Bancos levam a IA dos testes para a escala corporativa no SIBOS

No SIBOS, executivos seniores de tecnologia e IA do Deutsche Bank, do BNP Paribas, do BNY e do Citi participaram com o Google Cloud de uma mesa-redonda com a imprensa sobre como as instituições financeiras estão levando a inteligência artificial da fase de experimentação para a implantação em escala corporativa.

A mensagem central do debate foi clara: os serviços financeiros estão entrando na era da IA agêntica, em que os sistemas de IA conseguem raciocinar sobre informações complexas, executar fluxos de trabalho com várias etapas e ajudar os funcionários a tomar decisões mais rápidas e mais bem fundamentadas.

Para bancos que operam em ambientes altamente regulados, porém, a conversa já não se resume ao que a IA é capaz de fazer. Cada vez mais, trata-se de como implantá-la com segurança, em escala e com valor de negócio mensurável.

Dos pilotos à transformação

Jo Hannaford, CIO e CPO do Corporate Bank do Deutsche Bank, descreveu a trajetória do banco em IA como uma transição da experimentação para a escala industrial. O Deutsche Bank desenvolveu uma estrutura de IA agêntica, chamada ADA, projetada para permitir que os agentes sejam reutilizados em diferentes aplicações.

Hannaford destacou duas grandes categorias de casos de uso de IA nos serviços financeiros: otimização de processos e inteligência financeira. Embora a automação possa melhorar a eficiência operacional, ela argumentou que a maior oportunidade está em usar a IA para sintetizar informações financeiras e de mercado e gerar inteligência acionável para as equipes que atendem os clientes.

No BNP Paribas, a ambição também vai além da automação incremental. Charles Holive, Chief AI Officer de Corporate and Institutional Banking, afirmou que o banco trata a IA como um motor de negócios, e não apenas como uma iniciativa de tecnologia ou de custos.

Em vez de buscar milhares de provas de conceito individuais, o BNP Paribas está se concentrando em um número menor de grandes transformações em suas linhas de negócio, com o objetivo de redesenhar processos e mudar sua economia subjacente.

A IA agêntica entra no fluxo de trabalho

O debate também trouxe exemplos concretos de como os bancos estão aplicando a IA agêntica a processos financeiros do dia a dia.

No BNP Paribas, um dos casos de uso se concentra nas operações de serviços de títulos, incluindo o tratamento de divergências em operações (trade breaks). O banco redesenhou o fluxo de trabalho antes de introduzir um agente de IA para gerenciar partes do processo.

Segundo Holive, o sistema resolveu inicialmente cerca de 95% dos casos de triagem recebidos, enquanto as exceções restantes se tornaram oportunidades para o agente aprender com o feedback humano. Em poucas semanas, o processo atingiu cerca de 80–85% de eficiência automatizada.

O BNY aplica um conceito semelhante aos pagamentos. Sarthak Pattanaik, Chief Data and AI Officer, descreveu uma solução agêntica criada para tratar a pequena parcela de ordens de pagamento que exigem intervenção manual.

O sistema combina a compreensão semântica das informações de pagamento — incluindo beneficiários, moedas, endereços e tipos de pagamento — com a validação sintática segundo os padrões ISO 20022. Em seguida, avalia o contexto mais amplo da transação para determinar se o pagamento faz sentido, enquanto controles determinísticos e a intervenção humana continuam fazendo parte do processo.

A distinção é importante: em vez de substituir os controles existentes, a camada de IA está sendo usada para acrescentar capacidade de raciocínio sobre eles.

Da eficiência à inteligência financeira

Para o Deutsche Bank, outra grande oportunidade é usar a IA para melhorar a qualidade e a velocidade da inteligência financeira.

O banco desenvolveu em conjunto com o Google Cloud uma funcionalidade de Financial Insights que reúne inteligência financeira, dinâmica de mercado e informações específicas de cada cliente. O sistema pode gerar recomendações para as equipes de cobertura e automatizar tarefas de acompanhamento, como a redação de memorandos financeiros e análises de crédito.

