Suitability inteligente: como IA pode melhorar conversão e conformidade em investimentos

O suitability foi concebido como mecanismo de proteção ao investidor, e cumpre esse papel. Boa parte do seu potencial, porém, permanece inexplorada: o questionário é aplicado e o perfil é registrado, mas a informação coletada raramente volta a ser usada nas etapas seguintes do relacionamento.

A observação não é do mercado, é do regulador. Em janeiro de 2025, a Comissão de Valores Mobiliários publicou o estudo de Avaliação de Resultado Regulatório sobre a aplicação da Resolução CVM 30, com pesquisa junto a 2.815 investidores e comparação com os regimes dos Estados Unidos e da União Europeia. A avaliação reconhece que os questionários do mercado se encontram próximos da adequação formal à norma, mas registra que as evidências não indicam aproveitamento desses questionários para segmentação comercial dos clientes ou para atendimento mais personalizado.

Este artigo trata do que a norma exige, de por que o processo se degradou em etapa de atrito e de como a mesma informação pode sustentar recomendação personalizada sem afrouxar a conformidade.

O que é suitability e o que a Resolução CVM 30 exige?

Suitability é o dever de verificar a adequação de produtos, serviços e operações ao perfil do cliente antes de recomendá-los. No Brasil, a matéria é regida pela Resolução CVM 30, de 11 de maio de 2021, em vigor desde 1º de junho daquele ano, que revogou a Instrução CVM 539/2013 e foi posteriormente alterada pelas Resoluções CVM 162/2022 e 179/2023.

A norma impõe três obrigações estruturais e uma regra de sequência.

Classificação do cliente

A instituição deve avaliar e classificar o cliente em categorias de perfil de risco previamente estabelecidas, considerando objetivos de investimento, situação financeira e conhecimento sobre os produtos.

Classificação dos produtos

A instituição deve analisar e classificar as categorias de produtos com que atua, identificando as características que possam afetar sua adequação ao perfil do cliente.

Verificação da adequação

A instituição deve confrontar as duas classificações e identificar divergências entre o perfil apurado e os produtos efetivamente contratados, adotando as providências decorrentes.

A ordem importa

A verificação de adequação é obrigação pré-contratual. A licitude da recomendação está condicionada à verificação prévia, e não à sua regularização posterior.

Prazos de atualização

A Resolução CVM 30 alterou o regime anterior de atualização do perfil. A Instrução CVM 539 previa intervalo máximo de 24 meses. A norma vigente harmonizou o prazo com a periodicidade de atualização cadastral definida na política de prevenção à lavagem de dinheiro e ao financiamento do terrorismo de cada instituição, conforme a Instrução CVM 617/2019, observado o intervalo máximo de cinco anos.

O prazo de 24 meses permanece na norma, mas aplicado a outro objeto: a nova análise e classificação das categorias de valores mobiliários deve ocorrer em intervalos não superiores a esse período.

A distinção tem efeito prático. Diversas instituições mantêm validade de 24 meses para o perfil por decisão própria de política interna, o que é legítimo e frequentemente recomendável em relacionamentos de assessoria contínua. O que não procede é apresentar esse prazo como exigência da Resolução CVM 30 para o perfil do cliente.

Divergência e recusa

Quando o cliente solicita operação incompatível com o perfil apurado, ou quando o perfil está ausente ou desatualizado, a instituição deve alertá-lo previamente sobre a divergência e suas causas. Caso o cliente mantenha a decisão, é necessário obter declaração expressa de que deseja prosseguir mesmo ciente da inadequação. O mesmo procedimento se aplica a quem se recusa a responder ao questionário.

A norma prevê ainda hipóteses de dispensa, entre elas as operações realizadas com investidores profissionais.

Por que o questionário de suitability virou ponto de abandono no funil?

Três fatores explicam a degradação: o questionário foi desenhado para produzir evidência regulatória e não informação útil, sua aplicação ocorre no pior momento possível do funil, e o investidor não percebe contrapartida.

Desenho orientado à evidência, não ao uso

O estudo da CVM identificou que os questionários do mercado cumprem os requisitos formais da norma, sem que haja evidência de aproveitamento das respostas na segmentação dos clientes. Isso produz um formulário otimizado para demonstrar conformidade em auditoria, com perguntas redigidas em linguagem normativa, escalas genéricas e ausência de retorno ao respondente.

