A inteligência artificial se consolidou no setor financeiro, mas seu impacto real ainda é debatido.
Enquanto alguns executivos indicam retorno, a maioria dos casos é modesta e operacional.
Importante saber:
77% dos executivos veem retorno em até um ano.
Apenas 10% demonstram ROI significativo e mensurável.
Uso de IA está concentrado em grandes bancos e fintechs com dados e capital.
(*) Por Igor Rocha e Rafael Durer
Relatórios globais sobre inteligência artificial no setor financeiro passam uma mensagem quase definitiva: a discussão estaria superada. Segundo a Finastra, apenas 2% das instituições financeiras no mundo afirmam não usar IA. Em outras palavras, a tecnologia teria deixado de ser experimental para se tornar padrão.
Mas basta sair do relatório e olhar para os resultados para perceber que a história não é tão simples.
Um estudo sobre ROI de IA, encomendado pelo Google Cloud, mostra que 77% dos executivos dizem perceber algum retorno já no primeiro ano. À primeira vista, parece um sinal claro de sucesso. O problema é que, na maior parte dos casos, esse retorno é limitado, localizado e essencialmente operacional — automação pontual, redução de custos, pequenos ganhos de eficiência. Além, é claro, do uso mais comum da IA, no modelo pergunta-resposta, que embora ofereça algum ganho produtivo (tempo), é muito básico e pontual para entrar na conta de um retorno efetivo.
Quando se fala em impacto econômico relevante, o número cai drasticamente. Análises da Dyna.Ai indicam que apenas cerca de 10% das organizações conseguem demonstrar um ROI significativo, mensurável e recorrente. A IA está em quase todo lugar; o valor econômico real, em poucos lugares.
Globalmente, há um padrão claro: quando a IA gera impacto consistente, ele costuma vir da personalização orientada por dados. Instituições que conseguem aplicar IA em escala para personalizar ofertas, pricing e jornadas chegam a incrementos de receita de até 6%. Em um setor de margens apertadas, isso é extremamente relevante.
Uma outra frente de geração de impacto relevante são as áreas de tecnologia, por natureza, mais afeitas a adoção de ferramentas de IA. Aplicações em desenvolvimento de software, análise preditiva de segurança cibernética, tratamento de dados e automatização de processos de infraestrutura e operações, estão entre as aplicações mais comuns.
Mas o resultado gerado por essas iniciativas costuma ficar restrito a grandes bancos e fintechs com volume, dados, capital, competência técnica e governança.
E no Brasil?
O próprio relatório da Finastra não inclui o país na amostra global — o que já é um sinal importante. Ainda assim, existem casos reais de IA em produção, concentrados no topo do mercado.
O Banco do Brasil alega utilizar IA em monitoramento de transações e compliance, alcançando redução superior a 90% nos falsos positivos. É um ganho expressivo, com impacto direto em eficiência e custo operacional. Mas é, sobretudo, um uso defensivo da tecnologia — importante, necessário, porém distante de geração direta de receita. O Bradesco diz operar plataformas de IA generativa em larga escala, processando milhões de interações diariamente em atendimento e automação de processos. A IA parece estar claramente em produção, integrada ao core do banco. Ainda assim, o foco principal segue sendo eficiência operacional e experiência do cliente, não crescimento direto de receita.
Já o Nubank talvez seja o caso brasileiro mais próximo do que os relatórios globais descrevem como maturidade. Nascido digital, construiu sua operação baseada em dados e utiliza IA em crédito, fraude, atendimento e personalização. Mesmo assim, o impacto aparece mais como vantagem estrutural de longo prazo do que como uma linha clara e isolável no balanço.
Vale dizer, entretanto, que estes exemplos de aplicações não são novos. Algoritmos preditivos para análise de transações são usados há anos, com base em modelos estatísticos consolidados, muitos dos quais, inclusive, formam a base dos modelos de IA. Na automação de processos, sistemas especialistas e de RPA (Robot Process Automation) são exemplos precursores da IA, que entregam ganhos efetivos de produtividade.
É claro que os LLMs (Large Language Models), que representam a essência dos sistemas de IA modernos, promoveram um aprimoramento destas aplicações, bem como viabilizaram a adoção desta tecnologia em novas frentes, mas é preciso separar o que é uso efetivamente inovador da IA do que é mero “rebranding” de conceitos mais antigos.
Quando saímos desses grandes players e olhamos para fintechs menores e varejistas de médio porte, a realidade muda bastante. O que se vê com frequência são pilotos que não escalam, chatbots simples rotulados como IA e iniciativas pouco conectadas ao P&L.
E há um fator que ajuda a explicar esse descompasso: o FOMO da IA. (Fear of Missing Out, ou “medo de ficar de fora”)
Muitas empresas não começam com um problema de negócio claro. Começam com a decisão de que “precisam usar IA” — e só depois passam a procurar onde encaixá-la, independentemente de relevância econômica. A tecnologia vem antes da pergunta. O resultado costuma ser previsível: soluções sofisticadas para problemas pequenos, ganhos marginais apresentados como transformação e projetos que funcionam, mas não mudam nada que realmente importa.
Também é comum o uso da IA como argumento de venda. Muitas empresas simplesmente associam o termo IA ao seu produto de forma a criar a percepção de um diferencial competitivo ou uma superioridade tecnológica que simplesmente não existe.
No fim, o desafio não é adotar IA. É usá-la para gerar valor real para o negócio, com métricas claras e impacto econômico mensurável, seja por meio de apoio para tomada de decisões estratégicas, redução de custos com a melhoria da eficiência operacional ou a entrega de produtos e serviços que, de fato, representem diferenciais competitivos. Talvez o verdadeiro sinal de maturidade não seja quantos modelos estão em produção, mas quantas empresas conseguem apontar exatamente onde a IA aparece no resultado do mês.
Enquanto essa resposta não for clara, o abismo entre o discurso global e a prática brasileira continuará existindo.
(*) Igor Rocha é Head de Tecnologia & Projetos da Torra Adm. Cartões de Crédito e Rafael Durer é Founder e Consultor da RD Inteligência em Serviços Financeiros
