Em julho, o CIO do Goldman Sachs, Marco Argenti, elogiava funcionários de áreas de negócio que criavam soluções com Inteligência Artificial. Um profissional identificava um problema, montava um protótipo e o entregava à engenharia para aperfeiçoamento. Em outubro, o banco restringiu o acesso às ferramentas de programação. A mudança, revelada pela Bloomberg em 2 de novembro, ocorreu após uma avaliação de produtividade e riscos.
A orientação limita ferramentas como Claude Code, da Anthropic, e as de programação do GitHub aos engenheiros. Ficaram de fora da restrição os chamados strats, profissionais que combinam negociação, pesquisa quantitativa e desenvolvimento de software. Traders e banqueiros usavam os agentes para modelar posições, acompanhar fluxos de clientes e redigir conteúdo.
À Bloomberg, o porta-voz Nick Carcaterra explicou que a experimentação ajuda o banco a identificar os melhores usos e definir quem deve continuar com acesso. O banco mantém um assistente próprio, que combina modelos da OpenAI, da Anthropic e da Alphabet. A restrição atinge agentes de terceiros capazes de escrever e executar código sozinhos.
A decisão oferece um caso concreto para empresas que estimulam seus funcionários a desenvolver aplicações próprias. Quem conhece o problema pode conseguir construir uma primeira solução sem entrar na fila de TI. Depois, alguém precisa conferir os cálculos, testar o comportamento do programa, controlar o acesso aos dados e manter tudo funcionando. Dependendo das permissões concedidas, agentes de código podem acessar arquivos, consultar sistemas e executar comandos. A empresa precisa definir quais dados essas ferramentas podem usar e como o software produzido será revisado antes de entrar na operação. A IA reduz o esforço para começar. As responsabilidades continuam ao longo da vida do software.
É justamente nessa passagem que a conta da produtividade pode mudar. Um protótipo feito em poucas horas pode poupar semanas de espera e ajudar a explicar uma necessidade à equipe técnica. Também pode exigir revisão extensa antes de ser usado por outras pessoas. Para avaliar o ganho, a empresa precisa acompanhar o percurso completo, incluindo testes, correções, suporte e manutenção. Medir apenas a velocidade de criação deixa parte do trabalho fora da conta. O custo de cada uso também entra nela. Em 14 de julho, na apresentação dos resultados do segundo trimestre, o diretor financeiro do JPMorgan, Jeremy Barnum, disse que resumir um relatório de analista não exige o modelo mais avançado e caro. A orientação do banco é usar o modelo certo para cada finalidade.
Na Cisco, um engenheiro recebeu ampla liberdade para testar até onde essas ferramentas podem chegar. O presidente e diretor de produto, Jeetu Patel, contou à Fortune que deu tokens de IA ilimitados a Padmanabhan Krishnamurthy, de 27 anos, cofundador de uma startup comprada pela Cisco em 2025. A meta é refatorar 98% do código legado em 24 meses, e ele se deu quatro semanas para provar o método. A reportagem não apresenta resultados da iniciativa.
O Goldman dispõe de uma equipe de engenharia expressiva para revisar e desenvolver essas soluções. Em setembro, ao anunciar um novo escritório de engenharia em Bellevue, nos Estados Unidos, informou que empregava mais de 12 mil engenheiros, cerca de um quarto de sua força de trabalho global. É nesse grupo que o banco agora concentra o acesso às ferramentas.
O próprio banco já havia discutido a distância entre uma demonstração e um produto confiável. Em episódio do Goldman Sachs Exchanges publicado em 24 de agosto, Chris Churchman, responsável pela plataforma Marquee, descreveu o esforço para vincular respostas da IA a fontes verificáveis e cálculos auditáveis. Para aplicações financeiras, explicou, a confiabilidade precisa ser construída desde o início. Acrescentá-la ao final é uma das partes mais difíceis do desenvolvimento.
As informações públicas sobre a nova orientação, porém, não permitem concluir que os protótipos tenham provocado incidentes, aumentado despesas ou reduzido a produtividade. O banco citou fatores de produtividade e gestão de risco, sem divulgar métricas que expliquem o peso de cada um. Também não informou quantos funcionários perderam o acesso. Não há base para tratar a decisão como prova de que profissionais de negócio devam abandonar a criação de aplicações. O caso mostra uma empresa revendo a distribuição de acesso após experimentar essas ferramentas.
A exceção concedida aos strats sugere que reunir conhecimento do negócio e competência técnica pode pesar na distribuição de acesso. Esse encontro pode orientar treinamento, revisão e permissões. A divisão de responsabilidades precisa ficar clara antes que uma solução pessoal passe a sustentar o trabalho de uma equipe.
Ao restringir o acesso, o banco também precisa decidir como aproveitar as ideias de quem conhece os problemas do negócio. Se cada melhoria voltar à fila da engenharia, parte do ganho da experimentação pode se perder. A conta depende do percurso completo: quanto tempo uma ideia leva para chegar à operação, quanto custa mantê-la e quem responde por ela. A IA encurtou o caminho até o protótipo. O ganho de produtividade precisa sobreviver ao que vem depois.