O novo jogo do crédito

Imagem criada com Inteligência Artificial.

Por Rosa Oliveira*

Recentemente, crianças e adolescentes organizaram protestos dentro do Roblox após mudanças nas regras de comunicação da plataforma. 

Avatares com cartazes virtuais, mobilização coordenada e contestação pública transformaram um ajuste regulatório interno em movimento coletivo. 

Em princípio, pode parecer tratar-se de um evento restrito a uma plataforma de entretenimento, mas ele antecipa uma dinâmica relevante para outros setores, inclusive o financeiro.

O Roblox deixou de ser apenas um jogo. Frequentemente descrito como uma forma embrionária de metaverso, é uma plataforma global estruturada em “mapas” virtuais interativos, criados pela própria comunidade, onde milhões de usuários convivem, negociam e interagem por meio de avatares.

Tornou-se uma microsociedade, um ambiente com regras próprias, consequências internas e dinâmica coletiva de percepção de justiça,  ou de “injustissa”, como grafava um dos cartazes erguidos pelos próprios usuários durante a mobilização.

Milhares de jovens compreenderam intuitivamente o impacto de uma mudança normativa e reagiram dentro do próprio ecossistema onde ela produzia efeito.

O que esse episódio revela não é apenas mobilização digital. É que ambientes bem desenhados ensinam comportamento, mesmo quando essa não é sua finalidade declarada. 

Se ambientes digitais já moldam noções de regra, consequência e reação coletiva, a pergunta para o setor financeiro não é se a tecnologia educa, mas se a mesma arquitetura algorítmica que hoje mede inadimplência pode ser desenhada para influenciar decisões antes que ela aconteça.

Existe uma linguagem para esse tipo de desenho. A economia comportamental mostrou que decisões não nascem no vazio. Elas nascem dentro de um ambiente e o ambiente, muitas vezes, decide antes do indivíduo.

Em Nudge: O Empurrão para a Escolha Certa, obra que consolidou a economia comportamental no debate público, Richard Thaler, Nobel de Economia, e Cass Sunstein demonstram que pequenas alterações no ambiente de escolha podem produzir efeitos comportamentais mais consistentes do que longas explicações racionais.

O comportamento raramente muda apenas porque alguém compreendeu a teoria, ele muda quando o contexto foi redesenhado.

A educação financeira tradicional aposta majoritariamente na transmissão teórica. Juros compostos, orçamento, planejamento, etc. 

Em geral, é o indivíduo que precisa buscá-la ativamente por meio de cursos, cartilhas ou conteúdos explicativos. Falta estímulo, falta contexto e falta experiência.

A proposta aqui é deslocar esse eixo. Em vez de exigir que o usuário procure educação financeira, integrá-la ao próprio ambiente onde as decisões acontecem. Nudges incorporados ao aplicativo bancário, trilhas interativas, simulações com consequência visível. O aprendizado deixa de ser externo e passa a ser parte da jornada.

Nesse modelo, o usuário não apenas consome informação. Ele experimenta escolhas. Aprende enquanto interage. E, ao fazê-lo, gera dados qualitativos sobre seu padrão decisório.

Esses dados não substituem score tradicional. Eles o enriquecem.

Um perfil que evolui de comportamento impulsivo para padrão consistente não representa apenas um cliente “mais educado”. Representa menor risco estrutural. Isso abre espaço para taxas mais competitivas, melhor alocação de capital e carteiras mais previsíveis.

Não é apenas inclusão. É eficiência sistêmica.

O que se observou dentro do Roblox não é apenas um fenômeno digital juvenil, mas a evidência de que ambientes moldam comportamento e crédito, no fim, é comportamento ao longo do tempo.

Hoje, quando falamos de inteligência artificial no crédito, falamos sobretudo de análise. Modelos que estimam inadimplência, classificam perfis e/ou reduzem inconsistências humanas. 

A evolução é real. A modelagem algorítmica reduziu parte do que Daniel Kahneman, Olivier Sibony e Cass Sunstein definem, no livro Ruído: Uma Falha no Julgamento Humano, como “ruído”, a variabilidade desconcertante nas decisões humanas mesmo diante de casos idênticos.

Mas há um detalhe essencial: modelos aprendem com o passado. E o passado carrega não apenas dados, mas contexto, fragilidade estrutural e desigualdade acumulada.

Em AI 2041: Dez Visões para o Nosso Futuro, livro que combina ficção especulativa e análise técnica sobre o futuro da inteligência artificial, Kai-Fu Lee e Chen Qiufan narram, no conto “O Elefante de Ouro”, a história de uma família indiana cujo seguro de vida é ajustado por um sistema algorítmico que monitora hábitos, comportamento e até conexões sociais. Quando a protagonista se envolve com um jovem de casta inferior, o sistema não invoca uma regra explícita de exclusão. Ele reage por correlação estatística, incorporando padrões históricos que associam aquela origem social a maior risco agregado.

A consequência não se apresenta em forma de justificativa. Apresenta-se em forma de pontuação. O algoritmo não cria a desigualdade estrutural. Mas pode cristalizá-la.

