A escalabilidade da IA nos serviços financeiros começa com governança e arquitetura

O verdadeiro desafio para escalar a IA nos serviços financeiros está na base de dados. As organizações têm dificuldade em unificar dados fragmentados, impor uma governança rigorosa e manter a observabilidade em sistemas legados que operam há décadas.

Thomas Mathew, diretor sênior de nuvem do setor de serviços financeiros da Microsoft, coloca de forma clara: "A maioria das organizações está fracassando no espaço de IA não porque falta dados, mas porque não podem confiar e interpretar adequadamente os dados que já têm."

A baixa qualidade dos dados não produz apenas saídas imprecisas; ela destrói a confiança dos usuários, convida a escrutínio regulatório e torna todo o investimento em IA difícil de justificar. Para CIOs, CTOs e CDOs que navegam em um ambiente altamente regulado, esse é um risco inaceitável.

A primeira onda de adoção de IA nos serviços financeiros focou principalmente aplicações voltadas para o cliente: chatbots, personalização e assistentes digitais. As organizações logo descobriram que a implementação dessas ferramentas sem uma arquitetura sólida de backend leva a alucinações, violações de conformidade e custos crescentes.

O foco mudou desde então. Os dados da IDC confirmam: as empresas agora priorizam infraestrutura, dados e governança em detrimento da inovação na linha de frente. A experiência do cliente, que ocupava o último lugar em termos de imunidade orçamentária há apenas um ano, subiu de posição, mas somente depois que as organizações reconheceram a necessidade de corrigir primeiro os problemas na infraestrutura.

Jerry Silva, vice-presidente de insights financeiros da IDC, considera isso um imperativo estratégico: "Trate a IA como uma capacidade corporativa, não como uma tecnologia. Certifique-se de que toda a governança esteja em vigor, e, em seguida, procure os especialistas que possam ajudar você com o valor de negócios real que está sendo extraído da IA."

É isso o que separa as organizações que realmente avançam das que ainda realizam experimentos isolados.

As empresas de serviços financeiros têm vastas quantidades de informações, mas que frequentemente se encontram isoladas, desestruturadas ou desatualizadas. Para solucionar isso, uma plataforma unificada deve ingerir e organizar informações de toda a empresa.

Quando as organizações implementam recursos robustos de busca, como busca semântica, os modelos podem se basear em fontes precisas, relevantes e atualizadas. Isso transforma registros brutos e documentos em informações úteis para a tomada de decisões.

Você não pode tratar a governança como algo secundário em ambientes regulados. Sua arquitetura deve aplicar automaticamente regras de soberania de dados, controles de acesso e privacidade. Uma governança eficaz da IA precisa de RBAC e trilhas de auditoria completas. Esse controle protege a organização e permite uma inovação segura.

A fragmentação é inimiga da escalabilidade. Quando diferentes equipes usam ferramentas separadas, surgem pontos cegos, e investigar fraudes ou falhas no sistema vira um processo lento e manual. Unificar métricas, logs e traces em uma única plataforma ajuda as equipes a desenvolver modelos de projeção de integridade e detecção de anomalias.

Por exemplo, uma das maiores seguradoras de propriedade e acidentes dos EUA fechou parceria com Kyndryl, Elastic e Microsoft para implementar essa abordagem unificada. Os resultados foram impressionantes: eles reduziram os incidentes em cerca de 5 mil por ano e descobriram que 90% das quedas anteriores poderiam ter sido evitadas.

A estratégia de IA para serviços financeiros está migrando de sistemas generativos para agentes agênticos. Eles não só respondem às perguntas como observam, raciocinam e executam fluxos de trabalho complexos, como automatizar sinistros ou investigar ameaças à segurança.

No entanto, a autonomia traz novos riscos. Os sistemas agênticos precisam de contexto em tempo real, limites rígidos e intervenção humana para decisões de alto risco. Poucas implementações agênticas nos serviços financeiros operam sem supervisão humana, principalmente quando dados sensíveis de clientes, potencial de perda financeira, grandes decisões de crédito ou explicabilidade regulatória estão envolvidos.

Tim Brophy, principal arquiteto de soluções da Elastic, sugere um ponto de partida pragmático: "Pense pequeno. Vamos começar com um projeto pequeno e um caso de uso pequeno e iterar até que ele fique grande... porque o caso de uso depende do contexto fornecido."

Uma arquitetura de IA altamente observável — que acompanha como os agentes tomam decisões e quais dados acessam — é essencial para uma implantação segura em larga escala.

O Search AI Lake da Elastic reúne dados de toda a empresa. Ele usa machine learning para acelerar a análise da causa-raiz e encontrar padrões que os humanos podem deixar passar. Com toda a telemetria em um só lugar, a IA consegue detectar anomalias antes que elas causem grandes interrupções ou incidentes de segurança.

Essa abordagem unificada também cobre diferentes casos de uso. Como Brophy explica, uma vez que os dados são consolidados para observabilidade, a mesma base pode cobrir a analítica de segurança, detecção de fraudes e busca assistida por IA. Isso elimina a necessidade de uma reconstrução arquitetônica completa.

Escalar a IA nos serviços financeiros não é apenas uma iniciativa de TI; isso exige a colaboração entre equipes de negócios, dados, segurança e compliance. Projetos isolados frequentemente fracassam porque não consideram as necessidades da organização como um todo.

Niloy Sengupta, vice-presidente de modernização de serviços financeiros da Kyndryl, coloca assim: "Se um lado da casa tenta fazer algo, as chances de adoção em toda a empresa são menores do que se todo mundo adotar isso."

Empresas de sucesso criam ambientes onde as equipes desenvolvem soluções em conjunto. Utilizando plataformas compartilhadas, elas eliminam silos e garantem que os projetos de IA estejam alinhados às metas de negócios e aos requisitos regulatórios.

A complexidade das arquiteturas financeiras modernas significa que pouquíssimas organizações conseguem construir tudo internamente. O ritmo das mudanças, desde novos protocolos de interação entre agentes até a evolução dos marcos regulatórios, exige conhecimento especializado que é difícil e desnecessariamente caro manter internamente.

A colaboração entre provedores de software, fornecedores de nuvem e integradores de sistemas no ecossistema é essencial. Plataformas como a Elastic executadas no Microsoft Azure e gerenciadas pela Kyndryl oferecem integrações pré-configuradas, arquiteturas de referência comprovadas e suporte empresarial. Essas parcerias reduzem o risco na implementação e aceleram a obtenção de valor.

As empresas de serviços financeiros que terão sucesso na próxima era da IA são as que priorizarem as bases de dados agora. Ao investir em busca unificada, observabilidade abrangente e governança rigorosa de IA financeira, elas constroem a arquitetura resiliente necessária para sistemas autônomos. Essa abordagem reduz o risco, melhora a eficiência operacional e gera resultados ne negócios mensuráveis.

A jornada da experimentação até a execução exige uma estratégia clara e alinhamento entre departamentos. É necessário tratar a IA como uma capacidade principal da empresa, com a tecnologia certa e os parceiros certos.

As organizações que estão realmente progredindo não esperam por um plano perfeito. Elas estão começando de forma modesta, governando com cuidado e construindo em uma base confiável.