar e controlar aquilo que os sistemas estão fazendo.
Produtividade é o ganho mais visível
Grande parte da adoção começa pela automação de tarefas como resumos, pesquisas, classificação de documentos, geração de textos e organização de informações.
No mercado financeiro, o potencial é elevado porque muitas atividades dependem intensamente de dados e documentação. A redução de tempo operacional pode liberar profissionais para atividades que exigem julgamento, relacionamento ou análise mais profunda.
Velocidade, porém, não garante qualidade. Uma resposta errada produzida em segundos continua sendo uma resposta errada, e o ganho de produtividade pode desaparecer rapidamente quando não existe um processo capaz de validar o resultado.
IA pode ampliar a capacidade de análise
Modelos conseguem processar grandes volumes de informações e identificar relações difíceis de observar manualmente, o que pode apoiar crédito, monitoramento de fraude, análise de comportamento de clientes e gestão de riscos.
Essa capacidade vem acompanhada de maior complexidade. Quanto menos compreensível for o funcionamento de um modelo, maior tende a ser a necessidade de controles, testes e validação.
O ganho de escala precisa, portanto, ser equilibrado com a capacidade de compreender como as decisões são produzidas.
Responsabilidade não desaparece quando a decisão é automatizada
Delegar uma atividade a um sistema não transfere responsabilidade para a máquina. A instituição precisa definir quem aprova o modelo, quem acompanha seus resultados, quem valida alterações e quem responde quando ocorre uma falha.
As práticas propostas pelo FSB trabalham justamente com uma visão de ciclo de vida, na qual desenvolvimento, contratação, implantação, monitoramento e descontinuação precisam fazer parte da governança.
Isso é especialmente importante em aplicações capazes de produzir consequências financeiras relevantes para clientes ou para a própria instituição.
Dados são uma fonte de risco
Modelos dependem dos dados utilizados para treinamento, ajuste e operação. Informações incompletas podem gerar resultados inadequados, enquanto bases enviesadas podem reproduzir problemas já existentes em escala maior.
Informações confidenciais também exigem atenção. Enviar dados de clientes, estratégias ou documentos internos para ferramentas externas pode criar exposição operacional, regulatória e jurídica.
Governança de IA, portanto, começa também pela governança de dados.
Terceirização tecnológica pode criar concentração
Muitas instituições utilizam os mesmos provedores de infraestrutura, nuvem ou modelos, o que gera eficiência e reduz custos de implementação.
Essa concentração também cria dependência comum. Uma falha em fornecedor crítico pode afetar diversas instituições simultaneamente, aumentando a dimensão potencial do problema.
Por isso, o FSB inclui risco de terceiros entre as práticas propostas para o setor financeiro.
IA muda a dinâmica da cibersegurança
Em junho de 2026, o FMI publicou estudo sobre inteligência artificial e cibersegurança no setor financeiro, destacando que IA pode aumentar velocidade, frequência e alcance da descoberta e exploração de vulnerabilidades.
A mesma tecnologia também pode melhorar defesa, detecção e capacidade de resposta. O problema está na escala e na velocidade com que ataque e defesa podem passar a ocorrer.
Em determinados cenários, sistemas automatizados podem agir em ritmo superior à capacidade de intervenção humana, exigindo que controles sejam incorporados diretamente à própria arquitetura tecnológica.
Modelos semelhantes podem gerar respostas semelhantes
Existe também uma dimensão sistêmica relacionada ao uso de modelos ou infraestruturas semelhantes por diferentes instituições.
Quando várias organizações utilizam as mesmas ferramentas, elas podem responder de maneira parecida a um mesmo choque, aumentando correlações e produzindo comportamentos sincronizados.
Esse risco é particularmente relevante quando sistemas participam de negociação, concessão de crédito ou controle de risco.
IA não elimina a importância do conhecimento técnico
Ferramentas facilitam a produção de respostas, mas isso aumenta a importância de saber avaliá las.
Um profissional sem conhecimento suficiente pode aceitar uma conclusão apenas porque foi apresentada com segurança e em linguagem convincente. Um especialista tende a identificar incoerências com maior facilidade justamente porque possui repertório para confrontar a resposta.
A IA pode reduzir esforço operacional e, ao mesmo tempo, aumentar a importância do julgamento humano.
Nem todo uso possui o mesmo risco
Gerar uma primeira versão de um relatório é muito diferente de decidir crédito, aprovar uma transação ou executar uma ordem.
Governança eficiente precisa diferenciar esses usos, porque quanto maior o efeito potencial da decisão, maior tende a ser a necessidade de validação, documentação, controle e supervisão.
Essa diferenciação evita aplicar controles excessivos a tarefas simples e controles insuficientes a aplicações críticas.
O acesso à tecnologia tende a se commoditizar
Modelos sofisticados estão se tornando acessíveis a um número crescente de empresas, reduzindo o valor competitivo de simplesmente possuir acesso à tecnologia.
Dados próprios, processos, integração e capacidade de implementação passam a determinar parte maior do resultado.
Uma empresa pode possuir uma ferramenta excelente e aplicá la a processos ruins. Nesse caso, apenas executará os mesmos problemas com maior velocidade.
A vantagem pode estar na organização
Instituições que conseguirem combinar tecnologia, dados, processos e governança terão melhores condições de transformar IA em valor econômico.
Isso envolve treinamento, integração de sistemas, arquitetura de informação, responsabilidade e capacidade de revisar permanentemente o funcionamento dos modelos.
A inteligência artificial pode aumentar produtividade, mas seu efeito mais profundo será determinado pela capacidade das organizações de redesenhar processos sem perder controle, segurança e qualidade de decisão.