Setor financeiro acelera IA, mas 68% dos CIOs travam na escala além de PoCs

Resumo executivo

O setor financeiro lidera o investimento em IA no Brasil, mas 68% dos CIOs não conseguem levar projetos de PoC para produção em escala por falhas de governança, dados e custo. O gargalo desloca a vantagem competitiva de quem tem o melhor modelo para quem tem arquitetura, compliance e operação capazes de industrializar IA com retorno mensurável.

3 pontos de impacto de negócio

1. PoC sem P&L vira custo afundado: Bancos, seguradoras e meios de pagamento multiplicaram pilotos de crédito, atendimento, antifraude e backoffice, mas sem pipeline de dados unificado, FinOps de IA e integração ao core legado, o custo por inferência e retrabalho anula o ROI. CFOs passam a exigir payback em 12 meses e corte de pilotos sem métrica de perda evitada, receita incremental ou FTE redirecionado.

2. Governança vira pré-requisito regulatório, não opcional: Banco Central, CVM e LGPD elevam o sarrafo para explicabilidade, trilha de auditoria, gestão de viés e segurança de dados. Escalar copilotos e crédito automatizado sem comitê de risco de modelo, catálogo de dados e controle de acesso expõe a instituição a autuação, risco reputacional e bloqueio de projetos pelo jurídico e compliance.

3. Operação define quem captura valor em Open Finance, Drex e Pix: Quem industrializa IA primeiro acelera underwriting, personalização, cobrança e detecção de fraude em tempo real. Quem fica em PoC mantém custo operacional alto e perde velocidade para fintechs e big techs com stack nativa em nuvem e dados.

Análise estratégica

O dado de 68% travados não é falta de tecnologia. É falta de escala operacional. O padrão no setor é claro: dados fragmentados entre canais, CRM, core bancário e bureaus, qualidade inconsistente, e ausência de feature store e observabilidade.

Soma-se a isso o dilema build vs buy mal resolvido. Modelos proprietários exigem time escasso e GPU cara. Modelos de terceiros aceleram, mas criam risco de vazamento, lock-in e custo variável imprevisível. Sem arquitetura híbrida, gateway de LLMs e política de dados, o CIO não tem como garantir SLA, custo e segurança.

Para C-Levels, a leitura é direta: IA no financeiro saiu da fase de inovação e entrou na fase de industrialização. Vence quem trata IA como plataforma crítica, com dono no negócio, orçamento recorrente e governança integrada a risco operacional.

Prioridade deve ir para 3 a 5 casos de uso com alavanca comprovada: antifraude e AML, crédito e cobrança, atendimento com contenção resolutiva, e automação de backoffice regulatório. Todo o resto deve ser pausado ou consolidado.

O que fazer nos próximos 90 dias

• Criar AI Governance Office ligado a CIO, CRO e Jurídico, com política de uso, avaliação de risco de modelo e trilha de auditoria.
• Auditar base de dados e custos: unificar fontes críticas, definir métricas de qualidade e implementar FinOps para IA com teto de custo por transação.
• Escolher uma plataforma de escala: MLOps, LLMOps, vetor store, gateway de modelos e integração via API ao core e ao Open Finance.
• Exigir business case por use case: baseline, KPI financeiro e operacional, plano de rollout de piloto para 100% da operação.

Veredito OQueVem.ai: O setor financeiro não tem problema de adoção de IA, tem problema de produção. Sem governança e arquitetura de escala, 68% continuarão em PoC permanente enquanto uma minoria converte IA em margem, risco menor e velocidade.

Victor Stern, Editor-Chefe OQueVem.ai