O JPMorgan Chase democratizou em menos de um ano o acesso ao seu LLM Suite para 200 mil funcionários — e metade deles usa a ferramenta três ou mais vezes por dia. Dos US$ 105 bilhões de orçamento total previsto para 2026, US$ 20 bilhões vão para tecnologia, parcela significativa dedicada a infraestrutura de IA. É o maior projeto de transformação enterprise via IA em curso no setor financeiro global.
De copilot a sistema agêntico: o LAW que automatiza contratos
O salto qualitativo está no LAW — Legal Agentic Workflows — construído pelo banco para serviços de custódia e fund services. O sistema atinge 92,9% de acurácia em tarefas complexas de raciocínio jurídico multi-hop, segundo benchmarks divulgados internamente. Não é mais um chatbot que resume contratos: é uma cadeia de agentes que extrai cláusulas, compara versões, sinaliza inconsistências e prepara minutas em fluxos de trabalho que antes consumiam semanas de associados.
O LAW é o tipo de aplicação que define o que se chama hoje de “agentic AI in production” no setor financeiro. Não é piloto, não é prova de conceito — é sistema de produção tocando contratos reais sob auditoria regulatória. E o número de 92,9% é importante porque está acima do threshold em que humanos passam a fazer review por amostragem em vez de revisão integral.
Goldman, HSBC, Barclays: o pelotão se moveu junto
Não é só o JPMorgan. O Goldman Sachs implementou seu assistente de IA para 46.500 trabalhadores do conhecimento, muitos em M&A. O CEO David Solomon foi explícito ao falar sobre o impacto: “Isso não significa que teremos menos pessoas. Significa que temos a oportunidade de ter mais pessoas valiosas fazendo coisas mais valiosas para servir nossos clientes.” A tradução prática, segundo reportagens, é que o Goldman estaria planejando mais de 1.000 demissões ligadas a ganhos de produtividade via IA.
HSBC e Barclays seguem coreografia parecida. O setor passou do estágio de pilotos para deployment enterprise-wide em menos de 18 meses — velocidade que destoa do ritmo histórico de transformação tecnológica em bancos sistêmicos, que costumava ser de cinco a sete anos.
O capex de US$ 700 bilhões e o que isso significa
O capex global em IA está se aproximando dos US$ 700 bilhões em 2026 — cinco vezes o que era cinco anos atrás. Para grandes bancos de investimento, isso deixou de ser opção: virou requerimento competitivo. A leitura interna é que não há cenário em que um banco de investimento global permaneça relevante em 2030 sem ter migrado parcela substancial de seu workflow operacional para sistemas agênticos.
O ponto-chave é que esses sistemas não estão mais limitados a back-office. As implantações de 2026 atacam diretamente o motor de receita: underwriting, market analytics, client coverage, automação operacional. É IA invadindo o lado em que os bancos cobram fees mais altas.
O CEO que fez um clone de IA conduzir o earnings call
O sinal mais surreal vem do Customers Bank, cujo CEO deixou seu clone de IA conduzir parte do earnings call mais recente — e agora fechou parceria estendida com a OpenAI. O movimento, que parecia stunt de marketing, na verdade testou em ambiente regulado a possibilidade de delegar comunicação executiva para IA. O ponto não é o clone em si, é o que ele simboliza: a quebra do tabu sobre onde a IA pode ou não pode aparecer em produtos financeiros regulados.
Por que o Brasil precisa acordar para essa corrida
O sistema financeiro brasileiro tem um histórico admirável em adotar tecnologia de forma rápida — PIX, open banking, drex em desenvolvimento. Mas a curva de adoção de IA agêntica em bancos brasileiros está atrasada em relação ao que JPMorgan e Goldman estão demonstrando. Itaú, Bradesco e Santander têm projetos, mas nenhum chegou à escala de “200 mil usuários, metade usando três vezes ao dia” que o JPMorgan já tem.
A explicação não é técnica: é orçamentária e cultural. Bancos brasileiros operam num ambiente em que cada real de capex precisa justificar ROI mensurável em menos de 18 meses. O modelo do JPMorgan é o oposto: invista pesado agora, sem ROI claro de cada feature, em troca de captura de produtividade no agregado. É um cálculo de plataforma, não de produto.
A consequência é que, se a curva continuar nesse ritmo, em dois anos os bancos brasileiros terão custo operacional por funcionário substancialmente maior do que os pares globais — e isso vira pressão direta sobre rentabilidade e sobre capacidade de competir por talento técnico. CFOs brasileiros precisam revisar seu framework de aprovação de tech budget e começar a tratar IA como capex estratégico de plataforma, não como linha de OPEX de tecnologia.
E há a janela competitiva específica do Brasil: o mercado de serviços financeiros para PMEs está em ebulição, com fintechs disputando market share contra bancões. Quem montar primeiro um back-office agêntico capaz de aprovar crédito, fazer compliance e estruturar produto financeiro com 10% do headcount tradicional vai capturar margem desproporcional. Esse é o tipo de oportunidade que se decide em conselho de administração, não em comitê de TI.
Publicado em 11 de maio de 2026 · thinq.news
