Contexto e Cenário Atual
A corrida pela adoção de inteligência artificial (IA) no setor financeiro global entrou em uma nova fase. Depois de mais de uma década investindo em modelos analíticos e preditivos, os bancos agora enfrentam o desafio de levar a IA — especialmente a generativa — para o ambiente de produção em larga escala. Para que essa transição seja bem-sucedida, porém, um fator vem ganhando protagonismo: a modernização da infraestrutura tecnológica que sustenta os sistemas bancários.
Segundo Hector Arias, Global Lead for Retail Banking da Red Hat, a adoção de inteligência artificial não depende apenas dos algoritmos ou dos modelos, mas de um ecossistema tecnológico preparado para integrar aplicações, dados e diferentes ambientes computacionais.
Desafios de Infraestrutura e Integração
De acordo com o executivo, o setor financeiro atravessa atualmente um ponto de inflexão na evolução da inteligência artificial. Durante muitos anos, as instituições financeiras investiram em modelos preditivos voltados para análise de crédito, prevenção de fraudes e avaliação de risco. A inteligência artificial generativa, no entanto, começou a ganhar espaço apenas nos últimos dois ou três anos.
Essa mudança representa uma transformação significativa no funcionamento das instituições financeiras. Na visão do executivo, a inteligência artificial deixa de ser um experimento isolado em laboratórios de inovação e passa a fazer parte da operação cotidiana dos bancos.
Com isso, surgem novos desafios tecnológicos e operacionais. Um dos principais é integrar o desenvolvimento tradicional de software com o desenvolvimento de modelos de inteligência artificial. Historicamente, muitos bancos mantiveram estruturas separadas para essas duas áreas. Com a adoção da IA em escala, essa separação tende a desaparecer.
Soberania Digital e Segurança
Outro ponto crítico é que não existe um único modelo de IA capaz de atender a todas as necessidades do setor financeiro. Na prática, diferentes casos de uso exigem diferentes modelos. Além disso, muitas dessas aplicações lidam com dados extremamente sensíveis, como informações financeiras e dados pessoais de clientes. Por esse motivo, questões relacionadas à governança e à transparência dos modelos tornam-se fundamentais.
Nesse contexto, cresce a preocupação com o uso de modelos considerados “caixas-pretas”, nos quais não é possível compreender exatamente como as decisões são tomadas ou como os dados são processados. Para o executivo da Red Hat, modelos baseados em software aberto oferecem vantagens importantes nesse cenário.
Outro desafio central está relacionado à gestão de riscos e à segurança cibernética. O aumento dos ataques digitais contra instituições financeiras tem levado bancos e reguladores a reforçar as políticas de proteção de dados e segurança de sistemas.
A preocupação com riscos, no entanto, vai além da segurança cibernética. Nos últimos anos, bancos e reguladores também passaram a discutir cada vez mais o tema da soberania digital. O conceito envolve a capacidade de uma instituição ou de um país manter controle sobre sua infraestrutura tecnológica, seus dados e suas operações financeiras, sem depender exclusivamente de fornecedores estrangeiros.
Conclusão e Perspectivas
Apesar dos desafios, Arias avalia que o nível de maturidade tecnológica dos grandes bancos ao redor do mundo é relativamente homogêneo. As maiores instituições financeiras globais vêm investindo de forma consistente em inteligência artificial ao longo da última década, especialmente em modelos preditivos voltados para análise de dados e automação de processos.
Com a chegada da IA generativa, esse movimento se intensificou. Ainda assim, a maioria dos projetos permanece em fase inicial. O grande desafio é transformar esses experimentos em soluções operacionais em larga escala.
Para o executivo, o ano atual deve marcar o início da transição entre experimentação e adoção em escala. Se essa transformação será bem-sucedida, dependerá menos da promessa da inteligência artificial e mais da capacidade das instituições financeiras de modernizar suas infraestruturas tecnológicas e integrar sistemas complexos em um ambiente cada vez mais digital, regulado e orientado por dados.