Governança como pré-requisito para escalar IA em instituições financeiras 

Uma possível introdução, mantendo um tom executivo e de alguém que acompanha de perto o setor financeiro, poderia seguir esta linha:

Nos últimos dois anos, a discussão sobre Inteligência Artificial nas instituições financeiras deixou de ser uma conversa sobre potencial e passou a ser uma conversa sobre escala. O mercado já entendeu que a IA é capaz de reduzir custos, acelerar processos, aumentar produtividade e melhorar a experiência do cliente. A pergunta deixou de ser “devemos usar IA?” e passou a ser “como fazemos isso de forma segura?”

Esse talvez seja o principal diferencial do setor financeiro em relação a outras indústrias. Bancos, seguradoras, corretoras e instituições de pagamento não podem simplesmente conectar qualquer modelo aos seus dados corporativos e esperar que tudo funcione. Existe uma camada adicional de responsabilidade que envolve privacidade, compliance, explicabilidade, trilhas de auditoria, gestão de acessos e aderência regulatória.

Não por acaso, a discussão sobre governança tem ocupado cada vez mais espaço nos fóruns do setor. Especialistas reunidos durante a Febraban Tech reforçaram que a escalabilidade da IA depende diretamente da existência de mecanismos robustos de governança, validação e supervisão humana. Em muitas instituições financeiras, modelos de IA já passam por avaliações de riscos, controles internos e privacidade antes mesmo de entrarem em produção.

Existe uma percepção comum de que a governança desacelera a inovação. Na prática, a experiência mostra exatamente o contrário: a ausência de governança é o que impede a IA de sair dos pilotos e chegar à operação em escala. Quando não existem critérios claros sobre quais dados podem ser utilizados, quem pode acessar modelos, quais decisões exigem supervisão humana ou quem responde pelos resultados gerados pela IA, a consequência natural é o bloqueio das iniciativas pelos times de risco, jurídico, compliance ou segurança.

Instituições financeiras não precisam apenas de Inteligência Artificial. Elas precisam de Inteligência Artificial confiável.

Por que projetos de tecnologia não atrasam por causa da tecnologia?

Existe uma crença bastante difundida no mercado de que projetos atrasam porque a tecnologia ainda não está madura, porque a infraestrutura não suporta a demanda ou porque a solução escolhida não era adequada para o problema.

Na maioria das vezes, não é isso que acontece.

Projetos corporativos normalmente atrasam porque precisam responder perguntas que não são tecnológicas:

• Quem será responsável pelo resultado produzido pela IA?
• Quais dados poderão ser utilizados pelo modelo?
• Quais informações estão proibidas de serem processadas?
• Quais decisões exigirão validação humana?
• Como será feita a rastreabilidade das respostas?
• Quem poderá acessar o sistema e em quais condições?
• Como a organização demonstrará conformidade em uma auditoria ou questionamento regulatório?

No mercado financeiro, essas perguntas deixam de ser burocracia e passam a ser requisitos operacionais.

É relativamente simples conectar um modelo generativo a bases internas e criar um assistente capaz de responder perguntas sobre clientes, contratos ou operações financeiras. O desafio começa quando surge a necessidade de explicar como determinada resposta foi produzida, quais dados foram utilizados para gerá-la e quem autorizou o acesso a essas informações.

Nesse momento, a discussão deixa de ser sobre IA e passa a ser sobre governança.

O piloto funciona, os resultados aparecem rapidamente, mas a iniciativa encontra dificuldade para avançar para produção porque a organização ainda não possui mecanismos para operar aquela solução de forma segura, auditável e aderente aos requisitos regulatórios.

A tecnologia, curiosamente, costuma ser a parte mais simples do projeto.

O que determina a velocidade de adoção é a capacidade da organização de criar regras claras sobre uso de dados, responsabilidade, supervisão humana, segurança e conformidade.

Em outras palavras: projetos de IA raramente param por falta de inteligência artificial. Eles normalmente param por falta de governança para utilizá-la em escala.

O que aprendi vendo políticas de IA bem escritas falharem na prática?

Nos últimos meses, muitas organizações correram para criar suas políticas de uso de Inteligência Artificial. Em pouco tempo surgiram documentos extensos, com definições sobre uso responsável, privacidade, segurança da informação e conformidade regulatória.

Na teoria, quase todas pareciam suficientes.

Na prática, muitas delas não sobreviveram ao primeiro contato com a operação.

O motivo é relativamente simples: governança não é um documento. Governança é um comportamento organizacional.

Não é incomum encontrar empresas com políticas que proíbem o compartilhamento de dados sensíveis em ferramentas públicas de IA enquanto, ao mesmo tempo, colaboradores utilizam soluções não homologadas para resumir contratos, analisar documentos ou produzir apresentações contendo informações estratégicas da companhia.

Da mesma forma, existem organizações que criaram processos extremamente rígidos para aprovação de novos casos de uso e acabaram produzindo um efeito contrário ao esperado: as áreas de negócio passaram a buscar alternativas fora dos canais oficiais para manter a velocidade de entrega.

