Os desafios de escalar a Inteligência Artificial na banca

Apesar da indústria financeira ter sido uma das precursoras da transformação tecnológica e digital nos últimos anos, maioritariamente em canais e operações, constata-se que a adoção de soluções de Inteligência Artificial na banca permanece, em muitos casos, numa fase ainda emergente.
Estudos recentes indicam que mais de 70% das instituições financeiras europeias já realizaram pilotos de Inteligência Artificial, mas apenas uma minoria conseguiu escalar estas iniciativas para produção. E num contexto de pressão e crescente incerteza sobre a margem financeira, de intensificação da concorrência das fintechs e de aumento das exigências regulatórias, os bancos têm de acelerar a transição da experimentação para a implementação de Inteligência Artificial em larga escala. Mas há uma diferença considerável entre pilotar e provar o conceito, e multiplicar e escalar a materialidade dos casos de uso. É precisamente nessa diferença que muitos bancos continuam a tropeçar, essencialmente por dois motivos: cultural e financeiro.
Muitas instituições financeiras mantêm estruturas hierárquicas pesadas e processos conservadores, o que dificulta a experimentação rápida e a integração de novas tecnologias nos fluxos críticos de negócio. Outras enfrentam resistência interna à mudança, falta de competências especializadas e de curiosidade tecnológica. Existem, ainda, situações de ausência de compromisso estratégico claro, o que leva a que os projetos acabem confinados a departamentos de inovação ou a pequenas equipas tecnológicas, sem impacto estrutural.
Evangelizar e requalificar os colaboradores para novas tecnologias (chave neste processo), contratar perfis especializados, desenvolver, treinar e operar modelos de analítica avançada, bem como modernizar as plataformas legadas, muitas delas desenvolvidas há décadas, exige um investimento relevante. Posteriormente, quando a escala começar a ser evidente, é previsível que surjam novos desafios com os elevados custos de consumo de soluções de Inteligência Artificial, o que ampliará o atual debate sobre o custo-benefício da produtividade individual. Este tópico ficará, inevitavelmente, no topo da agenda do CFO, que se verá cada vez mais no papel de um especialista em FinOps.
Apesar destes desafios, existem casos de sucesso de integração de Inteligência Artificial na banca – o JPMorgan Chase nomeou um COO para acelerar a estratégia de dados e Inteligência Artificial, o Citi conta com mais de 4.000 colaboradores voluntários para promover a adoção de Inteligência Artificial nas equipas, e o BPI lançou o programa AI Dive, em parceria com a 42 Portugal, para capacitar os seus 4.500 colaboradores em Inteligência Artificial.
Estas melhores práticas partilham quatro fatores de sucesso: patrocínio genuíno do C-Level, um modelo de governo sólido com papéis claros e responsabilidades definidas, elevada qualidade e disponibilidade dos dados e um investimento contínuo na requalificação dos colaboradores com funções mais permeáveis à Inteligência Artificial.
Mas a evolução exponencial da Inteligência Artificial poderá mudar este paradigma. Depois de dois anos marcados sobretudo por curiosidade e experimentação, a emergência do Agentic AI poderá sinalizar o início da industrialização desta tecnologia, ao permitir sistemas mais autónomos, capazes de tomar decisões, executar tarefas complexas e orquestrar processos de forma integral com intervenção humana mínima.
Neste contexto, a Inteligência Artificial afirma-se como um catalisador das estratégias de ZeroOps, com impacto direto na eficiência operacional, na redução de erros e na escalabilidade do negócio.
A janela de oportunidade está a fechar-se para quem ainda pretende ou está a provar o conceito de Inteligência Artificial. Os bancos que investirem agora em talento, dados, arquiteturas e governo irão definir a próxima década em termos de velocidade de decisão, qualidade da gestão de risco, eficiência operacional, experiência de cliente e diversificação do negócio — uma vantagem competitiva difícil de superar.