Como usar IA Generativa de forma eficaz, estratégica e responsável na indústria financeira?

A Inteligência Artificial Generativa está impulsionando inovações que vão desde a automação de processos até a hiperpersonalização de serviços e o apoio especializado a decisões estratégicas. Uma abordagem cuidadosa à governança desde o desenvolvimento da tecnologia garantindo ética e conformidade no seu uso reduzirá riscos.

Telma Luchetta, Sócia-líder de Generative AI, Data e Analytics Latam e do programa Women in Tech para Financial Services, e membro do Comitê Executivo Brasil

Em resumo

• 95% dos líderes sêniores relatam que as suas organizações estão atualmente investindo em IA, de acordo com a pesquisa EY AI Pulse Survey 2024.
  
• O número de empresas que investem 10 milhões ou mais de dólares na tecnologia é previsto para quase dobrar neste ano, passando de 16% para 30%.
  
• 82% dos CEOs brasileiros acreditam que a transparência na IA Generativa é fundamental para conquistar a confiança dos clientes.
• 62% defendem que a governança deve ser integrada desde o início do desenvolvimento das soluções; executivos planejam aumentar os investimentos em ética de IA em pelo menos 40% nos próximos três anos.

A indústria financeira opera em um cenário de mudanças constantes, onde a inovação tecnológica, aliada a uma governança robusta, tornou-se uma necessidade estratégica para se adaptar rapidamente com segurança. No centro da transformação atual está Inteligência Artificial Generativa (Gen AI), que vêm redefinindo a forma como bancos, seguradoras, meios de pagamento, fintechs e cooperativas de crédito interagem com seus clientes, gerenciam riscos, impulsionam eficiência operacional e se mantêm competitivos.

De acordo com a EY AI Pulse Survey 2024, pesquisa realizada com 500 líderes sêniores de empresas de todos os setores nos Estados Unidos, 95% dos entrevistados relataram estar realizando investimentos em IA, e o número de empresas que destinam mais de 10 milhões de dólares para essa tecnologia deve quase dobrar até o fim do ano, passando de 16% para 30%. Esse movimento reflete a confiança na perenidade do uso da IA, mas também impõe desafios, como riscos de segurança e questões éticas. Sem controles adequados, a implementação desregulada pode gerar impactos prejudiciais e afetar a reputação das instituições.

A evolução da IA generativa: do ceticismo à confiança

Quando a Inteligência Artificial Generativa emergiu, o setor financeiro a abordou com cautela, buscando entender se seria uma tendência passageira, como o metaverso, ou de nicho, como o blockchain. Da mesma forma que em outras tecnologias emergentes no passado, as primeiras utilizações focaram em aplicações internas, visando automatizar e otimizar processos operacionais. A linguagem natural dos chatbots, por exemplo, otimizou áreas de back-office, como service desks, resultando em ganhos expressivos de produtividade.

Os avanços no uso da Gen AI para otimização de processos em outras áreas internas, como jurídico, controladoria, marketing e CRM, trouxeram aprendizados valiosos. Com essa maturidade de conhecimento sobre a tecnologia, as instituições financeiras ganharam confiança para expandir o uso da GenIA para processos externos, como o atendimento ao cliente, sempre de forma controlada e conservadora.

Seguradoras estão usando esta tecnologia sobretudo para melhorar a subscrição e personalizar a experiência do cliente. Nas fintechs, para oferecer serviços financeiros inovadores, melhorar o marketing e a forma como as cobranças são realizadas. E as cooperativas de crédito estão otimizando a concessão de financiamentos e elevando o patamar da experiência do associado.

De modo geral, a pesquisa da EY conclui que a implementação dessa tecnologia na indústria financeira resultou em retornos positivos em eficiências operacionais (77%), produtividade dos funcionários (74%) e satisfação do cliente (72%).

Governança robusta e IA responsável por design

Atualmente, muitas organizações estão construindo plataformas de casos de uso de GenIA e estabelecendo uma governança responsável. Na EY, nos dedicamos a construir frameworks metodológicos e a estabelecer parâmetros éticos e responsáveis desde o desenvolvimento da IA, o que denominamos “IA responsável por design”.

A transparência e os controles pré-definidos dos padrões de uso estão alinhados às regulamentações vigentes, visando evitar vieses discriminatórios e prevenir riscos à segurança cibernética e jurídica da informação. Como vimos no Febraban Tech 2025, soluções de GenIA estão sendo utilizadas para prevenção a fraudes em meios de pagamento, e combate a deepfakes, incluindo assistentes virtuais que interagem com clientes em caixas eletrônicos e testes de soluções multibiométricas para gestão de identidade digital.

