R$ 2,97 bi em IA no banco esbarra no sistema dos anos 90

Equipe Viver de IA · 2026-09-21

O setor bancário despeja bilhões em IA, mas quem trava não é o algoritmo, é a base construída antes de 2000.

O número que importa dessa matéria da Finsiders não é o R$ 2,97 bilhões que o setor bancário vai direcionar para IA, analytics e big data neste ano. É o 1%.

Segundo os dados apresentados no Febraban Tech 2026 e citados na reportagem, apenas 1% das empresas se considera madura na adoção de IA, enquanto 92% planejam aumentar investimento nos próximos três anos. Ou seja: quase todo mundo vai colocar mais dinheiro numa coisa que quase ninguém domina ainda.

A reportagem atribui o gargalo a sistemas legados, arquiteturas fragmentadas e processos pouco adaptáveis. Concordamos com o diagnóstico. Mas a leitura que a gente tem, de quem já colocou IA pra rodar em operação de verdade, é que o legado técnico é só a metade visível do problema. A outra metade ninguém quer olhar.

O legado não é só o mainframe, é o processo em volta dele

A matéria diz que a maior parte das instituições financeiras de grande porte opera sobre bases construídas antes dos anos 2000. Sistemas críticos, estáveis e inflexíveis. Verdade.

Só que o banco pode até modernizar o core. Trocar barramento, subir API, colocar camada de integração. E ainda assim a IA não escala. Porque o legado que trava não é só o COBOL rodando no porão. É o processo humano que cresceu grudado nele durante trinta anos.

Quando a gente entra numa empresa brasileira, o padrão se repete fora do setor financeiro também: o dado existe, mas está espalhado em cinco lugares, cada área tem sua planilha, e a regra de negócio mora na cabeça de duas pessoas que estão lá desde 2005. Modernizar o sistema sem redesenhar o processo é dar um carro novo pra quem dirige olhando pelo retrovisor.

O acesso à ferramenta parou de ser o problema

A reportagem acerta em cheio num ponto: o acesso à tecnologia deixou de ser o gargalo. Qualquer banco médio contrata os melhores modelos de machine learning do mercado hoje. O cartão passa.

O que não passa é a operação.

O acesso à ferramenta virou commodity, a capacidade de fazer ela render dentro da sua estrutura continua rara.

Na nossa leitura, é aí que o setor vai queimar boa parte desse R$ 2,97 bilhões. Não porque a tecnologia é ruim, mas porque IA aplicada sobre dado bagunçado devolve resposta bagunçada mais rápido. Você automatiza o erro em escala. E no financeiro, erro em escala tem nome: risco regulatório, fraude, perda.

A integração é o degrau que quase todo mundo pula. A gente viu isso na Vectra Cargo, que não é banco, mas o mecanismo é idêntico: os dados de cotação estavam espalhados, e só depois de centralizá-los com agentes e APIs a IA passou a devolver cotação em tempo próximo do imediato. O resultado foi R$ 3.000.000 em receita gerada. A ferramenta de IA era a parte fácil. A arrumação do dado embaixo dela foi o trabalho real.

O que a maioria vai interpretar errado

A leitura preguiçosa dessa notícia é: "então o problema é o legado, preciso de um projetão de modernização de dois anos antes de pensar em IA".

Errado. E caro.

Porque enquanto o banco espera o projeto de modernização terminar, o concorrente já está extraindo valor de pedaços da operação que não dependem do core. A gente discorda frontalmente da ideia de que precisa refazer tudo primeiro.

O caminho que funciona é o inverso:

• Identificar um processo de ponta, que toca o cliente ou o time, e que não exige mexer no coração do sistema.
• Rodar IA ali, com dado limitado e escopo fechado.
• Provar valor em semanas, não em anos.
• Usar esse resultado pra financiar e justificar a modernização mais pesada depois.

A Fóssil Digital fez algo nesse espírito: desenvolveu internamente uma ferramenta de gestão de pedidos e uma revisão de material com IA sem terceirizar, chegando a R$ 0 em custo de desenvolvimento externo. Não esperaram uma plataforma perfeita. Atacaram o processo que doía.

A escassez de talento é real, mas mal endereçada

A matéria levanta outro ponto certeiro: os bancos investem em treinamento de TI, mas falta equipe apta a operar e evoluir os sistemas de IA. A gente vê isso o tempo todo.

O detalhe é que a maioria trata isso como problema de contratar cientista de dados. Não é só. Adianta pouco ter o melhor cientista de dados se ele leva três meses só pra conseguir acesso limpo aos dados, atravessando quatro áreas e um comitê. A produtividade dele morre na burocracia, não na competência.

Governança, que a reportagem também cita como desafio crítico, é isso: não é papelada, é ter clareza de quem manda no dado, quem responde pelo modelo e como a decisão da IA é auditada. Sem isso, ninguém no financeiro coloca IA perto de uma decisão de crédito ou de um cliente.

Um ponto que, para ser honesto, ainda não dá pra cravar: se esse R$ 2,97 bilhões vai virar retorno real ou vai engordar prova de conceito que nunca sai do piloto. A própria matéria admite que a transformação estrutural é o que separa aposta de resultado. Só o balanço dos próximos anos vai dizer, e a gente desconfia que a distância entre o investimento anunciado e o valor capturado vai ser grande.

O que fazer com isso, na prática

Se você toma decisão numa instituição financeira, ou em qualquer empresa que carrega sistema antigo nas costas, a jogada não é escolher entre modernizar tudo ou não fazer nada. É sequenciar:

• Mapear onde o dado já está acessível e limpo o suficiente pra rodar IA hoje, sem tocar no core.
• Escolher um processo com dor clara e retorno mensurável em 60 a 90 dias, não um moonshot.
• Definir quem responde pelo dado e pela decisão do modelo antes de ligar qualquer coisa.
• Tratar a modernização do legado como consequência dos primeiros ganhos, financiada por eles, não como pré-requisito de tudo.
• Antes de assinar o próximo contrato de plataforma, mapear a operação com um diagnóstico de IA pra saber onde o dinheiro rende e onde só vai automatizar bagunça.

O setor financeiro não sofre de falta de tecnologia. Sofre de pressa em comprar antes de arrumar a casa embaixo. E casa arrumada, nesse jogo, vale mais que o modelo mais caro do catálogo.

Fonte: Setor financeiro investe R$ 50 bi em IA, mas sistemas legados ainda ...

Relacionados

Agentes de IA: o guia completo

Soluções de IA prontas para empresas

Mais de 500 cases reais de IA

O que é copiloto de IA: o assistente que trabalha ao lado do time

Logística com IA: por que integração vem antes do algoritmo