Se o setor financeiro deseja carteiras mais previsíveis e risco estrutural menor, talvez precise participar da formação dessas trajetórias antes que se tornem histórico.

Ambientes digitais desenhados para engajamento compreenderam isso cedo. O Duolingo, aplicativo global de aprendizado de idiomas baseado em metas curtas, progressão visível e recompensas comportamentais, não depende apenas de conteúdo. O passarinho verde surge quando a sequência está prestes a ser quebrada. Ele cria vínculo, reforça constância, transforma disciplina em jogo.

O aprendizado acontece dentro da experiência.

Agora imagine essa lógica aplicada de forma deliberada ao ambiente bancário.

Um jovem abre sua primeira conta digital. Além das funções tradicionais, encontra um ambiente virtual integrado ao aplicativo, um espaço jogável desenhado para antecipar decisões financeiras antes que elas aconteçam na vida real. 

Pode escolher o “Mapa da Estabilidade”, onde aprende a estruturar reserva e previsibilidade, ou o “Mapa da Expansão”, que reproduz cenários de uso responsável de crédito.

Nesse ambiente, possui um avatar, acumula uma moeda virtual vinculada ao seu desempenho e interage com uma comunidade que enfrenta desafios semelhantes. 

Não se trata de um chat aberto e irrestrito, como em redes sociais tradicionais. A interação pode seguir modelo semelhante ao adotado por jogos sociais como o PK XD, que combina avatares, missões e convivência digital com mecanismos de moderação ativa, filtros automáticos de linguagem e interações pré-configuradas para reduzir exposição a riscos. A comunidade existe, mas dentro de arquitetura supervisionada, compatível com exigências regulatórias e com a responsabilidade institucional do setor financeiro.

Ao longo da jornada, decisões simples são propostas: parcelar ou adiar? Antecipar consumo ou esperar ciclos? Manter disciplina por noventa dias consecutivos? Cada escolha gera consequência simulada, com impacto visível e progressão mensurável, enquanto produz dados estruturados sobre o padrão decisório do usuário.

Enquanto o usuário aprende, o sistema aprende.

A diferença neste caso não é estética. É estrutural.

Os dados gerados nesse ambiente são qualitativamente distintos dos dados transacionais passivos. Eles revelam padrões de decisão sob alternativa, resposta a cenários de escassez simulada e grau de consistência comportamental ao longo do tempo.

Não apenas o que aconteceu, mas como o indivíduo decide diante de escolha, pressão e trade-offs, decisões que envolvem ganhos e perdas simultâneas..

Trata-se, em essência, de incorporar ao processo de crédito uma camada anterior à pontuação tradicional: uma arquitetura de formação comportamental antes da exposição real ao risco.

Com o Open Finance Brasil, sinais consentidos podem enriquecer esse contexto. A inteligência artificial deixa de ser exclusivamente avaliadora e passa a mediar formação.

Não se trata de substituir o processo de concessão (underwriting), trata-se de qualificar o insumo que alimenta essa decisão.

Naturalmente, surge tensão. A linha entre apoio à decisão e paternalismo algorítmico é sutil. Qualquer arquitetura desse tipo exigiria transparência, governança algorítmica robusta e aderência rigorosa à LGPD e às normas prudenciais.

Mas a existência da tensão não elimina a oportunidade estratégica.

Hoje, grande parte do investimento tecnológico no crédito concentra-se em prever inadimplência. Talvez seja igualmente estratégico reduzir sua probabilidade antes da concessão.

Um cliente inadimplente custa provisão, capital, cobrança e reputação. A resposta tradicional é restrição ou renegociação. Nenhuma altera o padrão decisório que originou o problema.

Se a inadimplência tem raízes comportamentais, a intervenção mais eficiente não é a que reage ao evento. É a que atua sobre o padrão antes que ele se consolide.

O debate atual concentra-se em precisão analítica. A ampliação proposta aqui é fortalecer a qualidade das decisões que alimentam essa análise.

Ambientes digitais já formam comportamento coletivo. Roblox ensina consequência. Duolingo ensina constância. Essas microsociedades aproximam o usuário da prática de forma que cartilhas dificilmente conseguem replicar.

O sistema financeiro pode continuar observando essa dinâmica ou incorporá-la de maneira intencional e responsável.

O crédito começa antes do crédito.

A inteligência artificial já provou sua capacidade de classificar risco com sofisticação crescente.

A próxima fronteira pode ser mais silenciosa e participar da construção do comportamento que esse risco representa.

Melhorar modelos é evolução.

Fortalecer decisões antes da exposição ao risco pode ser a verdadeira mudança de paradigma.

• Rosa Oliveira é membro IA4FIN e atua no mercado de crédito desde 2006, com experiência operacional e tecnológica no setor. É graduada em Gestão Financeira, possui MBA Essentials (Executive Programme) pela London School of Economics (LSE) e cursa pós-graduação em Engenharia de Software pela USP. Pesquisa a aplicação de inteligência artificial e arquitetura de escolha na formação de decisões financeiras.

Conecte-se: LinkedIn