A IA Agêntica pode ter começado como uma evolução tecnológica, mas ela claramente avançou para se transformar em mudança estrutural na operação das instituições financeiras. Mas para que essa transformação não fique no discurso, as instituições financeiras devem olhar para arquitetura tecnológica, governança de dados, gestão de riscos, modelos organizacionais e capacitação da força de trabalho.
Em outras palavras, a próxima fase da transformação digital no setor financeiro implica reconstruir operações inteiras ao redor dela.
Estudos recentes de McKinsey, Moody’s, Savant Labs e Deloitte indicam um potencial enorme que inclui saltos de produtividade, melhor tomada de decisão e workflows inteiramente novos. Mas a mudança também traz riscos inéditos e exige uma revisão profunda de governança, arquitetura tecnológica e modelos operacionais.
Uma nova infraestrutura para operações bancárias
Segundo o levantamento da McKinsey, a IA Agêntica pode se tornar um divisor de águas para os bancos, principalmente nas áreas de operações e serviços. Em muitas instituições financeiras, entre 50% e 60% da força de trabalho está vinculada a atividades operacionais, o que torna o setor particularmente suscetível à automação inteligente. Diferentemente da automação tradicional, os agentes de IA conseguem executar tarefas que exigem raciocínio e coordenação entre múltiplos sistemas, como:
- Análise de crédito
- Monitoramento de risco
- Processamento de documentos
- Atendimento ao cliente
- Avaliação de conformidade regulatória
Se implementados em larga escala, esses sistemas podem gerar de 40% a 70% de capacidade adicional nas operações, dependendo do processo e do nível de integração tecnológica alcançado. Essa transformação também altera a natureza do trabalho dentro das instituições financeiras. Em vez de dedicar grande parte do tempo à coleta e organização de dados, os profissionais passam a atuar principalmente na análise estratégica e na tomada de decisões.
Mais dados, decisões mais rápidas
A adoção de IA Generativa e agentes autônomos já começa a produzir resultados mensuráveis. Uma análise da Moody’s baseada em mais de 100 mil interações com o Moody’s Research Assistant mostrou que profissionais do setor financeiro passaram a acessar até 60% mais dados e insights, enquanto reduzem o tempo gasto nas tarefas em cerca de 30%.
O impacto aparece especialmente em atividades analíticas:
- 39% das interações são voltadas a pesquisas temáticas e ajustes estratégicos
- 32% envolvem análise financeira detalhada
- 20% são usadas para identificar novas oportunidades de investimento ou negócios.
Outro efeito importante é a padronização da qualidade das análises. Segundo o estudo, ferramentas baseadas em IA permitem que analistas juniores produzam relatórios e avaliações com estrutura e abrangência comparáveis às de profissionais mais experientes, reduzindo o gap de experiência dentro das equipes. Além disso, a tecnologia também ajuda a reduzir o risco de burnout no setor financeiro ao automatizar tarefas repetitivas e reduzir o volume de informações que os profissionais precisam processar manualmente.
O grande obstáculo: sair da fase de pilotos
Apesar do potencial, a maior parte das empresas ainda não conseguiu escalar o uso da IA. Uma pesquisa do Savant Labs com líderes de Finanças, Tax e Accounting de empresas com mais de 500 funcionários mostra que
- 67% das organizações já têm pilotos ou implementações iniciais de IA.
- Apenas 6% atingiram um nível de maturidade avançado e uso corporativo amplo.
Isso significa que a maioria das empresas ainda está presa ao que analistas chamam de “pilot purgatory”, um estágio em que experimentos isolados são realizados, mas sem transformação estrutural. O estudo aponta três principais obstáculos para escalar a tecnologia:
- Governança e segurança de dados – 37%
- Integração com sistemas ERP e legados – 24%
- Questões de custo e retorno sobre investimento – 18%
A consequência é uma adoção fragmentada, com diferentes departamentos implementando ferramentas isoladas, o que pode criar redundâncias, inconsistências e riscos operacionais.
Curiosamente, o principal driver para a adoção de IA não é cortar custos. No estudo da Savant Labs, 43% dos executivos apontam velocidade e eficiência como o principal benefício esperado da automação com IA, enquanto apenas uma minoria vê redução de custos como objetivo principal. Outros benefícios citados incluem:
- melhor qualidade das decisões – 21%
- liberação de tempo para trabalho estratégico – 18%
- redução de riscos e melhoria da conformidade regulatória – 12%
Esse movimento mostra que a IA está deixando de ser tratada como uma tecnologia de automação e passando a ser vista como uma plataforma para aumentar capacidade intelectual dentro das organizações.
O lado menos discutido: novos riscos sistêmicos
Se os ganhos são relevantes, os riscos também crescem. Um relatório da Deloitte destaca que sistemas de IA Agêntica introduzem uma nova categoria de ameaças para o setor financeiro. A análise baseada no MIT AI Risk Database identificou mais de 350 riscos potenciais associados a sistemas autônomos.
Entre os principais riscos estão:
- Agentes fora de controle. Sistemas altamente autônomos podem executar ações não previstas, como alterar processos ou iniciar transações sem supervisão adequada.
- Objetivos desalinhados. Se um agente interpretar mal as instruções, pode otimizar resultados de forma contrária às políticas da organização ou às regras regulatórias.
- Exposição de dados sensíveis. Agentes com acesso a múltiplos sistemas podem inadvertidamente compartilhar informações confidenciais.
- Decisões opacas. Cadeias complexas de raciocínio podem dificultar a explicação e auditoria das decisões tomadas pela IA.
- Ataques cibernéticos mais sofisticados. Criminosos já começam a usar agentes de IA para automatizar ataques e explorar vulnerabilidades em sistemas corporativos.
Além disso, quando múltiplos agentes interagem entre si, surgem riscos adicionais como erros em cascata, loops de feedback e comportamentos emergentes imprevisíveis.
A próxima etapa: humanos e agentes trabalhando juntos
Apesar dos desafios, a tendência parece inevitável. Nos próximos anos, especialistas esperam que equipes corporativas passem a ser formadas por humanos e múltiplos agentes digitais trabalhando em conjunto. Em alguns cenários analisados pela McKinsey, um único profissional poderá supervisionar entre 20 e 30 agentes especializados, responsáveis por executar análises, monitorar dados e automatizar processos operacionais.
Isso transforma profundamente a estrutura das organizações:
- Workflows passam de sequenciais para orquestrados por IA
- Relatórios estáticos evoluem para análises contínuas e atualizadas automaticamente
- Profissionais deixam de executar tarefas e passam a supervisionar sistemas inteligentes.