No dia 24 de agosto, os CEOs de sete dos maiores bancos do Brasil estiveram juntos em São Paulo. O foco do primeiro painel do Febraban Tech 2026 não foram os roadmaps de tecnologia, mas sim escala, confiança e liderança humana — três elementos fundamentais que costumam faltar quando a IA é testada em uma fase piloto, mas falha ao tentar chegar à produção.
Essa questão é particularmente reveladora no Brasil, onde o setor bancário já alcançou um nível de maturidade digital que, em teoria, deveria tornar mais fácil escalar a IA.
No Brasil, 83% das transações bancárias são realizadas digitalmente e 78% delas acontecem pelo celular; o volume do mobile banking cresceu 169% em cinco anos. Os pagamentos instantâneos já são comuns, o open finance está em operação e o setor é o maior investidor em tecnologia da economia. Ainda assim, se a maturidade digital, por si só, fosse suficiente para impulsionar a industrialização da IA, isso teria acontecido aqui primeiro. A lacuna, no entanto, não está na ambição; está na distância.
A distância entre investimento e impacto
Em 2026, os bancos brasileiros planejavam investir R$ 50,4 bilhões em tecnologia, o que representa um aumento de 8% em relação ao ano anterior e de 58% em comparação aos últimos cinco anos. Cerca de R$ 3 bilhões desse montante serão destinados à IA, analytics e big data, e 84% das instituições consideram a IA generativa uma prioridade. Esses números não indicam falta de orçamento, interesse ou intenção.
De acordo com a Pesquisa Febraban de Tecnologia Bancária 2026, 34ª edição, 60% das instituições ainda estão em estágio inicial de adoção da IA, e, no caso da IA generativa, esse percentual é ainda maior. O retorno sobre o investimento percebido aumentou de 5%, em 2024, para 19%, em 2025. Isso representa um progresso real, embora ainda indique que quatro em cada cinco instituições não percebem retorno.
Há também o benefício mais frequentemente mencionado: 92% dos bancos consideram a execução mais rápida de tarefas rotineiras como o principal benefício obtido com a IA. Esse é um resultado concreto, mas também mostra como uma indústria aplica uma tecnologia capaz de reinventá-la para simplesmente acelerar os processos que já possui.
O fator limitante é a distância entre o piloto e a produção — e existem três caminhos para reduzir essa distância:
1. Modernizar o core primeiro e, então, escalar a inteligência
Um agente de IA não pode superar as capacidades dos sistemas aos quais tem acesso. Se a lógica de negócio está contida em aplicações antigas, sem APIs, sem documentação e com dados pouco confiáveis, o piloto pode funcionar satisfatoriamente em um ambiente controlado, mas falhar quando chega o momento da integração.
A computação em nuvem está entre as principais prioridades, ao lado da cibersegurança e da IA generativa, já que 84% das organizações consideram tanto a nuvem quanto a IA generativa elementos-chave em seus orçamentos.
A economia da modernização também mudou. Quando aplicada às diferentes etapas do ciclo de vida do desenvolvimento de software — como leitura de código legado, geração de testes, criação de documentação e refatoração — a IA transforma projetos de modernização que antes eram inviáveis financeiramente em iniciativas que agora podem ser executadas em questão de meses.
Esse problema quase nunca é apresentado como um problema de IA. Em vez disso, costuma ser descrito como: “não conseguimos escalar nada”. E é justamente nesse ponto que a modernização impulsionada por IA se torna uma iniciativa estratégica.
2. Redesenhar a jornada em vez de automatizar a antiga
A segunda restrição está no escopo. Colocar um chatbot sobre um processo de atendimento ruim apenas torna um processo ruim mais rápido.
