IA em Bancos Centrais e no Mercado Financeiro: por que a adoção nesse setor é diferente — e mais sensível — do que nos demais

Por Fernando Tassin, embaixador IA4FIN

Conforme já falamos em artigos anteriores, a discussão já não é mais se o mercado financeiro irá usar IA, mas por que, nesse setor, a sua adoção produz efeitos mais sensíveis do que em quase qualquer outro ambiente econômico.

Isso acontece porque, no sistema financeiro, a IA não atua apenas como ferramenta de produtividade. Ela influencia concessão de crédito, prevenção à fraude, monitoramento transacional, análise regulatória, produção estatística, supervisão e leitura de sinais econômicos. Em outras palavras, quando chega a esse ecossistema, a tecnologia deixa de ser apenas suporte operacional e passa a interagir com confiança, estabilidade e decisão institucional.

Esse é o ponto que distingue o setor financeiro de áreas como jurídico, saúde e pesquisa, onde a IA também avança, mas com frequência ainda associada a apoio documental, ganho de eficiência, triagem ou aceleração analítica. No mercado financeiro, ela se aproxima mais cedo de decisões com impacto econômico, contratual e regulatório. Por isso, o grau de sensibilidade é maior desde o início.

O setor financeiro adota mais rápido porque já opera sob lógica de controle

A diferença não está apenas no apetite por inovação. Está na base institucional. O setor financeiro já convive há décadas com validação de modelos, trilhas de auditoria, gestão de risco, segregação de funções, compliance e resiliência operacional. Essa infraestrutura de controle não elimina os riscos da IA, mas explica por que sua adoção tende a amadurecer mais cedo do que em outros setores.

No jurídico, por exemplo, a IA cresce sobretudo em pesquisa, revisão contratual e apoio à produção textual. Na saúde, o potencial é enorme, mas a escala ainda costuma ser travada por fragmentação de dados, exigências éticas elevadas e impacto direto sobre o paciente. Em pesquisa, a tecnologia acelera síntese, descoberta e apoio metodológico, mas os debates centrais ainda giram em torno de integridade científica, validação e confiabilidade.

No sistema financeiro, o problema já é outro, pois não basta que o modelo funcione bem. É preciso que ele seja controlável, auditável e proporcional ao risco da aplicação. O mercado financeiro adota IA mais cedo porque já possui a linguagem organizacional necessária para tentar controlá-la. E justamente por isso também será cobrado antes.

Bancos Centrais já estão em uma etapa mais sofisticada do debate

Em bancos centrais, o uso da IA já se conecta a atividades muito mais sensíveis, como monitoramento econômico, apoio estatístico, antifraude, leitura de documentação regulatória, análise temática e exploração de grandes volumes de dados institucionais.

Isso muda o patamar da discussão. Em um Banco Central, a adoção não é apenas uma agenda de inovação, é uma questão ligada à qualidade da informação, à robustez da análise e à legitimidade institucional de processos que influenciam supervisão, políticas públicas e estabilidade do sistema.

O tema, portanto, precisa ser lido com mais seriedade, pois diversos Bancos Centrais já estão realizando estudos avançados com IA. É uma tendência de como estão usando e sob quais condições essa tecnologia passa a ser institucionalmente aceitável.

A transformação real está menos no modelo e mais na arquitetura de uso

Grande parte do debate público ainda gira em torno dos grandes modelos de linguagem (LLM), mas, no sistema financeiro, as mudanças mais relevantes tendem a surgir menos do tamanho do modelo e mais da arquitetura que o cerca.

O primeiro movimento importante é o avanço de aplicações baseadas em RAG (Retrieval-Augmented Generation ou Geração Aumentada por Recuperação), conectando LLMs a fontes de dados externas e confiáveis, melhorando a precisão e reduzindo alucinações, permitindo que a resposta seja ancorada em bases internas, autorizadas e rastreáveis. Para instituições que dependem de documentação confiável, interpretação normativa e informação verificável, isso faz toda a diferença. A resposta não precisa apenas parecer boa. Ela precisa ser sustentável.