Embora o Brasil e outros países da América Latina ainda estejam definindo seus projetos de lei para regulamentar a Inteligência Artificial Generativa, a Lei de IA da União Europeia (AI Act), em vigor desde o início do ano, serve como referência institucional.

No AI Act, as obrigações para provedores e usuários variam conforme o nível de risco. Por exemplo, é proibida a classificação de pessoas com base no comportamento, status socioeconômico ou características pessoais, bem como o reconhecimento facial em espaços públicos. O descumprimento dessas regras pode acarretar multas significativas, variando entre 7,5 milhões e 35 milhões de euros.

Conforme demonstra nossa pesquisa, esses cuidados são compartilhada pelos líderes: 62% dos CEOs valorizam a transparência e a governança desde o início do desenvolvimento da IA, e executivos planejam aumentar os investimentos em ética de IA em pelo menos 40% nos próximos três anos.

Estruturas e regras para uma IA segura e escalável

Para uma aplicação de governança robusta desde o desenvolvimento da GenIA no setor financeiro desenvolvemos estruturas e regras de análise do ciclo de vida da IA e monitoramento contínuo: o EY Generative AI Lifecycle Framework e o EY Continuous AI Monitoring Framework.

O EY Continuous AI Monitoring Framework propõe uma abordagem integrada e holística, desde a seleção de métricas específicas até a implementação de planos de ação, baseada em cinco pilares para a governança de dados e o monitoramento de modelos de IA:

1. Dados: compreender o contexto de negócios e a relevância dos dados.
2. Métricas: definir indicadores-chave de desempenho para a eficácia do modelo.
3. Gatilhos: estabelecer critérios que sinalizem quando uma ação é necessária.
4. Plano de ação: definir passos para resolução de problemas e aprimorar o desempenho do modelo.
5. Ferramentas: garantir o uso de instrumentos adequados para monitoramento eficaz.
   

Ao gerenciar riscos de forma proativa e preventiva, e monitorar resultados, as organizações do setor financeiro asseguram que seus modelos permaneçam alinhados aos objetivos de negócio e às exigências regulatórias.

Parcerias para construção de soluções colaborativas

Estabelecer parcerias para construir soluções de forma colaborativa pode ser um caminho mais seguro e rápido para garantir desempenho eficaz e proteção contra vulnerabilidades. Um caso emblemático é o do Banco do Brasil, em parceria com a EY e a IBM, em que construímos um manual de 600 páginas cobrindo todo o ciclo de vida da tecnologia.

Documentamos a metodologia, premissas, padrões, políticas, normas, processos e dispositivos de segurança (guard rails) para todos os ativos de inteligência artificial – sistemas, prompts, modelos de linguagem. Utilizamos ferramentas como o IBM watsonx.governance e nossos próprios frameworks, para criar um sistema que garante segurança, transparência e conformidade. 

Foram estabelecidos mais de 20 princípios de governança, incluindo medidas para mitigar vieses e proteger dados, além de construir equipes de agentes de IA, os chamados Red Teams, que testam as vulnerabilidades dos modelos e pontos de atenção a riscos. Isso confere às áreas de negócio a confiança necessária para inovar dentro de limites éticos e seguros, antes mesmo de a tecnologia ser colocada no mercado.

Enquanto os frameworks da EY oferecem uma estrutura metodológica para o desenvolvimento e implementação de Gen AI, o sistema da IBM, ou de outras parceiras de tecnologia da EY, fornece as ferramentas digitais necessárias para monitorar e gerenciar os modelos de forma eficaz. Em diversos casos de uso na indústria observamos bons resultados:

• Mitigação de vieses inconscientes: correção de tendências discriminatórias estruturais em análises de crédito em bancos e seguradoras.
  
  
• Proteção de dados sensíveis: conformidade com a Lei Geral de Proteção de Dados Pessoais (LGPD), do Brasil, e o Regulamento Geral sobre a Proteção de Dados (GDPR), da União Europeia em operadoras de saúde via anonimização.
  
  
• Compliance e auditoria: documentação automatizada de decisões em ambientes regulados.
  
  
• Monitoramento inteligente: priorização de modelos baseada em risco e impacto, com estatísticas descritivas.
  
  
• Equidade de gênero: correção de preconceitos históricos na concessão de crédito.

Soluções práticas de GenIA para a indústria financeira
Na EY, já testemunhamos o impacto tangível da IA generativa por meio de soluções que desenvolvemos para o setor financeiro. Algumas iniciativas que destaco são o Talk to Data,  EY Negocia, Code Jumper Assessment e Finance View, que demonstram o poder da tecnologia.

