IA no setor bancário: Insights da pesquisa GenAI da EY-Parthenon
 

Apesar do alto entusiasmo por GenAI e pela emergente IA agêntica, a maioria dos bancos ainda depende de aprendizado de máquina (ML) tradicional e automação robótica de processos (RPA). Apenas 28% dos casos de automação em desenvolvimento ou implementados utilizam atualmente GenAI ou IA agêntica, Isso mostra que os bancos reconhecem a necessidade de selecionar estrategicamente as tecnologias ideais alinhadas com casos de uso específicos para agregar valor — uma área crítica do planejamento estratégico à medida que avançam nessa jornada.

A IA agêntica, capaz de tomar decisões de forma autônoma, rapidamente ganhou notoriedade no setor bancário, com 99% de familiaridade entre os entrevistados. No entanto, apenas 31% avançaram para a implementação, indicando enorme potencial de crescimento para os pioneiros.

Os bancos também relataram desafios significativos — questões relacionadas a dados, conformidade regulatória e execução — resultando em altas taxas de falha no desenvolvimento e na implementação. Abordar esses desafios e considerar os aprendizados dos últimos dois anos será crucial para desbloquear o valor estratégico completo do GenAI para o setor bancário de varejo e comercial. Apesar disso, houve progresso significativo na implementação de aplicações GenAI nos últimos dois anos, com 47% dos participantes em 2025 indicando ter lançado aplicações GenAI, contra 10% em 2023. Além disso, 90% dos bancos em 2025 estão pelo menos na fase de beta testing ou além, comparado a apenas 64% em 2023, indicando que apenas os adotantes mais lentos ainda não operacionalizaram sua estratégia de GenAI.

Apesar dos desafios associados aos primeiros investimentos em novas tecnologias, os bancos estão começando a colher os resultados. 77% dos bancos relatam esperar um aumento de receita de 6% a 20% a partir de aplicações GenAI. Além disso, 79% dos participantes esperam novos aumentos de receita de 6% a 20% nos próximos dois anos. Assim, embora os bancos trabalhem para aprimorar os frameworks de seleção de casos de uso e reduzir taxas de falha no desenvolvimento e implementação, os investimentos frequentemente se pagam, com valor de longo prazo sendo concretizado.

IA no setor bancário: adotando governança centralizada para decisões mais eficientes

As instituições têm adotado cada vez mais modelos de governança estruturada para lidar com as complexidades do cenário financeiro moderno. A maioria significativa migrou para abordagens de governança centralizada, que agilizam a tomada de decisão e aumentam a responsabilidade. Em contrapartida, os modelos de governança federada, que distribuem autoridade entre unidades de negócio ou regiões, têm visto queda na adoção. No entanto, modelos híbridos, combinando elementos centralizados e federados, ainda são utilizados por mais de 40% dos bancos.

Embora o GenAI tenha uma base consolidada entre as instituições, os bancos maiores demonstraram maior prontidão e capacidade para adotar IA agêntica, mas apontaram barreiras significativas, como conformidade regulatória (71%) e preocupações com privacidade de dados (67%), exigindo planejamento cuidadoso e governança robusta.

Os bancos precisarão aplicar continuamente uma rigorosa priorização de casos de uso com base em adequação tecnológica, potencial de criação de valor, prontidão de dados e perfis de risco para GenAI e IA agêntica. Para aumentar as taxas de sucesso, devem aproveitar insights amplos do setor sobre acertos e falhas de instituições pares, combinados com a expertise de tecnólogos.

Principais riscos, desafios e lições aprendidas relacionadas à IA no setor bancário

Apesar dos investimentos robustos e dos primeiros sucessos, alguns desafios de execução persistem. Os dados mostram que a taxa de conversão do desenvolvimento para a implementação pode ser baixa (apenas 16% dos casos de uso chegam à implantação completa). Casos de uso que não atingem as expectativas são comuns, com 40% dos casos implementados falhando em cumprir os objetivos. Isso ressalta a necessidade de esforços contínuos para integrar as lições aprendidas em novas iniciativas.

As principais barreiras para avanços adicionais incluem desafios de conformidade regulatória (26%), preocupações com privacidade de dados (22%) e acesso limitado a dados de alta qualidade (21%). Para alcançar maior sucesso, os bancos reconhecem claramente a necessidade de fortalecer a governança de dados (citado por 79% dos participantes) e de envolver as partes interessadas de forma mais ágil e aprofundada (71%) para reduzir essas barreiras.

Recomendações para os bancos que estão caminhando para o próximo horizonte

À medida que o setor bancário integra cada vez mais o GenAI em seus modelos de negócio, é fundamental que as instituições adotem um quadro estratégico que aborde oportunidades e desafios. As recomendações a seguir destacam passos essenciais para aproveitar essas tecnologias avançadas, impulsionar a inovação, melhorar a eficiência operacional e garantir crescimento sustentável em um ambiente competitivo.

Os bancos têm a oportunidade de adotar rapidamente o GenAI e explorar a IA agêntica para transformar operações, impulsionar a inovação e se posicionar estrategicamente para o crescimento futuro. Ao focar em melhorar a governança de dados, envolver as partes interessadas e priorizar parcerias externas, as instituições podem navegar eficazmente pelas complexidades da implementação. Embora os desafios persistam, governança proativa, alinhamento estratégico e priorização cuidadosa de casos de uso oferecem caminhos claros para realizar todo o potencial do GenAI.  

Nahom Brhane, Senior; Benjellica Leslie-Jones, Senior; Pedro Fernandez, Senior; e Yusuf Azizi, Senior foram colaboradores deste artigo.