O segundo movimento é a valorização de modelos menores e especializados. O mercado ainda está muito focado nos modelos mais poderosos, mas isso nem sempre é sinônimo de melhor aderência para instituições sujeitas a sigilo, governança rígida e forte exposição regulatória. Em muitos casos, modelos mais contidos, ajustados a tarefas específicas e executados em ambientes controlados, atendem melhor à necessidade institucional do que soluções mais robustas e menos governáveis.

O terceiro ponto é o uso de dados sintéticos auditáveis, ganhando cada vez mais relevância no sistema financeiro porque viabiliza testes, treinamento e experimentação sem exposição direta de dados sensíveis. Mas aqui também há um erro recorrente: tratar dado sintético como solução automática, pois quando mal construído, ele preserva a aparência de segurança e compromete a qualidade da análise. O debate maduro não é apenas sobre gerar dados sintéticos, mas sobre medir sua qualidade e sua aderência ao contexto em que serão utilizados.

O mercado financeiro está discutindo algo diferente dos demais setores

Em muitos setores, o debate sobre IA ainda se organiza em torno de transparência, ética, produtividade e uso responsável, pois são temas legítimos, mas no sistema financeiro eles se tornam insuficientes quando tratados apenas em nível principiológico.

A pergunta central é se a tecnologia se sustenta quando entra em fluxos críticos, dado que isso exige inventário de casos de uso, classificação por criticidade, supervisão humana real, documentação das fontes, validação contínua, controle sobre terceiros e rastreabilidade das saídas.

É por isso que a discussão em finanças amadurece mais cedo e em outros setores, a IA ainda pode ser vista como acelerador. No sistema financeiro, ela já passou a ser também objeto de prova institucional e essa diferença altera completamente a forma de governar a tecnologia.

O risco menos discutido é o de fragilidade compartilhada

Há outro ponto que começa a ganhar relevância e ainda aparece pouco no debate brasileiro: a concentração tecnológica. À medida que mais instituições passam a depender dos mesmos provedores de nuvem, dos mesmos modelos-base e da mesma infraestrutura crítica, o risco deixa de ser apenas individual.

Em um ambiente fortemente interdependente, a repetição das mesmas bases tecnológicas pode gerar fragilidades compartilhadas, com a possibilidade de vários agentes errarem ao mesmo tempo, sob a mesma arquitetura, com os mesmos fornecedores e com padrões semelhantes de decisão automatizada.

Para o sistema financeiro, isso é especialmente sensível e adepender da escala, uma fragilidade tecnológica comum deixa de ser apenas problema operacional ou contratual. Pode adquirir relevância prudencial.

No Brasil, o debate tende a ficar mais exigente

A tendência é que o uso de IA no sistema financeiro brasileiro seja cada vez mais examinado sob a ótica de risco, impacto e governança e isso deve elevar o nível de exigência sobre como instituições documentam, supervisionam e justificam seus usos.

Na prática, isso significa que a vantagem competitiva não estará apenas em testar mais ferramentas ou implementar mais rápido. Ela estará em demonstrar que o uso da IA é compatível com a criticidade do processo, com os deveres jurídicos existentes e com o nível de confiança exigido em ambientes regulados.

Esse é o ponto que muitas instituições ainda subestimam e a adoção pode até começar como projeto de inovação, masela rapidamente passa a ser medida como capacidade de sustentação institucional.

O que realmente diferencia esta corrida da IA

A diferença do mercado financeiro em relação aos demais está no fato de que, aqui, a tecnologia é testada mais cedo contra critérios de estabilidade, auditabilidade e legitimidade  e esse é o verdadeiro divisor de águas. Em muitos segmentos, a IA ainda é percebida como instrumento de aceleração, mas no sistema financeiro, ela já precisa responder a uma pergunta mais dura: consegue operar em ambiente crítico sem degradar confiança, aumentar opacidade ou comprometer a capacidade de revisão?

É justamente por isso que a adoção nesse setor é mais sensível — e mais estratégica — do que nos demais. Não porque o mercado financeiro seja necessariamente mais inovador, mas porque ele é forçado a enfrentar antes a parte mais difícil do problema.

No fim, a questão relevante é quem consegue sustentar seu uso quando a tecnologia deixa o laboratório e passa a afetar decisões reais, estruturas reguladas e relações de confiança.

E você e sua Instituição, como estão usando a IA?