O setor dos serviços financeiros passou o último ano a experimentar com IA. Agora, à medida que nos aproximamos de 2026, estou a ver a conversa mudar de “o que é possível” para “o que está pronto para produção”. Para os líderes sénior em gestão de ativos e banca de custódia, a questão já não é se devem adotar IA, mas quais as capacidades que se tornarão críticas para o negócio nos próximos meses.
Da Experimentação ao Essencial para o Negócio: A Ascensão da IA Agentiva
2025 marcou o ano da experimentação em IA no setor bancário. As instituições apressaram-se a explorar como a IA poderia automatizar processos, acelerar resultados e melhorar a experiência do cliente. Os bancos desenvolveram soluções internas de IA assentes em vastas bibliotecas de relatórios de investigação e documentação, testando os limites do que estas tecnologias poderiam oferecer.
Mas acredito que 2026 representa uma mudança fundamental. A transição da experimentação para a utilidade crítica para o negócio está a ser definida pela IA Agentiva: sistemas que possuem verdadeira “agência”. Ao contrário dos Modelos de Linguagem de Grande Escala (LLMs) estáticos que dominaram 2023, estes agentes conseguem executar tarefas multi-etapas em diferentes sistemas bancários sem intervenção humana constante. O impacto financeiro é significativo: a McKinsey projeta reduções brutas de custos até 70% em determinadas categorias, com reduções líquidas agregadas de 15% a 20%.
Na banca de custódia, estou a ver isto materializar-se no processamento autónomo de ações corporativas. Plataformas como a do nosso parceiro All Mates conseguem agora interpretar anúncios complexos e multi-jurisdicionais, reconciliá-los com as posições dos clientes e executar ações com supervisão mínima.
Na gestão de ativos, estamos a assistir ao uso de geradores de dados sintéticos baseados em Redes Adversariais Generativas (GANs) para criar cenários de mercado “cisne negro”, permitindo testar carteiras para além dos precedentes históricos. O mercado global de dados sintéticos para a banca deverá atingir 14,36 mil milhões de dólares até 2034, face a 3,55 mil milhões em 2024 — um sinal claro da direção que o setor está a tomar.
Onde as Ferramentas de IA Estão a Ter Maior Impacto nos Serviços Financeiros
Automação Operacional e de Reporting
Na minha experiência a trabalhar com clientes bancários, a automação operacional e de reporting está a gerar o valor mais imediato. Estamos a usar IA para executar e entregar mais rapidamente do que nunca, mas agora com verdadeira inteligência por detrás da velocidade. Investigação do Banco de Inglaterra revela que 55% de todos os casos de uso de IA envolvem algum grau de tomada de decisão automatizada, com 24% a operar de forma semi-autónoma.
A pressão para adotar é intensa. Um estudo da IBM de 2025 concluiu que 55% dos CEOs dos mercados empresariais e financeiros afirmam que os potenciais ganhos de produtividade da automação são tão significativos que precisam de aceitar riscos consideráveis para se manterem competitivos.
Já vejo aplicações práticas a transformar as operações diárias. Ferramentas de IA estão a mapear dados internos não estruturados diretamente para reporting regulatório, reduzindo drasticamente o “imposto do reporting” que historicamente onerou as instituições financeiras. Bases de dados vetoriais permitem a agregação de exposições ao risco em tempo real e entre classes de ativos, substituindo o processamento em batch que dominou a última década. A IA gera comentários de performance personalizados e de nível institucional para milhares de mandatos individuais em simultâneo, assegurando o cumprimento dos requisitos de comunicação “clara, justa e não enganosa”.
A Próxima Vaga: Análise Conversacional
À medida que o reporting automatizado se torna padrão, observo o mercado a exigir mais da IA em tarefas relacionadas. A questão passa de “Conseguimos gerar relatórios?” para “Conseguimos analisá-los de forma inteligente?”. A resposta é cada vez mais afirmativa.
O Relatório de Tendências de Analytics da Gartner de 2025 projeta que, até 2026, 70% das interações analíticas serão conversacionais — uma mudança que democratiza a literacia de dados em todas as funções do negócio. Ferramentas de IA como a do nosso parceiro Veezoo utilizam Grafos de Conhecimento para identificar ligações entre dados aparentemente não relacionados, permitindo detetar “riscos ocultos” em carteiras que a análise tradicional não conseguiria identificar.
A Realidade Regulamentar: O Que é Possível Implementar na Prática
O Equilíbrio entre Adoção e Risco
O entusiasmo em torno da IA nos serviços financeiros é inegável, mas tenho observado que é moderado pelas realidades regulatórias. De acordo com o Global Outlook for Banking and Financial Markets 2025 da IBM, 60% dos CEOs bancários reconhecem que têm de aceitar riscos significativos para aproveitar as vantagens da automação, mas 78% dos bancos continuam a adotar apenas uma abordagem tática à IA generativa.