O efeito sobre a percepção é mensurável. O mesmo estudo apurou Net Promoter Score de 61 negativo para a assessoria prestada por corretoras, indicador de insatisfação relevante. A leitura do regulador é que o mercado busca estritamente o cumprimento formal das regras, e que o processo precisa se tornar mais dinâmico e educativo.

Posicionamento no funil

O questionário costuma ser aplicado logo após o cadastro e antes da primeira operação, ou seja, no ponto em que o usuário ainda não obteve nenhum valor da plataforma e sua disposição a investir esforço é mínima. Some-se a isso a extensão típica, entre dez e vinte perguntas, e a ausência de indicação de progresso ou de tempo estimado.

O resultado é conhecido de qualquer operação com instrumentação de funil: a etapa concentra desistência desproporcional em relação ao seu peso no processo.

Ausência de contrapartida percebida

O investidor responde a um conjunto de perguntas sobre renda, patrimônio, objetivos e tolerância a perdas, e recebe em troca um rótulo de três categorias. Não recebe explicação sobre como o rótulo foi apurado, nem recomendação derivada dele, nem qualquer alteração perceptível na experiência subsequente. A percepção de que o preenchimento serve à instituição, e não a ele, é coerente com o que o processo entrega.

Entre as recomendações do estudo da CVM está justamente a vedação expressa da interferência comercial na análise do perfil de risco, ao lado do aproveitamento do compartilhamento de informações no âmbito do open finance e da criação de utilities para centralizar o cadastro de perfis.

O perfil declarado pelo investidor corresponde ao comportamento real?

Frequentemente não, e o estudo do regulador oferece evidência direta disso. A pergunta importa porque o perfil é a restrição que governa tudo o que vem depois: ele define o conjunto de produtos ofertáveis, condiciona a licitude da recomendação e serve de parâmetro em eventual disputa. É também o único insumo relevante do processo que a instituição aceita como verdade sem verificar, já que dados cadastrais são confrontados com bases externas e a movimentação é registrada, enquanto a tolerância a risco entra no sistema exatamente como o cliente a declarou. 

Quando essa declaração não corresponde ao investidor real, o erro se propaga em duas direções de consequências assimétricas: um perfil mais conservador do que a pessoa efetivamente é bloqueia produtos compatíveis e suprime receita em silêncio, sem gerar reclamação, porque ninguém contesta uma oferta que não recebeu; um perfil mais arrojado produz alocação incompatível com a capacidade real de suportar perdas, e é esse que aparece nos indicadores, na forma de prejuízo e litígio.

Autoavaliação de tolerância a risco é pouco confiável

A resposta a uma pergunta hipotética sobre suportar uma queda de 20% é dada em condição emocional neutra. O comportamento efetivo diante da queda real é outro fenômeno. A literatura de finanças comportamentais é consistente quanto a essa divergência, e ela se manifesta nas duas direções: há quem se declare arrojado e resgate na primeira correção, e quem se declare conservador e mantenha posições voláteis sem desconforto.

O questionário é passível de indução

Quando o acesso a determinados produtos depende do enquadramento, existe incentivo para responder na direção que amplia o acesso. Especialistas de mercado apontam casos em que investidores são induzidos a responder de determinada forma para alcançar perfis mais arrojados, o que desloca o desalinhamento do formulário para a carteira.

O perfil é tratado como atributo estável

Renda, composição familiar, horizonte e objetivos mudam. Um perfil apurado uma vez e revisado a cada cinco anos descreve uma pessoa que pode já não existir.

O que o comportamento observado revela

Os sinais comportamentais que uma instituição já possui costumam ser mais informativos do que as respostas declaradas:

Sinal observado	O que indica
Frequência de consulta ao saldo em períodos de queda	Tolerância emocional efetiva à volatilidade
Comportamento de resgate após oscilações negativas	Horizonte real, distinto do declarado
Composição efetiva da carteira ao longo do tempo	Preferência revelada
Recorrência e regularidade dos aportes	Capacidade financeira e estabilidade de renda
Reação a alertas de desenquadramento	Grau de aderência ao próprio perfil declarado
Origem e destino de recursos via open finance	Situação patrimonial consolidada, além da autodeclarada

A recorrência de alertas de divergência é o sinal mais direto. Quando um cliente aciona repetidamente o termo de ciência de risco para operar fora do perfil, a hipótese mais provável não é que ele esteja errando de forma sistemática, mas que o perfil registrado esteja desatualizado ou mal apurado.Isso configura, para a instituição, uma exposição dupla: o registro formal está em ordem, e a proteção substantiva que a norma pretende assegurar não está operando.

