A inteligência artificial está deixando de ser apenas uma ferramenta de atendimento para assumir tarefas, tomar decisões dentro de limites definidos e coordenar processos inteiros. No setor financeiro, essa mudança ganha força com os agentes de IA, capazes de acessar sistemas, consultar dados e trabalhar em conjunto para resolver problemas. O tema foi discutido durante o Febraban Tech 2026.

Telma Soares, Diretora do CEIA-UFG e professora da UFG, explicou que sistemas multiagentes representam uma mudança de arquitetura. A ideia não é simplesmente colocar vários chatbots para conversar entre si, mas dividir uma tarefa complexa em partes menores, distribuídas entre agentes especializados. Em uma operação de crédito, por exemplo, um agente pode interpretar a solicitação do cliente, outro consultar dados autorizados, outro avaliar o risco e um quarto verificar possíveis fraudes. Um agente responsável pela orquestração coordena todo o processo.

Para Telma, essa estrutura permite atacar problemas complexos de forma mais organizada. Cada agente assume uma etapa específica e entrega sua resposta para que o sistema consiga construir o resultado final. A mudança, portanto, não está apenas na interface usada pelo cliente, mas na forma como os processos são desenhados e executados dentro das empresas. É uma lógica mais próxima de uma equipe digital especializada do que de um chatbot tradicional.

A professora também chamou atenção para um limite importante da personalização. Uma IA pode conhecer muitos detalhes sobre o cliente, mas isso não significa que deva usar todas essas informações para oferecer produtos o tempo inteiro. O excesso de recomendações pode gerar rejeição. Para ela, a governança precisa definir quando a personalização realmente ajuda e quando começa a induzir uma decisão que o cliente não pretendia tomar.

Outro ponto destacado foi a dificuldade de lidar com incerteza. Um sistema pode classificar dois clientes como de alto risco, mesmo que exista uma diferença relevante na probabilidade associada a cada caso. Na visão de Telma, a IA ainda não apresenta essa incerteza de maneira suficientemente clara para que decisões críticas sejam tomadas sem supervisão. Quando agentes discordarem entre si, a decisão final também deve continuar com uma pessoa, especialmente em um setor regulado como o financeiro.

Confiança vira requisito técnico

A IA chegou a uma fase em que o desafio deixou de ser apenas experimentar modelos, explicou Marcelo Braga, Presidente da IBM Brasil. Integração, orquestração e governança são fundamentais para transformar a tecnologia em resultado de negócio e a diferença entre uma empresa e outra não estará apenas no modelo de IA utilizado, mas na combinação entre cultura, pessoas, processos e dados próprios.

O executivo destacou também a dimensão da governança de dados pois a IA não conhece, por conta própria, os limites estabelecidos pela LGPD sobre quem pode acessar determinado dado, para qual finalidade e durante quanto tempo. Quando um agente aprende ou utiliza uma informação em determinado contexto, retirar esse dado daquele ambiente pode criar riscos. Por isso, plataformas capazes de controlar a governança e a orquestração dos agentes serão essenciais para a expansão da tecnologia em bancos.

Outro desafio é financeiro. Com agentes realizando tarefas em escala, o consumo de tokens pode crescer rapidamente. Braga defendeu uma estratégia com múltiplos modelos, escolhendo modelos menores e especializados para tarefas simples e opções mais sofisticadas quando a atividade exigir maior capacidade. A lógica é semelhante ao FinOps, mas aplicada também ao consumo de IA: o ganho de eficiência precisa superar o custo da tecnologia.

O presidente da IBM também projetou uma transformação no próprio ecossistema financeiro, onde agentes poderão pesquisar produtos, comparar preços, realizar compras e conectar consumidores, bancos, varejistas e marketplaces. Mas essa automação exige credenciais bem administradas, padrões de comunicação e mecanismos de confiança. A mudança também vai atingir profissões inteiras, o que exige aprendizado contínuo. Braga, porém, fez uma recomendação direta: as empresas não podem terceirizar o pensamento para a IA.

IA pode liberar pessoas para o relacionamento

Já Neudson Peres de Freitas, Diretor de Estratégia e Transformação Ágil do Banco do Brasil, apresentou um exemplo do banco para mostrar o impacto dos agentes na execução de processos. Uma operação de câmbio que levava cerca de 40 minutos passou a ser realizada em aproximadamente quatro minutos com uma arquitetura multiagente. O processo envolvia originalmente cerca de 80 pessoas, mas o executivo ressaltou que o ganho de produtividade não significa simplesmente retirar o ser humano da operação.

A proposta é deslocar o trabalho humano para atividades nas quais julgamento, contexto e relacionamento fazem diferença. Freitas citou dados internos segundo os quais operações comerciais com participação humana podem alcançar um tíquete quatro vezes maior, em média. Por isso, a estratégia defendida pelo executivo é combinar mais tecnologia nos processos e mais pessoas no relacionamento com clientes.

A mesma lógica aparece na personalização. O Banco do Brasil identificou que o excesso de ofertas preditivas pode reduzir a conversão. A instituição passou a usar IA para apresentar funções e informações mais relevantes, além de agentes que auxiliam o gerente de relacionamento. Segundo Freitas, esse apoio pode economizar cerca de uma hora por dia do gerente na preparação dos contatos com clientes.