Hannaford disse que a ferramenta tem o objetivo de ajudar as equipes de relacionamento a identificar problemas emergentes antes mesmo que os próprios clientes os tenham percebido.

O Citi também está explorando a IA agêntica em áreas como liquidez, processamento de documentos e gestão de patrimônio. Stephen Randall, COO interino de Services e chefe de Liquidity Management Services, ressaltou a importância de combinar ganhos de produtividade com limites corporativos claros.

A governança passa a fazer parte da arquitetura

Se houve um tema que conectou os diferentes exemplos, foi o de que confiança e governança não podem ser acrescentadas depois da implantação.

Os participantes do painel destacaram repetidamente a importância da governança de dados, da observabilidade, dos controles regulatórios e da supervisão humana.

No BNP Paribas, a governança, que envolve as áreas de compliance, jurídico, cibersegurança e RH, é incorporada desde o início do desenvolvimento. O banco também pode usar infraestrutura interna para prototipar aplicações sensíveis antes de submeter as soluções comprovadas à governança corporativa completa.

No Citi, as equipes usam controles que definem quais fontes de dados internas e externas podem ser acessadas por fluxos de trabalho específicos, mantendo modelos definidos de supervisão humana dentro do ciclo (human-in-the-loop) ou sobre o ciclo (human-on-the-loop).

O Deutsche Bank está explorando abordagens com grafos de conhecimento para conectar informações semânticas entre estruturas de dados tradicionais. Segundo Hannaford, isso ajudou a acelerar processos como o onboarding de clientes e a concessão de crédito em áreas específicas do banco.

No BNY, a governança também está incorporada à própria plataforma de dados e IA, com metadados e semântica ajudando a determinar se uma informação pode ser usada legitimamente para uma finalidade específica.

Google coloca suas próprias operações financeiras à prova

O Google também apresentou sua própria área financeira como um campo de testes real para a IA corporativa.

Kristin Reinke, vice-presidente de Finanças do Google, descreveu a empresa como o “Cliente Zero” de suas tecnologias de IA. O Google implantou a IA em toda a sua área financeira, incluindo a validação de faturas e os relatórios para a alta gestão.

Jason Allen, tesoureiro assistente do Google, destacou um sistema agêntico de gestão de caixa desenvolvido para as operações globais de tesouraria do Google. A solução usa agentes separados de previsão, avaliação e execução para identificar o excesso de caixa, avaliar onde ele deve ser investido e preparar as transações para execução.

A empresa afirmou que o sistema liberou tempo dos funcionários para atividades de maior valor, além de gerar receita adicional com juros.

Mais importante: o Google enfatizou que a IA não toma a decisão final de investimento. Os gestores de caixa humanos mantêm a responsabilidade pela decisão, enquanto a tecnologia fornece recomendações e reduz o trabalho manual necessário para chegar a elas.

A próxima fase da IA nos bancos

O debate no SIBOS sugere que a conversa do setor sobre IA está evoluindo. O foco está se afastando de ferramentas de produtividade isoladas e indo em direção a sistemas de IA incorporados diretamente aos fluxos de trabalho financeiros críticos.

Os exemplos compartilhados pelo Deutsche Bank, pelo BNP Paribas, pelo BNY e pelo Citi apontam para um modelo comum: a IA realiza raciocínios e execuções cada vez mais complexos, enquanto controles de dados, verificação determinística, governança e julgamento humano continuam sendo essenciais.

Para as instituições financeiras, a questão competitiva pode, portanto, ser menos sobre quem consegue implantar o maior modelo de IA e mais sobre quem consegue construir a infraestrutura, os alicerces de dados e a governança necessários para transformar as capacidades da IA em processos de negócio confiáveis.

Como o painel do Google Cloud deixou claro, o modelo que está surgindo não é o da IA substituindo os profissionais de finanças, mas o da IA eliminando atritos e ampliando o julgamento das pessoas responsáveis pelas decisões financeiras.