O Talk to Data permite que executivos interajam com dashboards financeiros usando linguagem natural. Por exemplo, é possível perguntar sobre o impacto do PIB no interior de São Paulo para o negócio e receber uma análise detalhada em segundos. Isso acelera decisões estratégicas e facilita a geração de insights, além de tornar a informação acessível a todos na organização. Seus benefícios incluem:

• Acesso simplificado aos dados: reduz a dependência de especialistas para análises iniciais.
• Tomada de decisão ágil: oferece respostas rápidas a perguntas específicas.
• Integração e acessibilidade: permite integração com plataformas como Microsoft  Teams e inclui funcionalidades como conversão de fala em texto.
• Escalabilidade: pode ser expandida para diversas áreas e contextos analíticos.
  

O EY Negocia, por sua vez, transforma a negociação de dívidas. A ferramenta analisa a situação financeira do cliente e cria planos de pagamento personalizados, ajustando-os em tempo real com base nas interações. O resultado é uma experiência mais fluida para o cliente e uma operação mais eficiente para a instituição.

Já o Code Jumper Assessment é uma solução de IA generativa que analisa, compreende e interpreta informações como programas, scripts e tabelas, transformando o código legado em um ativo estratégico e acelerando o processo de modernização de sistemas por meio de uma análise aprofundada de impacto e da elaboração automática do plano de migração.

Por fim, o Finance View opera sugerindo, ao assessor de investimentos, produtos financeiros com taxas mais atrativas aos seus clientes, utilizando os dados do OpenFinance e IA Generativa para hiperpersonalização.

Entre os resultados observados, o tempo de atendimento pode ser reduzido em 33%, e o custo operacional diminuiu 20%. Esses exemplos são apenas o ponto de partida. A cada dia, novas possibilidades surgem, ampliando o horizonte de transformação do setor.

O futuro exponencial da IA e os próximos desafios a superar

A evolução da IA é exponencial, e as instituições financeiras precisam acompanhar esse ritmo acelerado. O que é novo hoje pode se tornar obsoleto amanhã, exigindo uma capacidade constante de reinvenção.

O futuro aponta para cenários onde co-pilots evoluem para agentes conselheiros, oferecendo análises mais personalizadas e preditivas, como conselheiros de carteiras de investimento e avaliadores de bem-estar financeiro.

No crédito e análise de risco, a IA já permite análises muito mais rápidas, com a possibilidade de scores de crédito em tempo real, impulsionando a competição entre as instituições.

No setor de seguros, a IA está transformando a subscrição inteligente baseada em dados em apólices líquidas que se ajustam em tempo real, considerando comportamentos e momentos de vida do cliente. Isso permite uma assertividade e tempestividade sem precedentes nas análises comportamentais que influenciam o risco de crédito e seguro.

Mesmo com esses avanços, enfrentamos obstáculos importantes. Segurança da informação, vieses nos algoritmos, e transparência são preocupações constantes. Nunca teremos uma garantia absoluta contra erros ou falhas, mas podemos minimizar riscos com diretrizes claras e validação humana contínua, que permanece essencial em nossos processos.

Outro ponto de atenção é o impacto nos colaboradores. Nossa pesquisa global aponta para o fenômeno do “employee burnout and AI fatigue” – um cansaço extremo ligado ao uso de IA, mas não só, que não podemos ignorar. Desde a pandemia, as pessoas colocaram um novo olhar sobre relacionamentos interpessoais e a forma como lidam com o excesso de informação da era em que estamos vivendo e a carga emocional intrínseca. Precisamos equilibrar a adoção tecnológica com o bem-estar das equipes, assegurando que a inovação não venha às custas da saúde mental.

Para o futuro, vejo plataformas financeiras que se adaptam em tempo real ao comportamento dos clientes, atendendo a uma base diversa, como a geração Z, que demanda agilidade e experiências digitais nativas. Alcançar esse nível exige investimentos contínuos em modernização e governança, sempre equilibrando inovação com letramento e responsabilidade.

Na EY, nosso compromisso é guiar as instituições nessa transformação, oferecendo não apenas tecnologia, mas também a expertise necessária para aplicá-la de maneira ética e escalável. O caminho à frente demandará um equilíbrio entre ousadia e cautela, com o elemento humano sempre no centro, validando e direcionando as decisões da IA. Só assim poderemos construir um setor financeiro mais eficiente, inclusivo e preparado para o futuro.