A evolução dos agentes também pode mudar a relação entre bancos e consumidores. Em vez de priorizar apenas a venda de produtos, a IA pode ajudar a instituição a entender o que realmente cria valor para cada cliente. A tecnologia, porém, precisa permanecer subordinada às relações humanas: agentes devem executar com precisão, enquanto pessoas definem o que precisa ser feito e assumem decisões que dependem de julgamento.

O próximo salto é organizacional

O setor financeiro brasileiro já possui casos avançados de sistemas multiagentes, como o exemplo citado por Priscyla Laham, Presidente da Microsoft Brasil: a Bridge, do Bradesco, plataforma que conecta canais, dados e sistemas internos para responder perguntas e executar tarefas. A solução alcançou mais de 80% de resolução tanto no atendimento digital aos clientes quanto em consultas internas de funcionários.

Outro caso apresentado foi o do PicPay, que evoluiu de chatbots isolados para uma arquitetura de orquestração de agentes. O sistema reúne informações de diferentes produtos e permite executar operações, inclusive Pix por áudio, mensagem ou foto. Segundo Priscyla, a solução registra crescimento de 45% no NPS e entende 95% das conversas, mostrando como a combinação entre agentes pode melhorar a experiência do cliente.

A executiva também defendeu que o humano continue no circuito. Para ela, pensamento crítico e julgamento são características humanas que não devem ser simplesmente substituídas por agentes. O potencial está na combinação entre uma força de trabalho humana e uma força de trabalho digital, criando um ciclo no qual pessoas fornecem conhecimento, contexto e processos aos agentes, enquanto a IA amplia a capacidade dos profissionais.

Na avaliação de Priscyla, a maior transformação dos próximos anos será organizacional e econômica, e não apenas tecnológica. As empresas terão de encontrar um equilíbrio entre capital humano e o que ela chamou de “capital de tokens”, representado pelos trabalhadores digitais. Para isso, também será necessário criar padrões de comunicação entre agentes. Protocolos como MCP e A2A já formam parte dessa infraestrutura, mas ainda existe um caminho para chegar ao nível de confiança exigido por operações envolvendo bancos, seguradoras, imobiliárias e outros participantes de um mesmo ecossistema.

Governança precisa evitar uma “fragmentação digital”

Eduardo Sasaki, Diretor de Data & AI do Santander Brasil, alertou que uma rede de agentes não pode ser confundida com uma coleção de bots criados de forma independente pelas diferentes áreas de uma empresa. Se cada departamento desenvolver seu próprio agente, com seus próprios dados e regras, o resultado pode ser uma fragmentação digital. A alternativa defendida pelo Santander é um modelo federado, com desenvolvimento distribuído nos negócios e uma governança comum.

Sasaki dividiu essa estrutura em três camadas. A primeira é a de negócios, responsável por estabelecer prioridades, objetivos, problemas a serem resolvidos e formas de medir o valor dos agentes. A segunda é uma camada habilitadora de dados e IA, que fornece capacidades comuns e permite reutilização. A terceira reúne riscos, privacidade e compliance desde o início do desenho. Para completar o modelo, o executivo reforçou a importância do accountability humano na supervisão das decisões.

Na experiência de personalização, o diretor vê os agentes levando os bancos para uma etapa mais avançada. Em vez de apenas escolher qual oferta apresentar, diferentes agentes poderiam compreender o momento do cliente, definir a melhor abordagem e até ajudar a ajustar preço, prazo, forma de pagamento ou cobertura de um produto. O risco está em a IA acreditar que conhece o cliente completamente e transformar uma conversa útil em uma interação invasiva ou pouco relevante.

Sasaki ainda comparou a evolução dos agentes com aprendizados de tecnologias como Pix e Open Finance. O próximo passo pode mudar a forma como clientes tomam decisões, mas isso depende de trilhos comuns, propósito claro, segurança e mecanismos para contestar erros. O executivo encerrou defendendo que a estratégia de negócio deve vir antes da tecnologia. Nem todo problema exige uma IA sofisticada: às vezes, um modelo simples resolve melhor a necessidade do cliente e entrega um retorno mais adequado.

O desafio agora é fazer a IA trabalhar com as pessoas

Bancos estão testando aplicações em câmbio, atendimento, personalização, análise de dados e relacionamento. Mas escalar essas iniciativas exige uma combinação de arquitetura, governança, segurança, controle de custos e confiança. A autonomia dos agentes terá limites. Quanto maior o acesso a dados, sistemas e transações, maior será a necessidade de definir credenciais, permissões, responsabilidades e mecanismos de supervisão. O futuro não parece ser uma disputa entre humanos e máquinas, mas uma reorganização do trabalho para combinar a velocidade da IA com o julgamento humano.

Telma acrescentou que capacitação pode definir o sucesso dessa transição, uma vez que não basta disponibilizar agentes e ferramentas se os profissionais não souberem utilizá-los corretamente. A formação das equipes será necessária para transformar a tecnologia em ganhos concretos no cotidiano das organizações.

Agentes podem executar tarefas, cruzar informações e coordenar processos em uma velocidade difícil de acompanhar manualmente. A decisão sobre o que realmente importa, porém, continua sendo uma responsabilidade humana.