Como a IA pode transformar suitability em recomendação personalizada?

A tentação natural é tratar Inteligência Artificial como forma de deixar o questionário mais inteligente. O ganho maior, porém, não está em apurar melhor o perfil, e sim em usar o que já foi apurado. A informação existe e permanece parada entre o momento do cadastro e a próxima revisão. Mas, o ponto de partida é arquitetural: separar a camada de conformidade da camada de personalização. 

A camada de conformidade define o conjunto elegível

O perfil apurado, a classificação dos produtos e as regras da Resolução CVM 30 determinam quais categorias podem ser recomendadas àquele cliente. Essa camada é determinística, auditável e não sujeita a otimização comercial. Um produto fora do conjunto elegível não é recomendado, independentemente de qualquer sinal de propensão.

A camada de personalização ordena o que já é elegível

Dentro do conjunto permitido, modelos determinam relevância, momento e forma de apresentação, considerando objetivos declarados, comportamento observado, ciclo de vida e contexto.

Essa separação resolve a objeção mais comum ao uso de IA em recomendação de investimentos. O modelo não decide o que é adequado, apenas o que é relevante entre as opções que a política de conformidade já autorizou. A adequação permanece sob regra explícita.

Aplicações com retorno demonstrável

Apuração progressiva do perfil

Em vez de um formulário único aplicado antes da primeira operação, o perfil é construído em etapas, iniciando com o conjunto mínimo necessário para liberar as categorias de menor risco e aprofundando conforme o cliente avança para produtos que exigem maior qualificação. O atrito passa a ser cobrado no momento em que existe contrapartida clara.

Pré-preenchimento com dados já disponíveis

Informações cadastrais, dados de PLD/FT e, mediante consentimento, dados de open finance reduzem o número de perguntas necessárias. O estudo da CVM aponta o open finance como caminho de aperfeiçoamento justamente nessa direção.

Detecção de divergência entre perfil e comportamento

Modelos de comparação entre perfil declarado e comportamento observado identificam clientes cujo registro provavelmente não corresponde à realidade, acionando revisão dirigida em vez de recadastramento em massa.

Linguagem adaptativa no questionário

A mesma pergunta pode ser formulada em registros distintos conforme o repertório do respondente. Cenários concretos com valores monetários tendem a produzir respostas mais fiéis do que escalas abstratas de tolerância.

Explicação da recomendação

Um modelo de linguagem pode traduzir a lógica da recomendação para o cliente, indicando por que determinado produto é compatível com o perfil apurado. Isso ataca diretamente a ausência de contrapartida percebida.

Evidência em ambiente regulado

A viabilidade desse arranjo já foi demonstrada em contexto próximo. Uma das maiores seguradoras de previdência privada do Brasil operava com um modelo preditivo que identificava corretamente apenas 9% dos clientes com propensão a transferir recursos para outra instituição, número insuficiente para sustentar qualquer ação comercial. A Objective estruturou uma plataforma com seis modelos de IA em produção, entre eles um de propensão à contratação de coberturas adicionais, um de recomendação de fundos para reinvestimento e um de processamento de linguagem natural aplicado às transcrições do contact center, capaz de detectar sinais de intenção de portabilidade durante a própria ligação.

A precisão preditiva subiu de 9% para 39%, os recursos retidos sob gestão cresceram quatro vezes e a receita incremental superou R$ 342 milhões no primeiro ano. A governança de dados foi tratada como condição estrutural desde o início, e não como camada posterior, com operação sobre dados anonimizados em todas as etapas para assegurar conformidade com a LGPD.

