O dilema dos bancos na era da IA: construir ou contratar inteligência para análise de crédito?
A inteligência artificial criou um paradoxo para os bancos: quanto mais fácil fica construir tecnologia, mais importante se torna decidir o que não construir. Modelos disponíveis como serviço, infraestrutura contratável e ferramentas que aceleram o desenvolvimento ampliaram o que pode ser feito dentro de casa.
As notícias de FIDCs e crédito estruturado, direto no seu e-mail.
A possibilidade técnica, porém, não responde a uma questão estratégica: onde vale a pena concentrar pessoas, capital e conhecimento?
A pergunta ganha peso diante do volume de recursos em jogo. Os bancos brasileiros devem destinar R$ 50,4 bilhões à tecnologia em 2026, 58% mais do que há cinco anos, segundo a Pesquisa Febraban de Tecnologia Bancária. A IA generativa aparece, ao lado de cloud, entre os temas protagonistas no orçamento, citada por 84% das instituições pesquisadas.
Essa escolha já aparece na esteira de crédito. Entre receber as informações de uma empresa e decidir se, quanto e em que condições emprestar há atividades de naturezas distintas: coleta e estruturação de dados, tratamento de documentos, avaliação da capacidade de pagamento, mensuração de risco e julgamento. A IA pode atuar em diferentes pontos desse processo, mas automatizar uma etapa não significa dominar a inteligência da decisão.
Desenvolver internamente é parte importante desse movimento. Experimentar permite compreender possibilidades e limitações da tecnologia, desenvolver competências e identificar casos de uso. Isso não significa, porém, que toda capacidade desenvolvida precise se tornar uma competência permanente da instituição.
A estruturação de demonstrações financeiras ajuda a entender a diferença. Uma aplicação pode extrair informações, identificar e classificar contas e transformar documentos em dados estruturados e padronizados. Quando entram demonstrações produzidas de maneiras diferentes, contas sem correspondência direta, informações ausentes, inconsistências e exceções, o desafio passa a envolver também conhecimento contábil-financeiro, regras de negócio, critérios de qualidade, supervisão humana, rastreabilidade e tratamento das situações encontradas ao longo da operação.
É esse acúmulo que transforma uma funcionalidade em especialização. E especialização em uma etapa não equivale à inteligência de crédito. Estruturar informações financeiras prepara insumos para uma análise que envolve capacidade de pagamento, endividamento, geração de caixa, dinâmica do negócio, características da operação e política de risco.
É nessa camada que estão competências que uma instituição pode considerar estratégicas: seus modelos de risco, critérios de concessão, limites, precificação e monitoramento da carteira. Preservá-las internamente não exige, necessariamente, desenvolver todas as tecnologias que produzem os insumos utilizados nessas decisões.
A escolha tem também uma dimensão econômica. Comparar apenas o preço de uma solução externa com o custo inicial de desenvolvimento interno deixa de fora equipes, infraestrutura, integrações, controles, atualizações e manutenção ao longo do tempo. A decisão precisa considerar o custo total de propriedade das alternativas e o valor do conhecimento que a instituição pretende desenvolver e manter internamente.
Uma pesquisa da McKinsey e da International Association of Credit Portfolio Managers ajuda a dimensionar como as instituições estão lidando com a IA generativa no negócio de crédito. O levantamento ouviu e pesquisou decisores de 44 instituições financeiras globais no segundo semestre de 2024. Oitenta por cento disseram ter acesso a soluções externas. Ao mesmo tempo, o estudo relata instituições desenvolvendo centros de excelência, ambientes seguros para experimentação, arquiteturas, processos e estruturas de governança.
O retrato é de um mercado ainda em construção. Segundo a mesma pesquisa, poucos casos de uso haviam chegado à implantação completa, e os bancos ainda enfrentavam limitações relacionadas a competências, frameworks, arquitetura operacional, validação, segurança de dados e precisão dos resultados.
Isso torna governança parte da decisão, independentemente de a tecnologia ter sido desenvolvida interna ou externamente. Uma pesquisa da Grant Thornton com 950 executivos C-level e líderes seniores de diferentes setores encontrou 78% sem forte confiança de que suas organizações conseguiriam passar por uma auditoria independente de governança de IA em até 90 dias.
Quando informações produzidas por uma tecnologia alimentam análises posteriores, qualidade e rastreabilidade deixam de ser questões apenas técnicas. É preciso saber como a qualidade é medida, como situações não previstas são tratadas, quando ocorre revisão humana, como erros são identificados e corrigidos e quais resultados de negócio podem ser demonstrados.
Para soluções externas, entram ainda questões como dependência tecnológica, portabilidade de dados, continuidade do fornecedor e possibilidade de substituição. Incorporar uma especialização não elimina a responsabilidade da instituição por compreender e governar a tecnologia que utiliza.
Há outra dimensão dessa escolha: o efeito da automação sobre a formação das equipes. Um estudo global do Boston Consulting Group com 70 executivos C-level e seniores encontrou metade dos entrevistados já observando perda de determinadas competências em suas organizações e mais de 60% avaliando que esse fenômeno poderá representar uma ameaça relevante ao negócio nos próximos três a cinco anos. Entre as capacidades apontadas como vulneráveis estão julgamento e tomada de decisão, compreensão e formulação de problemas, além de análise e raciocínio causal.
A questão merece atenção porque parte do desenvolvimento profissional ocorre pela exposição repetida a problemas, inconsistências e exceções. Se a IA passa a executar atividades que antes proporcionavam essa experiência, automatizar trabalho também exige repensar como essas competências continuarão sendo desenvolvidas.
A escolha, portanto, não cabe apenas na oposição entre construir e contratar. Antes dela vêm perguntas mais importantes: que conhecimento realmente diferencia a instituição? Quanto custa desenvolvê-lo e mantê-lo? Que especializações podem ser incorporadas sem abrir mão dessa diferenciação? E quais competências precisam continuar sendo formadas internamente?
Automatizar partes de um processo não significa terceirizar a inteligência que orienta a decisão. Pode permitir que capital, tecnologia e talento sejam concentrados justamente nas competências que a instituição considera estratégicas.
Quando a capacidade de construir aumenta, construir deixa de ser a única medida de maturidade tecnológica. A decisão passa a ser onde vale a pena percorrer a própria curva de aprendizado — e onde faz mais sentido incorporar uma especialização já desenvolvida.
Newsletter FIDC News
Não perca a próxima edição
As movimentações do mercado de FIDCs, securitização e recebíveis, com a análise do FIDC News, no seu e-mail.
Gratuita. Você cancela quando quiser. Veja a Política de Privacidade.
O .fidcnews é um veículo digital focado em notícias e análises sobre Fundos de Investimento em Direitos Creditórios (FIDC), com o propósito de tornar acessíveis os dados e tendências do mercado de crédito estruturado. Nossas matérias devem ser entendidas como boletins informativos e divulgadores de insights setoriais, não configurando recomendação de investimento.
Comentários
Ainda não há comentários. Seja o primeiro a comentar.
Deixe um comentário
Seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *
