A transformação digital no setor financeiro entrou em uma nova fase. Durante muitos anos, a agenda tecnológica das instituições esteve fortemente associada à modernização de canais, digitalização de jornadas, migração para nuvem, automação de processos e evolução de arquiteturas corporativas. Esses movimentos continuam relevantes, mas já não são suficientes para explicar o que está acontecendo no mercado, conforme aponta o relatório global Banking and Capital Markets Outlook da Deloitte (2026).
A discussão deixou de ser apenas sobre como usar tecnologia para tornar processos mais eficientes. Agora a questão central passa a ser como construir organizações capazes de operar continuamente com dados, inteligência artificial, agentes inteligentes e modelos de negócio cada vez mais orientados por contexto.
A mudança nas prioridades ficou evidente nas principais discussões do FICO World 2026, evento que reuniu instituições financeiras, executivos, especialistas e parceiros globais para debater tendências e caminhos do setor. O observamos não foi apenas uma sequência de cases de uso de IA, mas um direcionamento de transição de paradigma, no qual inteligência artificial está deixando de ser uma iniciativa pontual para se tornar uma camada estratégica da operação financeira.
Em muitas organizações, a IA ainda é vista como uma ferramenta de produtividade ou como uma frente experimental conduzida por áreas específicas. Nos bancos mais avançados, porém, ela começa a ser posicionada como parte da arquitetura do negócio. Ela passa a influenciar canais, produtos, relacionamento com clientes, prevenção a fraudes, análise de risco, engenharia de software, operações internas e tomada de decisão.
Com isso, torna-se fundamental compreender essa transformação: a evolução da automação para operações inteligentes, a hiperpersonalização como nova fronteira da experiência do cliente, o avanço dos agentes inteligentes, a necessidade de governança para escalar IA com segurança e o papel da arquitetura e da liderança na transformação dessas tendências em capacidades de negócio. Mais do que observar tecnologias emergentes, o desafio passa a ser entender como elas se conectam à estratégia, aos dados, aos processos e à execução.
Da automação de processos à operação inteligente
A primeira onda da transformação digital foi marcada pela digitalização, quando processos físicos foram levados para canais digitais. Essa etapa foi fundamental, mas ainda estava muito orientada à lógica do processo, que era tornar mais rápido, mais barato e mais escalável aquilo que já existia. Na nova fase, o objetivo deixa de ser apenas automatizar processos e passa a ser criar organizações capazes de aprender, decidir e se adaptar em tempo real.
No setor financeiro, isso significa olhar para cada interação do cliente, cada transação, cada solicitação de crédito, cada tentativa de fraude, cada contato em canal digital e cada dado comportamental como parte de um ecossistema de decisão. O banco deixa de ser apenas uma instituição que oferece produtos e passa a ser uma plataforma de inteligência capaz de entender contexto, antecipar necessidades e agir no momento certo.
Hiperpersonalização: quando cada interação vira contexto
Um dos temas mais fortes nas discussões recentes do setor financeiro é a hiperpersonalização. Por muito tempo, personalizar significava segmentar clientes em grupos, criar campanhas direcionadas ou adaptar ofertas a perfis demográficos e comportamentais, mas agora a ambição é maior. As instituições financeiras estão caminhando para uma visão em que cada cliente pode ser compreendido a partir de sua jornada completa: relacionamento, produtos, canais, eventos de vida, comportamento transacional, preferências, riscos, propensão de compra e contexto em tempo real.
Essa visão muda a lógica da oferta. Em vez de “empurrar” produtos de forma massificada, a instituição passa a identificar o momento adequado, o canal mais relevante e a proposta mais coerente para cada cliente. A hiperpersonalização deixa de ser apenas uma estratégia de marketing e passa a ser uma capacidade organizacional.
Mas essa capacidade não nasce apenas da IA. Ela depende de dados integrados, governança, arquitetura, qualidade da informação, analytics e clareza sobre a jornada do cliente. É nesse ponto que muitas organizações encontram seu maior desafio. Elas possuem grandes volumes de dados, mas nem sempre possuem dados conectados. Têm múltiplos canais, mas nem sempre uma visão integrada da jornada. Têm modelos analíticos, mas nem sempre conseguem colocá-los no fluxo operacional de decisão.
Agentic AI: a próxima fronteira da transformação do mercado financeiro
Se a IA generativa colocou a inteligência artificial no centro das discussões executivas, os agentes inteligentes começam a apontar para a próxima fronteira. A ideia de Agentic AI, ou IA baseada em agentes, traz uma mudança importante: sistemas deixam de apenas responder perguntas ou apoiar tarefas isoladas e passam a atuar como agentes capazes de executar atividades, coordenar fluxos, interagir com sistemas, recomendar decisões e, em alguns casos, operar com graus controlados de autonomia.
Relatórios recentes da Deloitte e Gartner apontam aplicações de Agentic AI em processos como atendimento personalizado, crédito, prevenção de fraudes, mitigação de riscos e produtividade operacional. A McKinsey também destaca o uso de agentes em atividades de relacionamento bancário, como prospecção de leads e apoio à jornada do cliente. Em vez de uma IA isolada, passamos a imaginar ecossistemas de agentes conectados a dados, regras de negócio, sistemas corporativos e mecanismos de governança, atuando não apenas em tarefas pontuais, mas em workflows completos.
Mas esse futuro exige cuidado. Quanto mais autonomia damos a sistemas inteligentes, maior precisa ser a responsabilidade sobre suas decisões. Surgem perguntas críticas: de onde vêm os dados usados pelo agente? Como garantir que a decisão seja explicável? Como auditar uma recomendação automatizada? Como definir limites de atuação? Quem responde por uma decisão tomada por um agente? Como garantir conformidade regulatória? Essas perguntas mostram que Agentic AI não é apenas uma evolução tecnológica. É uma discussão de governança, arquitetura, risco, negócio e cultura organizacional.
IA sem governança não escala
Um erro comum na adoção de IA é acreditar que o principal desafio está nos modelos. Embora a escolha de modelos, ferramentas e plataformas seja importante, a realidade mostra que muitas iniciativas falham por questões mais fundamentais: dados fragmentados, processos pouco claros, ausência de governança, baixa integração com sistemas corporativos e dificuldade de transformar protótipos em operação.
No setor financeiro, essa discussão é ainda mais sensível. Bancos, fintechs, seguradoras e demais instituições reguladas operam em ambientes de alta complexidade, nos quais segurança, compliance, rastreabilidade, explicabilidade e continuidade operacional são requisitos essenciais.
Por isso, “Responsible AI”, ou IA responsável, deixa de ser um tema conceitual e passa a ser parte da estratégia. Ele trata da adoção de IA com princípios e práticas que garantam uso seguro, ético, auditável e aderente às regras do negócio e do ambiente regulatório. Não se trata apenas de evitar riscos éticos ou regulatórios, mas de criar confiança para que a organização possa escalar o uso de IA com consistência.
Da tendência à execução: engenharia, operação e liderança em transformação
O mercado financeiro está repleto de tendências: IA generativa, agentes inteligentes, hiperpersonalização, analytics em tempo real, modernização de sistemas, automação e plataformas de decisão. Mas tendência, por si só, não transforma organizações. O valor surge quando essas tendências são convertidas em escolhas estratégicas, capacidades organizacionais e execução disciplinada.
Esse movimento também impacta diretamente a forma como soluções são concebidas, desenvolvidas, testadas e operadas. Instituições mais avançadas já utilizam IA em etapas de discovery, pesquisa com usuários, desenho de jornadas, documentação, geração de código, testes, revisão, análise de incidentes e automação operacional. Com isso, a IA deixa de ser apenas uma ferramenta individual de produtividade e passa a influenciar o próprio modelo de engenharia e operação.
A pergunta, portanto, não é se a IA substituirá pessoas, mas como ela pode ampliar a capacidade dos times, reduzir esforço em atividades repetitivas e liberar profissionais para temas de maior valor, como arquitetura, qualidade, segurança, inovação, entendimento do negócio e tomada de decisão. Para isso, não basta disponibilizar ferramentas de IA. É necessário repensar esteiras, padrões, governança técnica, critérios de qualidade, papéis e responsabilidades.
O papel da liderança é justamente conectar essas possibilidades à realidade da organização: identificar onde existe valor real, quais problemas merecem ser atacados, quais dados são necessários, quais riscos precisam ser controlados e qual arquitetura permitirá escalar. Para algumas organizações, o primeiro passo será organizar dados e governança. Para outras, modernizar canais e plataformas. Algumas precisarão acelerar sua engenharia com IA. Outras terão mais valor ao aplicar IA em fraude, crédito, cobrança, atendimento ou relacionamento com clientes.
Não existe uma jornada única. Mas existe um princípio comum: começar com clareza de valor, experimentar com responsabilidade e escalar com arquitetura. Organizações que conseguirem incorporar IA de forma segura e estruturada aos seus modelos de engenharia, operação e decisão terão uma vantagem importante: entregar melhor, aprender mais rápido e responder com mais velocidade às mudanças do mercado.
IA, dados e agentes inteligentes estão redefinindo o que significa competir em um mercado financeiro cada vez mais dinâmico, regulado e orientado por experiência. As instituições que conseguirem combinar visão estratégica, dados organizados, governança forte, arquitetura moderna, eficiência operacional e cultura de experimentação estarão mais preparadas para capturar valor nesse novo ciclo.
