O setor financeiro brasileiro está deixando para trás a fase de experimentação em inteligência artificial (IA) para encarar o desafio mais complexo: transformar pilotos bem-sucedidos em operações de larga escala. Segundo painel realizado no Febraban Tech 2026, com executivos de Bradesco, BTG Pactual, Banco BV e Act Digital, a transição exige mais do que tecnologia de ponta. Ela demanda reestruturação de processos, arquitetura flexível e equipes multidisciplinares. A crença confortável de que IA se limita a chatbots ou automação pontual já não se sustenta diante do avanço dos agentes autônomos, que passam a executar tarefas críticas e operar além do expediente humano. Para quem decide em empresas ou órgãos públicos, a lição é clara: subestimar a complexidade dessa transição pode custar caro em risco operacional, custos ocultos e perda de competitividade.

IA deixa de ser piloto e exige redesenho operacional

Os exemplos apresentados no painel do Febraban Tech 2026, conforme reportado pelo IT Forum, mostram que a IA já ocupa funções distintas dentro dos bancos. O Bradesco, por exemplo, utiliza sua assistente BIA para resolver demandas de cerca de 90% dos clientes sem necessidade de atendimento humano, segundo Rafael Fernandes. O Banco BV emprega agentes para cobranças de curto prazo, obtendo índice de satisfação (NPS) superior ao atendimento tradicional, segundo Alberto Campos. Já o BTG Pactual destaca que a IA não apenas responde, mas executa ações, como movimentações financeiras, desde que integradas a controles adequados, conforme Fellipe Marques.

Esses casos ilustram que a maturidade em IA não é uniforme dentro de uma mesma instituição. Frédéric Martineau, da Act Digital, argumenta que cada processo deve ser avaliado separadamente para determinar o grau de automação possível, a necessidade de intervenção humana e os controles requeridos. O consenso entre os executivos é que agentes de IA mudam a lógica operacional: podem atuar continuamente, inclusive fora do horário comercial, exigindo mecanismos de supervisão e governança que acompanhem decisões tomadas sem intervenção direta de pessoas.

Governança e arquitetura: o novo campo de batalha

O avanço da IA obriga bancos a repensarem a arquitetura tecnológica e os processos de governança. Marques, do BTG Pactual, defende arquiteturas flexíveis, capazes de incorporar ou substituir modelos de IA conforme novas opções surjam. A velocidade de evolução dos modelos impede estratégias baseadas em uma única tecnologia. Isso significa que decisões de hoje não podem engessar a evolução futura dos projetos.

O Banco BV estruturou um processo que inclui provas de valor, etapas de segurança, governança e acompanhamento de indicadores. Os agentes passam por ciclos de atualização baseados nos resultados obtidos. A colaboração com diferentes atores do ecossistema é vista como parte fundamental desse processo, já que a dependência exclusiva de estruturas internas pode limitar a capacidade de aprendizado e adaptação.

No Bradesco, o investimento em upskilling, atualização de competências, acompanha a evolução da arquitetura. O objetivo é permitir que profissionais desenvolvam novas habilidades enquanto as plataformas são adaptadas para incorporar diferentes soluções. O consenso é que o desafio vai além da adoção de ferramentas: exige repensar a divisão de responsabilidades entre tecnologia e profissionais, além de criar mecanismos robustos de supervisão.

Produtividade, satisfação e limites dos agentes de IA

A adoção de IA traz ganhos mensuráveis em produtividade e satisfação do cliente, mas também expõe limites importantes. O Banco BV relata que interações automatizadas em cobranças de curto prazo já superam o atendimento humano em NPS. No Bradesco, a BIA resolve a maioria das demandas sem escalonamento para humanos, e o aprendizado com a assistente vem sendo aplicado em produtos digitais e prevenção a fraudes.

Por outro lado, a experiência do BTG Pactual mostra que a simples interface conversacional não basta. Para que a IA execute ações sensíveis, como movimentações financeiras, é preciso integrar a tecnologia a sistemas de controle que definam claramente o que pode ser feito e em quais condições. Isso exige não apenas tecnologia, mas processos e políticas bem definidos.

O consenso entre os bancos é que a maturidade em IA é um mosaico: departamentos diferentes avançam em ritmos distintos, e a análise precisa ser feita processo a processo. A automação total ainda é exceção, não regra. O desafio é identificar onde a IA pode agregar valor sem comprometer controle e segurança.

O contra-argumento: riscos, limites e o papel do humano

Apesar do entusiasmo, há limites e riscos relevantes. A dependência de múltiplos modelos de IA, a necessidade de integração com sistemas legados e a exigência de supervisão constante ampliam a complexidade operacional. O painel destacou que a escolha de um único modelo ou fornecedor pode se tornar um gargalo, dada a velocidade de evolução do setor.

Outro ponto sensível é a divisão de responsabilidades. À medida que agentes de IA passam a executar tarefas, bancos precisam redefinir o papel dos profissionais humanos e garantir que mecanismos de supervisão sejam eficazes. O risco de decisões automatizadas sem controle adequado é real e pode gerar impactos financeiros, regulatórios e reputacionais.

O painel não apresentou dados consolidados sobre custos ou retorno financeiro das iniciativas, o que indica que ainda há incerteza quanto ao impacto econômico da transição para IA em escala. A ausência de consenso sobre métricas de sucesso e modelos de governança revela que o setor está em fase de aprendizado contínuo.

O que ainda não se sabe e as implicações para empresas

Apesar dos avanços, permanecem dúvidas relevantes. Não há clareza sobre o custo total de propriedade das arquiteturas flexíveis recomendadas pelos executivos. Tampouco se sabe qual o impacto de longo prazo na força de trabalho, especialmente em áreas onde a automação substitui funções humanas. O painel tampouco detalhou como as instituições estão lidando com riscos de segurança específicos de agentes autônomos, nem como as integrações com sistemas legados serão mantidas diante da rápida evolução dos modelos de IA.

Para empresas de outros setores e órgãos públicos, o recado é direto: a adoção de IA em escala não é plug-and-play. Exige redesenho de processos, investimentos em arquitetura flexível e qualificação contínua das equipes. O risco de subestimar a complexidade é elevado, especialmente em operações críticas ou reguladas. Em regiões como Manaus, onde a infraestrutura digital pode ser um diferencial competitivo, a necessidade de conectividade estável e de baixa latência se torna ainda mais premente para suportar integrações em tempo real entre agentes de IA e sistemas centrais.

Infraestrutura: o elo decisivo para a IA em escala

A transição dos bancos para IA em escala revela que a infraestrutura tecnológica é o alicerce invisível do sucesso, ou do fracasso, dessas iniciativas. Arquiteturas flexíveis, integração de múltiplos modelos e supervisão contínua só se sustentam com conectividade confiável, baixa latência e disponibilidade garantida. Para empresas e órgãos públicos que pretendem seguir o mesmo caminho, o desafio não está apenas na escolha da ferramenta de IA, mas na capacidade de garantir que ela opere sem interrupções, com segurança e aderência a processos críticos. Em mercados como Manaus, onde a distância dos grandes centros pode amplificar riscos de indisponibilidade, planejar a infraestrutura de rede deixa de ser detalhe técnico para se tornar decisão estratégica. O próximo passo para quem quer escalar IA não é apenas treinar modelos, mas garantir que a base tecnológica suporte a ambição do negócio.