s
ENTRE DADOS E RESULTADOS

Por que a IA pode custar mais caro para o Brasil do que para os EUA?

Estamos construindo inovação ou financiando dependência?

No mundo corporativo, existe uma linha tênue entre inovação e teatro. Se a sua transformação digital não mexe na estrutura de poder, no ROE (Return on Equity, ou Retorno sobre o Patrimônio Líquido), ou na arquitetura de decisão, ela é apenas um slide caro com um logo de Inteligência Artificial (IA) no canto superior.

Recentemente, um estudo sobre setor bancário norte-americano, do “Center for Advanced Research in Finance”, da Universidade de Tokyo, deu nome a um fenômeno que muitos executivos sentem, mas poucos sabem medir: o Innovation Tax (Imposto de Inovação).

A tese é simples: a Inteligência Artificial Generativa (GenAI) gera um paradoxo de produtividade. Bancos que adotam a tecnologia são, em teoria, mais eficientes, mas, no curto prazo, o ato de implementar a solução causa um tombo médio de 428 pontos-base no ROE. É o custo da transição. É a “barriga” do retorno em curva J, conceito que descreve uma situação em que, no início de um investimento ou mudança, o desempenho piora, fica negativo ou abaixo do esperado, para, depois de um período, se recuperar e ultrapassar o nível inicial, resultando em ganhos maiores no longo prazo.

CADASTRE-SE GRÁTIS PARA ACESSAR 5 CONTEÚDOS MENSAIS

Já recebe a newsletter? Ative seu acesso

Ao cadastrar-se você declara que está de acordo
com nossos Termos de Uso e Privacidade.

Cadastrar

Mas esta história parece ter uma reviravolta inesperada: enquanto a discussão é sobre como o regulador americano deve agir para salvar os bancos pequenos desse imposto, o Brasil já fez a lição de casa regulatória, mas, mesmo assim, corre o risco de pagar um imposto muito mais alto.

A Escala Davenport e o mito do “legado”

Para entender o jogo, precisamos olhar para a maturidade analítica. Thomas Davenport, em sua tese seminal sobre competição analítica, divide as empresas em cinco níveis. Nos EUA, o estudo mostra que a maioria dos bancos pequenos e médios está estagnada abaixo do nível 3. Eles sofrem para integrar sistemas legados e infraestruturas heterogêneas. Para eles, o “Imposto de Inovação” é uma barreira de entrada quase intransponível, favorecendo gigantes como JP Morgan e Capital One, que diluem o custo fixo de GPUs (Graphics Processing Units) e cientistas de dados em bases colossais de ativos.

No Brasil, a história começa diferente. Graças ao fomento direto do Banco Central (que deu origem ao Pix e ao Open Finance), os nossos novos entrantes e bancos digitais já nascem “nível 4 ou 5”. Eles não precisam lutar contra o legado, pois já operam em arquitetura de nuvem, com fluidez de dados e foco total em experiência. O regulador brasileiro fez exatamente o que os acadêmicos clamam que o Federal Reserve, Banco Central dos Estados Unidos, faça.

Deveríamos estar vencendo, certo? Errado. É aqui que entra a armadilha da soberania.

O risco do acoplamento e a ilusão do varejo

A agilidade que vemos nos bancos de varejo brasileiro é um colírio, mas ela esconde um deserto no atacado. Quando olhamos para o crédito corporativo e o financiamento da indústria, a agilidade desaparece. O “Imposto de Inovação” nos bancos pode gerar o que chamo de transbordo negativo para a economia produtiva. Se o banco brasileiro não consegue reduzir seu custo operacional via IA por causa de gargalos infraestruturais, o crédito continua caro e lento.

A indústria brasileira, que já luta contra o custo Brasil, passa a importar a ineficiência tecnológica do setor financeiro.

Além disso, enfrentamos o perigo do Acoplamento Algorítmico. Hoje, quase todo o setor financeiro está “plugado” em poucas Big Techs (OpenAI, Amazon, Google). Se um desses modelos falha ou muda sua política de preços, o risco sistêmico é imediato. É o que o estudo americano chama de falha correlacionada.

Do OPEX ao CAPEX: a batalha pela Soberania de Dados

Os bancos americanos de ponta já entenderam o antídoto: a Soberania Corporativa de Dados. Eles estão migrando do modelo de pagar por “tokens” (OPEX) para o modelo de treinar seus próprios Small Language Models (SLMs) dentro de casa (CAPEX). É uma mudança de estratégia contábil. O investimento inicial é alto (treino e infraestrutura), mas o custo marginal de uso cai drasticamente, e a segurança jurídica e operacional sobe.

