O legado tecnológico como barreira para IA, dados e eficiência operacional

Você provavelmente já viveu essa cena, uma mesma pergunta, feita a duas áreas diferentes, volta com dois números diferentes. Cada área confia no seu relatório, cada relatório nasce de uma base distinta, e a reunião que deveria decidir o futuro passa a primeira meia hora decidindo qual número é o verdadeiro. Quando isso acontece com frequência, a instituição não tem um problema de relatório. Tem um problema de governança de dados. E ele custa mais caro do que parece.

Por que o mercado financeiro tem os dados mais valiosos e os mais fragmentados?

Poucos setores geram dados tão ricos. Cada transação, cada proposta de crédito, cada sinistro e cada interação com o cliente carrega informação sobre comportamento, risco e oportunidade. Em tese, nenhum setor deveria conhecer melhor seus clientes do que a financeira.

Entretanto, essa estrutura de dados nasceu fragmentada e por razões históricas. As instituições cresceram por camadas: o sistema central de décadas atrás, os sistemas de produto que vieram depois, as plataformas de canais digitais, as soluções pontuais compradas para resolver urgências, as bases herdadas de fusões e aquisições. Cada camada guarda um pedaço do cliente. Some a isso o zelo regulatório, que ao longo dos anos incentivou silos como forma de controle, dessa forma, o dado existe, mas não 

Por que a dispersão de dados é um problema de governança?

Porque a fragmentação não é apenas uma inconveniência operacional. Ela corrói as três coisas pelas quais conselhos e diretorias respondem: a qualidade das decisões, o controle dos riscos e a integridade do que se reporta ao regulador.

Quando cada área tem a sua versão do dado, a instituição perde a fonte única de verdade. Decisões de crédito, precificação e alocação de capital passam a depender de reconciliações manuais, planilhas intermediárias e do conhecimento de quem “sabe onde está o número certo”. Isso é frágil, é lento e, num setor regulado, é arriscado: LGPD, Banco Central e Susep não perguntam de qual sistema veio o dado, perguntam se a instituição responde por ele.

Definir quem é dono de cada dado, quem pode acessá-lo, qual é a fonte oficial e como a qualidade é medida são decisões de gestão, com consequência direta em resultado e em risco. A tecnologia implementa, mas quem governa é o negócio.

Como construir uma cultura em que o dado chega à decisão?

A parte mais difícil não é técnica. Instituições investem em plataformas de dados modernas e continuam decidindo por intuição, porque cultura não se compra junto com a licença do software.

Três movimentos fazem diferença. O primeiro é dar dono ao dado: cada domínio de informação precisa de um responsável de negócio, com autoridade para definir a fonte oficial e cobrar qualidade. Sem dono, todo dado é de todos e a qualidade é de ninguém. O segundo é levar o dado para onde a decisão acontece, no comitê, no crédito, na mesa de produtos, em linguagem de negócio e não em linguagem de programação. Dado que exige tradução chega tarde. O terceiro é a liderança dar o exemplo: quando o comitê executivo recusa discussões baseadas em números sem origem clara, a empresa inteira aprende rápido qual é o novo padrão.

Qual o papel dos dados na escala com IA de forma sustentável?

Aqui a conversa fica financeira de verdade. A pergunta que mais escuto sobre Inteligência Artificial é quanto investir. A pergunta certa vem antes: sobre qual base esse investimento vai operar?

IA aplicada a crédito, fraude, atendimento e eficiência só gera retorno em escala quando encontra dados íntegros, governados e acessíveis. Sobre uma base fragmentada, cada iniciativa de IA precisa primeiro montar sua própria infraestrutura de dados, o que multiplica custo, alonga prazo e produz aquele padrão que os conselhos já começam a reconhecer: muitos pilotos, pouco resultado recorrente. Piloto de IA sobre dado ruim não é investimento, é despesa com boa aparência.

Escalar de forma sustentável é o contrário disso: resolver a fundação de dados uma vez e reutilizá-la em cada novo caso de uso, fazendo o custo marginal de cada aplicação de IA cair em vez de subir. É assim que a curva de investimento em IA passa a se comportar como uma curva de ativo, que se valoriza com o uso, e não como uma coleção de projetos que competem por orçamento a cada ciclo.

Um caso concreto: governança como fundação em uma cooperativa de crédito

Uma cooperativa de crédito de grande porte viveu recentemente uma versão próxima desse dilema. Cerca de 50 processos críticos, de abertura de contas a linhas de crédito, operavam sobre uma automação legada sem governança estruturada: sem gestão criteriosa de quem acessa quais processos e quais dados.

Em vez de trocar uma ferramenta por outra, a cooperativa construiu, ao lado da Objective, uma nova camada de orquestração com governança desenhada desde o início, incluindo gestão criteriosa de permissões de acesso a processos e dados, e com o time interno capacitado para desenvolver com autonomia. Governança como fundação, não como burocracia adicionada depois.

Em quatro meses, os primeiros processos críticos já operavam em produção na nova plataforma, com mais segurança, mais velocidade de desenvolvimento e integração fluida à automação existente. Saiba sobre os resultados dessa história de sucesso. 

Quanto vale o dado que sua instituição já tem, mas ainda não consegue usar? A Objective apoia instituições financeiras na construção de fundações de dados governadas, auditáveis e prontas para IA, combinando consultoria, engenharia de dados e capacitação dos times internos. Fale com a Objective e transforme dado fragmentado em ativo que compõe.

Perguntas frequentes sobre o tema