O Goldman Sachs não anunciou uma parceria com a Anthropic. Ele contratou engenheiros da Anthropic para trabalhar dentro do banco, lado a lado com especialistas de domínio, durante seis meses, para mapear gargalos reais e construir agentes que operam de forma autônoma. A diferença não é retórica — é estrutural.
O resultado são dois agentes em produção: um para contabilidade de trades e transações, outro para vetting e onboarding de clientes. Ambos revisam documentos, extraem entidades, determinam se há documentação pendente, avaliam estruturas de ownership e disparam verificações de compliance sem intervenção humana em cada passo. Não são ferramentas de assistência. São processos autônomos com autoridade transacional limitada.
Por que isso é diferente de tudo que veio antes
Bancos usam IA há anos. O que muda aqui é a arquitetura de responsabilidade. Um agente que “auxilia” um analista ainda depende do analista para agir. Um agente com autoridade para disparar compliance checks e determinar completude documental está substituindo decisões intermediárias — não apenas acelerando o trabalho de alguém.
O Goldman descreve isso como um “co-trabalhador digital para profissões que são escaladas, complexas e muito intensivas em processo.” A linguagem é cuidadosa: não é sobre cortar empregos agora, é sobre não contratar para crescimento futuro. Para um banco que expandiu seu headcount nos últimos anos em grande parte para processar volume crescente, a implicação é direta.
O modelo e a aposta técnica
Os agentes rodam sobre o Claude da Anthropic — especificamente o Opus 4.6, com janela de contexto de 1 milhão de tokens. Em operações bancárias, contexto longo importa: um processo de onboarding corporativo pode envolver dezenas de documentos legais, histórico regulatório e estruturas societárias complexas. O modelo precisa manter coerência através de tudo isso sem perder o fio.
O que o Goldman e a Anthropic fizeram antes de escrever uma linha de código é igualmente revelador: observaram os fluxos de trabalho existentes com especialistas de domínio para identificar onde estavam os gargalos reais. Isso é disciplina de engenharia de produto, não de TI bancária tradicional — e sinaliza como as melhores implementações de IA em finanças vão funcionar: construídas de dentro para fora, não impostas de cima para baixo.
O que Lloyds e Citi estão fazendo em paralelo
Goldman não está sozinho. O Lloyds Banking Group declarou 2026 como o ano de “deployment enterprise-wide” de IA agêntica, com expectativa de adicionar £100 milhões em valor automatizando investigações de fraude e reclamações complexas. O Citigroup montou uma equipe dedicada à infraestrutura de IA — com líderes de investment banking e corporate banking — para capturar o que vem sendo chamado de “AI infrastructure boom”.
O padrão emergente: os maiores bancos do mundo não estão mais perguntando se devem usar IA. Estão decidindo em qual camada do negócio ela assume autoridade primeiro.
O que isso significa para quem toma decisões em finanças
Se você lidera operações, compliance ou tecnologia em uma instituição financeira, a pergunta relevante não é “a IA vai substituir analistas?” — essa conversa já é velha. A pergunta é: quais processos na sua operação têm estrutura suficiente para serem delegados a um agente hoje, e quais ainda precisam de julgamento humano porque dependem de contexto não documentado?
O Goldman passou seis meses mapeando isso antes de construir. Bancos que pularem essa etapa vão implementar automação nos lugares errados e colher os resultados errados. A vantagem competitiva não está na escolha do modelo de IA — está na clareza sobre onde a autonomia faz sentido.