Nenhuma política consegue competir com produtividade.

Talvez essa seja uma das maiores lições da adoção de IA nas empresas: quando os mecanismos de governança são percebidos como obstáculos, os usuários tendem a contorná-los. Quando são percebidos como habilitadores, passam a fazer parte natural do processo.

As iniciativas mais bem-sucedidas que observei tinham algumas características em comum:

• disponibilização de ferramentas corporativas homologadas;
• definição clara dos tipos de dados permitidos e proibidos;
• classificação de riscos por caso de uso;
• supervisão humana proporcional ao impacto da decisão;
• monitoramento contínuo e trilhas de auditoria;
• capacitação dos colaboradores sobre uso responsável da tecnologia.

No setor financeiro, esse equilíbrio se torna ainda mais importante. O objetivo não é impedir o uso da IA, mas permitir que ela aconteça dentro de limites compatíveis com o nível de responsabilidade que a indústria exige.

Instituições financeiras operam em um ambiente regulado por órgãos como Banco Central entre outros. Isso significa que decisões relacionadas ao uso de IA precisam considerar requisitos como explicabilidade, rastreabilidade, proteção de dados, segregação de acessos e capacidade de auditoria desde o desenho da solução — e não apenas após sua entrada em produção.

É justamente nesse ponto que muitas iniciativas encontram dificuldades. De um lado, existe a pressão por velocidade e inovação. Do outro, a necessidade legítima de manter controle, segurança e aderência regulatória.

A experiência mostra que governança eficiente não é aquela que cria barreiras para a adoção da tecnologia, mas aquela que permite que ela escale de forma sustentável.

Na Objective, acompanhamos instituições financeiras enfrentando exatamente esse desafio: como acelerar a adoção de IA sem abrir mão dos controles que o setor exige. A resposta normalmente não está em burocratizar processos, mas em construir mecanismos de governança proporcionais ao risco, transparentes para auditoria e simples o suficiente para serem incorporados ao dia a dia das equipes.

Essa combinação entre velocidade e controle não é nova no setor financeiro. Em sua parceria estratégica com o EBANX, a Objective apoiou a expansão de uma operação que evoluiu de um único squad para 11 squads e 36 profissionais atuando integrados ao negócio, em um contexto de crescimento acelerado e alta exigência operacional. Escalar tecnologia sem comprometer qualidade, confiabilidade e maturidade operacional deixou de ser apenas uma preocupação técnica e passou a ser uma necessidade de negócio.

Mais recentemente, a incorporação da Eleflow ampliou a capacidade da Objective em dados, machine learning e IA generativa, fortalecendo a oferta de soluções que vão da estratégia à execução, sempre com foco em automação escalável e segura — um tema cada vez mais relevante para instituições financeiras que precisam equilibrar inovação e conformidade regulatória.

De quem é o problema de governança de IA?

Uma das perguntas mais comuns que surgem nas organizações é: quem deve liderar a governança de IA?

A resposta mais honesta talvez seja: ninguém consegue fazer isso sozinho.

Durante muitos anos, temas relacionados à tecnologia puderam ser tratados quase exclusivamente pelas áreas de TI. Com Inteligência Artificial, essa lógica deixa de funcionar.

Quando uma IA influencia uma decisão de crédito, apoia um processo de prevenção à fraude, participa da análise de documentos ou auxilia no atendimento ao cliente, a discussão deixa de ser apenas tecnológica. Ela passa a envolver risco, compliance, jurídico, segurança da informação, auditoria e, principalmente, as áreas de negócio responsáveis pelos resultados gerados.

Governança de IA é, antes de tudo, um modelo de responsabilidade compartilhada.

A tecnologia pode definir arquitetura, integrações e controles técnicos. Segurança pode estabelecer mecanismos de proteção e gestão de acessos. Compliance e jurídico podem avaliar aderência regulatória e riscos. Mas somente as áreas de negócio conseguem responder se aquela decisão produzida pela IA faz sentido para o cliente, para a operação e para a estratégia da instituição.

No fim, a pergunta correta talvez não seja quem é o dono da governança de IA.

A pergunta é quem precisa estar na mesa para que ela funcione.

Porque a IA dificilmente será o diferencial competitivo das instituições financeiras nos próximos anos. O acesso aos modelos tende a se democratizar rapidamente. O que continuará diferenciando as organizações será a capacidade de transformar essa tecnologia em vantagem operacional, de forma segura, confiável e aderente às exigências do setor.

E essa capacidade começa muito antes do primeiro prompt. Ela começa na governança.

Se a sua instituição está discutindo como acelerar a adoção de IA sem comprometer segurança, compliance e requisitos regulatórios, vale a pena conversar com quem já apoia organizações a equilibrar inovação e controle em ambientes complexos e altamente regulados.

Os especialistas da Objective têm apoiado empresas na construção dessa jornada, conectando estratégia, dados, tecnologia e governança para transformar iniciativas de IA em capacidades escaláveis e sustentáveis para o negócio. Entre em contato conosco e veja como podemos ajudar!

Perguntas frequentes sobre o tema