Dois aspectos são transferíveis ao suitability. O primeiro é que os sinais que produziram o ganho vieram de comportamento observado, não de informação declarada pelo cliente. O segundo é que os modelos foram entregues como aplicações consumíveis diretamente pelas equipes comerciais e de relacionamento, sem intermediação da área de dados a cada consulta, que é a condição para que a personalização chegue ao ponto de contato em vez de permanecer em relatório.

Limites de conformidade que se aplicam desde já

O Brasil ainda não possui marco legal específico de inteligência artificial. O Projeto de Lei 2.338/2023 foi aprovado pelo Senado em dezembro de 2024 e permanece em tramitação na Câmara dos Deputados, com apensamento previsto de projeto do Executivo que institui o Sistema Nacional de Inteligência Artificial. A Autoridade Nacional de Proteção de Dados incluiu inteligência artificial entre os eixos prioritários de fiscalização para o biênio 2026-2027.

A ausência de lei específica não significa ausência de regime aplicável. O artigo 20 da LGPD assegura ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses. Em recomendação de investimentos, isso implica três requisitos de projeto: registro dos fatores que produziram cada recomendação, capacidade de explicá-la em linguagem compreensível e caminho de revisão humana acessível ao cliente.

A esses se soma a recomendação do próprio regulador quanto à vedação de interferência comercial na apuração do perfil. Um modelo treinado para maximizar conversão que tenha influência sobre a classificação de risco do cliente contraria a finalidade da norma, ainda que produza saída formalmente compatível.

Quais métricas mostram que o suitability está gerando conversão e conformidade?

O acompanhamento usual se limita à cobertura de perfis apurados, indicador que responde à auditoria e nada informa sobre eficácia. Um painel adequado combina quatro dimensões.

Eficiência do processo

Indicador	O que revela
Taxa de conclusão do questionário	Peso do suitability como ponto de abandono
Abandono por pergunta	Identifica os itens que produzem desistência
Tempo mediano de preenchimento	Custo real imposto ao cliente
Proporção de campos pré-preenchidos	Efeito do aproveitamento de dados já disponíveis

Qualidade da apuração

Indicador	O que revela
Divergência entre perfil declarado e comportamento observado	Confiabilidade da autodeclaração
Frequência de alertas de desenquadramento por cliente	Perfis provavelmente mal apurados ou desatualizados
Taxa de assinatura de termo de ciência de risco	Volume de operações fora do perfil registrado
Proporção de perfis vencidos ou próximos do vencimento	Exposição regulatória latente
Estabilidade do perfil entre reapurações	Consistência do instrumento

Efeito comercial

Indicador	O que revela
Conversão da primeira operação após apuração do perfil	Utilidade prática do processo
Taxa de aceitação das recomendações	Aderência da personalização
Diversificação média da carteira por perfil	Se a recomendação amplia o repertório do cliente
Retenção por safra de apuração	Efeito de longo prazo sobre o relacionamento

Conformidade e satisfação

Indicador	O que revela
Reclamações por inadequação de produto	Falha substantiva, não apenas formal
Cobertura de perfis mapeados	Base regulatória mínima
Rastreabilidade das recomendações emitidas	Capacidade de demonstrar cumprimento
Percepção de utilidade declarada pelo cliente	Contraponto direto ao achado do estudo da CVM

Duas leituras cruzadas concentram o valor do painel. A primeira relaciona taxa de conclusão do questionário com frequência de alertas de desenquadramento: um processo curto que produz perfis que ninguém respeita não resolveu o problema, apenas o deslocou. A segunda relaciona conversão pós-apuração com reclamações por inadequação, e delimita a fronteira entre personalização legítima e indução comercial.

Considerações finais

O suitability ocupa uma posição incomum entre processos regulados: é simultaneamente uma obrigação de conformidade, um ponto crítico de conversão e a única captura estruturada de objetivos e restrições do cliente que a maioria das instituições realiza.

Tratá-lo apenas na primeira dimensão explica o resultado apontado pelo regulador. A informação existe, está registrada, atende à auditoria e não produz nem proteção efetiva nem valor comercial.

A Objective atua na construção de sistemas de decisão em ambientes regulados, integrando engenharia de software, dados e inteligência artificial para instituições financeiras e do mercado de capitais, com foco em personalização orientada a dados, automação de conformidade e modernização de plataformas críticas. Fale com um especialista.

Perguntas frequentes sobre o tema