O problema é que, no Brasil, não temos infraestrutura local de hardware (GPUs em larga escala) para sustentar esse fine-tuning  (treinamento necessário para transformar um modelo de linguagem genérico em um especializado) de forma soberana. Para fazermos o que os americanos fazem, teremos que importar processamento. Ou seja, nosso “Imposto de Inovação” terá uma “alíquota” de importação tecnológica.

Se continuarmos dependentes apenas de APIs (Application Programming Interface) externas, a nossa vantagem regulatória (Pix/Open Finance) será anulada pela nossa dependência de infraestrutura estrangeira. Estamos trocando uma soberania por outra.

Mais métrica econômica, menos narrativa

O que falta para o Brasil competir de igual para igual não é mais “ideia disruptiva”. É método e consciência de infraestrutura.

  1. A ciência esconde a oportunidade:
    Precisamos de pesquisa nacional aplicada para definir nossos próprios problemas de IA, em vez de importar soluções prontas que não entendem as nuances do nosso mercado local.
  2. O fim do teatro:
    Executivos precisam parar de comemorar pilotos de IA que apenas resumem e-mails e focar em como a IA pode redesenhar o core da operação.
  3. Soberania como KPI:
    A pergunta na mesa do conselho deveria ser: “Se a <OpenAI, Amazon ou Google> desligar a chave amanhã, nossa operação para?”

Qual deveria ser o próximo passo?

O Brasil provou que sabe liderar em regulação financeira. O Pix é um case global. Mas inovação regulatória sem soberania de dados é apenas pavimentar a estrada para outros dirigirem.

O “Imposto de Inovação” existe, é real e dói no ROE. Para os bancos brasileiros, a saída não é fugir do investimento, mas ter a coragem de mudar a estratégia contábil e técnica: parar de alugar inteligência e começar a construir a própria infraestrutura analítica.

Se você trabalha em banco, minha pergunta é: “O seu banco está construindo um sistema operacional para o futuro ou está apenas pagando uma assinatura cara para parecer moderno?”

Estratégia sem operação é ficção. E o tempo da ficção acabou quando o primeiro ponto-base do ROE começou a cair.

Se duas equipes usaram o mesmo modelo de IA, por que só uma aprendeu com ele?

Entre Dados e Resultados

Se duas equipes usaram o mesmo modelo de IA, por que só uma aprendeu...

A Inteligência Artificial amplifica nos dois sentidos. Pode acelerar o aprendizado ou apenas dar mais confiança para uma decisão que já estava tomada. O método decide o lado.

Por que o ROI da sua IA está sendo cobrado por uma dívida do passado

Entre Dados e Resultados

Por que o ROI da sua IA está sendo cobrado por uma dívida do passado

Antes de concluir que a IA custa caro demais, vale separar o que é investimento no caso de uso, o que é infraestrutura para o futuro e o que é uma dívida tecnológica que a empresa já carregava.

Novo paradoxo da IA: 66% no piloto e 7% preocupados em sair dele

Entre Dados e Resultados

Novo paradoxo da IA: 66% no piloto e 7% preocupados em sair dele

Sem dono e sem orçamento, a IA fica presa no piloto. E a engrenagem que trava a escala é invisível para quem está dentro dela.

Banco peruano veio a São Paulo quatro vezes, nos copiar, e achamos que estamos atrasados

Entre Dados e Resultados

Banco peruano veio a São Paulo quatro vezes, nos copiar, e achamos qu...

O Brasil se acostumou a se enxergar como atrasado. Em serviços financeiros, porém, já virou referência para quem tenta avançar.

Um raio de explosão separa quem testa IA de quem lucra com ela

Entre Dados e Resultados

Um raio de explosão separa quem testa IA de quem lucra com ela

Você sabe qual é o que está rodando na sua operação agora? Ou está torcendo para que nada aconteça?

O time de dados passou anos convencendo a empresa a usar tecnologia e agora aconselha o contrário

Entre Dados e Resultados

O time de dados passou anos convencendo a empresa a usar tecnologia e...

A Inteligência Artificial mudou o problema de quem lidera dados e TI. Antes era preciso convencer a empresa a experimentar e agora é preciso saber quando dizer não.