Um inquérito do Banco de Inglaterra revela que 72% das instituições estão atualmente a utilizar ou a desenvolver IA, sendo expectável que esse número triplique nos próximos três anos. No entanto, esta aceleração amplifica riscos críticos. As instituições identificaram o viés dos dados como a principal ameaça para os consumidores e a falta de explicabilidade da IA como o maior risco para a sua própria solidez e segurança.
Enquadramentos Regulamentares que Moldam a Implementação da IA
Na sequência dos princípios do BCBS 239 para uma agregação eficaz de dados de risco e reporting de risco, o Banco de Inglaterra, a Prudential Regulation Authority (PRA) e a Financial Conduct Authority (FCA) publicaram regulamentos fundamentais. A SS1/23 estabelece princípios de Gestão do Risco de Modelos para os bancos, enquanto a SS1/21 aborda a resiliência operacional e os limites de impacto para serviços empresariais críticos, exigindo que as instituições “evitem danos previsíveis”.
A FCA considera que o Senior Managers’ and Certification Regime (SMCR) fornece o enquadramento adequado para responder rapidamente à inovação, incluindo a IA. Tudo isto conduziu ao que observo como uma adoção generalizada de arquiteturas “human-in-the-loop”, em que a IA propõe ações, mas os humanos explicam, supervisionam e autorizam decisões de elevado valor.
Porque Falham as Ferramentas de IA e Quais os Fundamentos que as Fazem Funcionar
O Imperativo da Confiança
Quando discuto IA nos serviços financeiros com clientes, lembro sempre que não estamos apenas a falar de automatizar decisões ou substituir processos humanos. Estamos a falar de manter a segurança do sistema financeiro nacional e internacional, cumprir requisitos regulatórios e assumir responsabilidade social. Trata-se de confiança — e das nossas vidas. Neste contexto, a IA não pode falhar. Não pode ser apenas uma “caixa negra”. Confiaria nela se não conseguíssemos explicar como funciona?
Na minha experiência, as ferramentas de IA falham sobretudo devido a problemas fundamentais nos dados de que dependem, conduzindo a resultados enviesados e ininterpretáveis. A FCA identificou como maior risco para os consumidores o “viés e a representatividade dos dados” e, para as instituições, a “falta de explicabilidade da IA” — problemas que resultam de dados de treino de fraca qualidade, incompletos ou não representativos, falhas de governação subsequentes e modelos privados de terceiros que retiram responsabilidade aos humanos e às instituições que implementam a IA.
Fundamentos Não Negociáveis para Escalar
Para operar IA à escala, constatei que as organizações têm de estabelecer três capacidades críticas:
Arquitetura Moderna de Dados e Pipelines de Streaming: As instituições líderes com quem trabalho ultrapassaram a prática de despejar indiscriminadamente dados em “data lakes” centralizados, que frequentemente se degradam em pântanos sem governação. Em vez disso, adotam uma abordagem de data fabric: uma camada orientada por metadados que permite aos sistemas de IA acederem de forma segura aos dados onde estes residem. Isto garante a integridade de uma “fonte única de verdade” consistente em toda a organização, incluindo cenários em tempo real e streaming.
Analytics Aumentado e Interoperabilidade Semântica: Vi a IA falhar repetidamente quando não possui compreensão contextual. Confundir “data de liquidação” com “data de negociação” entre sistemas pode comprometer analytics, automação e tomada de decisão. Uma camada semântica unificada estabelece um significado partilhado entre fontes de dados e é um pré-requisito crítico para rastreabilidade de dados, analytics aumentados e automação agentiva à escala.
Automação RegTech e Guardrails para LLMs: Sem dados de elevada qualidade e devidamente governados, sei que os modelos de linguagem de grande escala são propensos a gerar imprecisões, particularmente em domínios sensíveis como dados contabilísticos e regulatórios, onde o erro é inaceitável. Os pipelines de IA têm de incorporar conformidade, controlo e explicabilidade como cargas de trabalho de primeira linha. Guardrails robustos, auditabilidade e automação regulatória são essenciais para garantir confiança, segurança e alinhamento regulamentar.
Construir, Comprar ou Estabelecer Parcerias? Fazer a Escolha Estratégica Certa
O Dilema do CEO
De acordo com o Estudo de CEOs da IBM de 2025, 64% dos CEOs referem que o receio de ficar para trás os está a pressionar a investir em tecnologias antes de compreenderem plenamente o valor que estas poderão gerar. Em simultâneo, 67% acreditam que a verdadeira diferenciação depende de colocar as competências certas nas funções certas, apoiadas pelos incentivos adequados. Nos próximos três anos, 31% da força de trabalho necessitará de requalificação ou reconversão de competências.