De acordo com o Global AI in Financial Services Report 2026, do Cambridge Centre for Alternative Finance da Cambridge Judge Business School, os casos de uso mais comuns de IA que estão na fase piloto ou além dela continuam concentrados nas operações internas, incluindo:
– Automação de processos (79%)
– Visualização de dados (75%)
– Engenharia de software (75%)
– Gestão de dados e conhecimento (69%)
No front office, o atendimento ao cliente impulsionado por IA é a aplicação mais comum (74%), com as fintechs liderando, com 82%, em comparação com 67% entre as instituições tradicionais. Na área de risco e compliance, a detecção de fraudes (57%) e a modelagem de risco de crédito (54%) são as principais aplicações.
De modo geral, a IA está sendo utilizada principalmente para melhorar a execução, em vez de transformar fundamentalmente os modelos de negócio.
A grande mudança acontece quando a jornada é redesenhada com foco no que a tecnologia agora torna possível. No caso da transformação dos contact centers, isso significa considerar tanto o agente humano quanto o agente digital como parte de um único sistema de atendimento, que compartilha contexto e permite uma transição fluida entre ambos, em vez de enxergá-los como dois canais disputando a mesma ligação.
Também significa medir a resolução no primeiro contato e a geração de receita — e não apenas as taxas de deflexão.
3. A confiança é a infraestrutura, não a etapa final
O terceiro ponto foi o que gerou maior consenso durante o evento. Atualmente, a colaboração operacional já está bem estabelecida na maioria das instituições: 88% dos bancos integraram as funções de cibersegurança, prevenção a fraudes e prevenção à lavagem de dinheiro (AML), colaborando na resposta a incidentes (40%) e compartilhando informações diretamente entre as equipes (36%).
Isso é importante porque a IA generativa é eficaz dos dois lados dessa equação. Deepfakes de voz, imagem e documentos tornaram a fraude de identidade não apenas mais fácil, mas também altamente escalável. Por isso, a biometria comportamental e a detecção de fraudes baseada em machine learning deixaram de ser diferenciais e passaram a ser consideradas essenciais.
Um exemplo concreto apresentado no Febraban Tech 2026 foi o trabalho da VU com a Volkswagen Financial Services Brasil: uma plataforma de financiamento digital que combina onboarding digital, KYC, assinaturas eletrônicas e biometria para apoiar a validação de identidade e contratos, ao mesmo tempo em que adiciona camadas de proteção contra fraudes.
A lição não está na biometria em si. Está no fato de que a confiança foi incorporada à jornada desde o início, em vez de ser instalada como uma barreira no final do processo.
O que vem a seguir
A próxima fase da adoção de IA irá além dos assistentes que apoiam tarefas individuais e avançará para agentes capazes de executar sequências de tarefas, consultar múltiplos sistemas e tomar decisões operacionais sob supervisão.
Essa mudança é importante porque, quanto maior a responsabilidade assumida por um sistema de IA, menos útil se torna avaliá-lo simplesmente com base no que ele é capaz de fazer. A questão passa a ser se a organização consegue integrar essa capacidade de forma segura à maneira como o trabalho é realizado.
Isso transforma o desafio de uma questão de capacidade em uma questão de governança: determinar quem supervisiona, onde termina a autonomia e como uma decisão é auditada.
Os bancos brasileiros esperam investir R$ 29,4 milhões em treinamento de IA e IA generativa para seus colaboradores neste ano, um aumento de 31%.
No entanto, a escalabilidade da tecnologia é, em última instância, limitada não pelo investimento, mas pela capacidade de uma organização de absorvê-la e aproveitá-la. “Liderança humana” não foi apenas parte do tema do evento; foi a força crítica que determina se todo o restante pode funcionar.
A próxima vantagem competitiva no setor bancário não será da instituição que tiver o maior número de pilotos de IA. Ela pertencerá àquela capaz de agir mais rapidamente na transição da experimentação para a execução, da inteligência isolada para operações integradas e da capacidade tecnológica para um impacto tangível nos negócios.
A pergunta é: sua organização corre o risco de ser uma daquelas que teve um piloto bem-sucedido, mas nunca conseguiu transformar esse resultado em uma implementação em produção?
Se a resposta for sim, talvez seja o momento de conversar com a equipe de Financial Services da Globant.
