Durante anos, a inteligência artificial (IA) na banca funcionou como um estagiário prestável. Redigia e-mails, resumia relatórios e respondia a perguntas dos clientes. Útil, mas não transformador.
Depois vieram os chatbots. Estes “assistentes digitais” prometiam um melhor serviço, mas muitas vezes davam respostas longas para problemas simples.
Agora o modelo está a mudar. Uma nova vaga de IA agentica vai além da assistência para a ação. Em vez de sugerir tarefas, estes sistemas podem executá-las: liquidar transações, verificar regras de conformidade ou sinalizar transações suspeitas.
Em suma, a banca está a passar de IA que ajuda os banqueiros para IA que age como um.
O que é exatamente a IA Agentica?
No seu cerne, a IA agentica refere-se a sistemas de IA que podem planear, decidir e executar tarefas de forma autónoma em várias etapas.
Ao contrário das ferramentas de IA tradicionais que aguardam por comandos, um agente de IA pode:
De acordo com uma análise recente da equipa de serviços financeiros da Microsoft, os sistemas agenticos permitem que os bancos automatizem processos complexos, desde verificações de fraude até onboarding, porque os modelos de IA modernos podem agora realizar raciocínio em múltiplas etapas e interagir de forma segura com interfaces de programação de aplicações internas (APIs).
Na banca, isso significa que o sistema faz mais do que interpretar um comando. Pode executar um processo do início ao fim. Por exemplo, pode rever dados de mercado, verificar regras de conformidade e executar uma transação ou liquidação através de sistemas conectados.
Em vez de esperar que um humano aprove cada etapa, a IA segue regras e completa a tarefa automaticamente.
Esta capacidade de orquestrar tarefas através de sistemas é a razão pela qual muitos bancos agora descrevem a IA agentica como “IA transacional.”
A IA não se limita a falar sobre ações financeiras; ela executa-as.
IA Generativa vs. IA Agentica: Qual é a diferença?
Tanto a IA generativa quanto a IA agentica dependem de grandes modelos de linguagem (LLMs). A principal diferença reside no que elas foram construídas para fazer.
A maioria das pessoas hoje está familiarizada com ferramentas de IA generativa como ChatGPT ou Claude. Estes sistemas geram conteúdo: texto, código, relatórios e resumos. Ajudam o pessoal a interpretar informações, mas não realizam ações.
Mas a IA generativa para na fase de aconselhamento. A IA agentica vai mais longe: é projetada para executar tarefas. Pode analisar dados, tomar decisões dentro de regras definidas e desencadear ações em sistemas conectados.
Em termos simples, a IA generativa fornece o mapa. A IA agentica conduz o carro.
Aqui está a diferença num contexto bancário:
|
Característica |
IA Generativa |
IA Agentica |
|
Função principal |
Produz informação |
Executa tarefas |
|
Estilo de interação |
Resposta a comandos |
Fluxo de trabalho autónomo |
|
Exemplo na banca |
Redigir relatório de conformidade |
Arquivar relatório de conformidade automaticamente |
|
Exemplo em trading |
Analisar um portfólio |
Executar e liquidar transações |
A IA Agentica já está a gerir bancos?
Instituições como Goldman Sachs, Lloyds Banking Group e Deutsche Bank já não estão apenas a testar ferramentas de IA. Muitas estão a integrar sistemas baseados em agentes nas operações diárias para automatizar partes de trading, conformidade e monitorização de riscos.
Estes sistemas estão agora a receber autoridade limitada para lidar com tarefas que antes requeriam verificações manuais.
Por exemplo, o Lloyds Banking Group anunciou planos para expandir a IA agentica em todo o banco, esperando mais de £100 milhões em valor de iniciativas de IA em 2026, o dobro do valor gerado no ano anterior.
Entretanto, empresas de Wall Street como a Goldman Sachs estão a experimentar agentes de IA para processos internos como contabilidade de transações, verificações de onboarding e fluxos de trabalho de conformidade.
O objetivo não é substituir os banqueiros completamente, mas remover as partes mais lentas do processo.
Onde a IA Agentica está a aparecer primeiro
Os bancos são naturalmente cautelosos. Isso significa que a IA agentica não está a ser implementada em todo o lado de uma só vez. Em vez disso, a tecnologia está a aparecer primeiro em áreas com regras estruturadas e fluxos de dados intensos, incluindo:
-
Anti-branqueamento de capitais (AML)
As equipas de conformidade devem rever milhares de alertas diariamente.
Os sistemas de IA agentica podem:
Investigação académica mostrou que sistemas de AML baseados em agentes podem acelerar significativamente os fluxos de trabalho de conformidade enquanto melhoram a precisão narrativa para os reguladores.
-
Onboarding de clientes e conheça o seu cliente (KYC)
Abrir uma conta bancária requer verificação de identidade, verificação de documentos e triagem de fraude.
Os sistemas agenticos podem executar estas etapas em sequência automaticamente.
-
Operações de trading
A liquidação de transações no back-office, uma das tarefas mais regradas nas finanças, também está a tornar-se um candidato principal para automação.
Em vez de o pessoal reconciliar transações manualmente, os agentes de IA podem verificar registos e atualizar livros-razão instantaneamente.
Mas os bancos podem confiar na IA autónoma?
Aqui está a verdade desconfortável: a IA agentica introduz novos riscos.
Os sistemas de IA agentica podem agir por conta própria para completar tarefas. Se um sistema interpretar mal dados de mercado ou aplicar a regra errada, pode desencadear uma cadeia de ações incorretas antes que um humano intervenha.
Este risco está por vezes ligado ao que os investigadores chamam de alucinações de IA, onde um modelo produz conclusões incorretas a partir de dados incompletos ou mal interpretados. Na banca, tais erros podem afetar a execução de transações, verificações de conformidade ou monitorização de transações.
Os especialistas alertam para 3 desafios principais:
Transparência
As decisões de IA devem ser explicáveis aos reguladores.
Viés em modelos financeiros
Os dados de treino podem levar a resultados injustos.
Crescimento da autonomia
Os sistemas de IA podem começar a tomar decisões além do seu âmbito pretendido.
Para gerir este risco, reguladores e organizações globais estão a trabalhar em salvaguardas.
Por exemplo, reguladores na União Europeia (UE) já estão a abordar estas preocupações através de frameworks como o EU AI Act, que exige supervisão rigorosa para sistemas de IA de alto risco em finanças.
Em outras palavras, os bancos podem automatizar fluxos de trabalho, mas a responsabilidade ainda pertence aos humanos.
Então... Os Agentes de IA estão a tomar conta da banca?
Ainda não. A realidade é mais complexa.
A IA agentica está rapidamente a tornar-se uma camada de força de trabalho digital dentro das instituições financeiras. Estes sistemas podem lidar com tarefas repetitivas de forma mais rápida e em escala.
Mas as responsabilidades principais, como decisões de risco, relações com clientes, julgamento estratégico, ainda requerem supervisão humana.
Mesmo as implementações de IA mais avançadas hoje operam com governança “humano-no-loop”, o que significa que o pessoal pode intervir quando necessário.
As instituições financeiras do futuro podem não substituir os banqueiros por IA, mas quase certamente esperarão que os banqueiros trabalhem ao lado de milhares de agentes digitais.
E isso levanta uma questão intrigante para a indústria:
Se os agentes de IA já podem executar transações, monitorizar conformidade e analisar mercados, o que exatamente fará o banqueiro da próxima década?
Uma coisa é clara: a descrição do trabalho está prestes a mudar.