Os resultados têm sido mistos. Nos últimos três anos, os CEOs indicam que apenas 25% das iniciativas de IA atingiram o retorno sobre o investimento esperado, e apenas 52% afirmam que os investimentos em IA Generativa estão a gerar valor para além da redução de custos. Ainda assim, é encorajador ver que o otimismo se mantém elevado: 85% dos CEOs esperam um ROI positivo proveniente de iniciativas de eficiência e redução de custos com IA à escala até 2027.
Avaliar as Opções
Nas minhas conversas com líderes sénior, ajudo-os a refletir sobre as diferentes abordagens estratégicas:
Construir (Build): Quando a IA oferece uma vantagem verdadeiramente exclusiva — como um modelo único de extração de sinais ou de tomada de decisão — desenvolver internamente permite às organizações manter a totalidade da propriedade intelectual. No entanto, alerto sempre que esta abordagem exige equipas altamente qualificadas, um roadmap de evolução e manutenção a longo prazo e suporte dedicado aos clientes. É, frequentemente, uma opção complexa, intensiva em recursos e dispendiosa.
Comprar (Buy): Para capacidades comoditizadas, como analytics, KYC e rastreio de AML, ou extração básica de documentos, recomendo normalmente a aquisição de soluções de terceiros, por ser mais económica e permitir acesso rápido a inovação contínua impulsionada por uma base alargada de utilizadores. Ainda assim, aconselho os líderes a avaliarem cuidadosamente contratos de longo prazo, estabilidade de preços e potenciais dependências de dados ou processos que possam limitar a flexibilidade futura.
A Regra 10–20–70
A BCG recomenda que os executivos ancorem a sua estratégia de adoção de IA na regra 10–20–70, e concordo plenamente. Enquanto a tecnologia e os dados representam 10% e 20% do esforço, respetivamente, os restantes 70% dependem das pessoas e dos processos. A criação de valor sustentável não virá apenas da tecnologia, mas da forma como as organizações capacitam as suas equipas e redesenham a maneira como o trabalho é realizado.
É aqui que acredito que parceiros especializados como a Keyrus desempenham um papel crítico. A discussão tradicional entre “Construir vs. Comprar” tende a ignorar a complexidade da integração. Vejo o nosso papel como o de tecido conector, integrando modelos e ferramentas avançadas de IA em ambientes legados, garantindo a conformidade regulatória e assumindo o esforço técnico mais exigente. Isto permite que as equipas internas de TI, frequentemente limitadas por exigências operacionais, avancem mais rapidamente e com maior confiança.
O Diferenciador de 2026: Maturidade Agentiva
Vencedores vs. Organizações Presas ao “Purgatório dos Pilotos”
Até 2026, prevejo que os verdadeiros “vencedores” serão definidos pelo seu nível de maturidade agentiva. Estas organizações terão evoluído de encarar a IA apenas como uma ferramenta de produtividade para a implementarem como uma força de trabalho digital. Operarão uma “Sala de Controlo de IA”, semelhante a uma mesa de trading, onde centenas de agentes autónomos são monitorizados, orquestrados e otimizados. Os seus modelos de governação serão adaptativos e orientados para resultados, evoluindo ao ritmo da mudança tecnológica, em vez de travarem o progresso com processos burocráticos tradicionais.
As organizações menos maduras permanecerão presas no purgatório dos pilotos. Tenho observado este padrão repetidamente: acumulam dezenas de provas de conceito desconectadas que não escalam, porque a arquitetura de dados subjacente continua fragmentada e em silos. Como resultado, têm dificuldade em demonstrar a robustez, rastreabilidade e controlo dos modelos de risco baseados em IA, o que conduz a maiores requisitos de capital regulatório e a uma menor confiança por parte dos supervisores, como a PRA.
O Que os Líderes Sénior Devem Fazer Agora
A escalabilidade da IA começa no topo, e não consigo enfatizar isto o suficiente. A liderança de topo precisa de falar abertamente sobre o que está a mudar e apoiar novas formas de trabalho à medida que as equipas aprendem e se adaptam. É essencial reconhecer e recompensar iniciativas que criam valor real à escala da organização, em vez de demonstrações isoladas que parecem promissoras, mas não têm continuidade. Quando algo não consegue evoluir para além de um piloto, digo sempre aos meus clientes que isso é um sinal claro de que a abordagem precisa de ser repensada.
Na minha perspetiva, os próximos 12 meses não dizem respeito à escolha do melhor modelo de IA, mas sim à construção de um ambiente resiliente, governado e rico em dados, capaz de suportar agentes autónomos à escala e permitir a criação de valor sustentado. Para a gestão de ativos e a banca de custódia, acredito que a janela para estabelecer estas bases está a fechar-se. As instituições que atuarem de forma decisiva agora serão aquelas que irão definir o padrão do setor em 2026.
Sobre o Autor
Ivan Vemado é um líder visionário em Inteligência Artificial e Inovação na Keyrus, com mais de 17 anos de experiência comprovada na condução de transformações digitais e na entrega de soluções inovadoras que impulsionam o crescimento e a eficiência em mercados globais.