Há uma diferença fundamental entre um banco que usa IA para sugerir próximas ações a um analista e um banco que usa IA para executar essas ações de forma autônoma. Em 2026, os maiores bancos globais cruzaram essa fronteira. O Goldman Sachs anunciou agentes baseados no Claude da Anthropic que executam contabilidade de trades e onboarding de clientes sem intervenção humana contínua. O Lloyds Banking Group disse que 2026 será o ano de “implantação enterprise de IA agêntica” em toda a operação, com expectativa de £100 milhões em valor gerado por automação de investigações de fraude e resolução de reclamações complexas. Estamos na era do banking agêntico — e os bancos que ainda estão “experimentando com IA” estão perdendo tempo que não têm.
O que é banking agêntico — e por que é diferente de tudo o que veio antes
O debate sobre IA no setor financeiro nos últimos cinco anos foi dominado por dois casos de uso: análise preditiva (detecção de fraudes, scoring de crédito) e produtividade individual (assistentes de código para desenvolvedores, resumos de documentos para analistas). Essas aplicações têm valor real, mas compartilham uma característica: a IA ainda depende de um humano para aprovar e executar as ações sugeridas. O agente decide; o humano age.
O banking agêntico inverte essa dinâmica. Um agente de IA no modelo Goldman/Lloyds não apenas analisa um trade e sugere o lançamento contábil correto — ele executa o lançamento, valida a consistência com o restante do livro e sinaliza ao humano apenas quando encontra uma anomalia fora do envelope de operação normal. A supervisão humana passa de ser a etapa de execução para ser a etapa de exceção. Essa mudança parece técnica, mas é uma transformação organizacional profunda: ela requer novos controles, novas estruturas de responsabilidade, novos fluxos de auditoria e, mais importante, uma nova postura de confiança institucional na IA que poucos bancos brasileiros ainda construíram.
O modelo de “co-trabalhador digital” adotado pelo Goldman Sachs é revelador nesse sentido. A framing não é “a IA substituindo funcionários” — é “a IA como membro da equipe com responsabilidades definidas.” Isso tem implicações práticas: o agente precisa ter escopo de ação claramente delimitado, logs auditáveis de cada decisão tomada, mecanismos de escalada para supervisão humana em casos de incerteza, e ciclos de revisão periódica de performance. É, em essência, a gestão de um colaborador — só que digital, assíncrono e infinitamente escalável.
Goldman Sachs: onde a IA autônoma já opera no core banking
O Goldman Sachs não chegou ao banking agêntico do dia para a noite. A empresa tem investido sistematicamente em automação de operações desde 2015, quando seu CEO David Solomon famosamente revelou que em 2000 o banco tinha 600 traders de ações em Nova York e em 2015 tinha apenas 2 — os demais substituídos por sistemas automatizados. O que mudou em 2026 não é a disposição de automatizar — é a sofisticação dos sistemas disponíveis.
Os agentes baseados em Claude que o Goldman está implantando para trade accounting e client onboarding representam uma evolução qualitativa em relação à automação de regras dos anos anteriores. Enquanto sistemas RPA (Robotic Process Automation) tradicionais seguem scripts fixos e quebram diante de qualquer variação, agentes de linguagem grande como o Claude conseguem raciocinar sobre situações novas, interpretar documentos não-estruturados e tomar decisões contextualizadas. Um agente de onboarding consegue, por exemplo, ler um contrato societário em formato não-padronizado, extrair as informações de KYC relevantes e preencher os sistemas internos — uma tarefa que anteriormente exigia interpretação humana.
Para bancos brasileiros, o caso do Goldman oferece um roteiro, não apenas uma inspiração. Os casos de uso de banking agêntico com melhor ROI de curto prazo são aqueles onde: (a) o volume de transações é alto; (b) o processo é relativamente padronizado mas com variações documentais; (c) o custo de erro é recuperável; e (d) existe trilha de auditoria clara para regulação. Trade accounting, onboarding de PJ, processamento de sinistros de crédito e conciliação bancária são exemplos que se encaixam perfeitamente nesse perfil — e que bancos brasileiros de médio e grande porte poderiam automatizar com tecnologia disponível hoje.
Lloyds e o caso de £100 milhões: como quantificar o valor do banking agêntico
Um dos maiores obstáculos para a adoção de IA agêntica em bancos brasileiros é a dificuldade de construir o business case. Os CFOs querem números; os boards querem retorno mensurável. O caso do Lloyds oferece um benchmark concreto que merece análise.
A estimativa de £100 milhões em valor gerado pelo banking agêntico do Lloyds em 2026 vem principalmente de dois casos de uso: automação de investigações de fraude e automação de resolução de reclamações complexas. Esses dois processos têm em comum volumes altos, necessidade de cruzamento de múltiplas fontes de dados, e consequências regulatórias caso sejam mal executados. A automação agêntica não apenas acelera a resolução — ela padroniza a qualidade da decisão, reduzindo a variabilidade que existe quando humanos diferentes interpretam os mesmos casos de formas diferentes.
Para um banco de varejo brasileiro de médio porte, com carteira de crédito de R$ 20-30 bilhões e base de clientes de 5-10 milhões, uma estimativa proporcional de valor agêntico — conservadoramente ajustada para escala e complexidade operacional — poderia chegar a R$ 80-150 milhões anuais. Esse não é um número de projeto-piloto. É um número de transformação estratégica que justifica investimento em governança, treinamento e infraestrutura. O problema é que a maioria dos bancos brasileiros ainda está construindo o business case para o piloto, enquanto o Lloyds já está contando £100 milhões de retorno.
O que os bancos brasileiros precisam resolver antes de implantar agentes
Existe uma lacuna crítica entre “querer ter banking agêntico” e “estar preparado para implantar banking agêntico de forma responsável.” Três dimensões precisam ser resolvidas em paralelo para que a transição seja bem-sucedida.
A primeira é a qualidade e governança de dados. Agentes de IA operam sobre dados — e se os dados de clientes, transações e contratos de um banco estão fragmentados em sistemas legados, com duplicatas, inconsistências e formatos incompatíveis, o agente vai amplificar esses problemas, não resolvê-los. Antes de implantar agentes, os bancos precisam investir em data quality que talvez nunca tenha sido prioridade quando humanos compensavam com julgamento as imperfeições dos dados.
A segunda é o framework regulatório. O Banco Central brasileiro exige trilhas de auditoria claras para operações financeiras — e a responsabilidade por decisões tomadas por agentes de IA ainda não está claramente definida na regulação nacional. Implantar banking agêntico sem um framework de governança documentado e validado pelo jurídico é criar exposição regulatória desnecessária. Os bancos que estão liderando esse processo de validação regulatória preventiva vão ter uma vantagem competitiva real quando o BACEN começar a questionar formalmente sobre o tema.
A terceira é a cultura organizacional. O banking agêntico funciona quando os profissionais da linha de frente confiam na IA o suficiente para focar em exceções ao invés de revisitar cada decisão automatizada. Construir essa confiança requer transparência sobre como o agente decide, histórico documentado de performance, e um processo claro de revisão quando o agente erra. Esse componente humano é frequentemente subestimado em projetos de automação — e é frequentemente o motivo pelo qual tecnologias corretas falham em contextos organizacionais errados.
A janela de oportunidade que está fechando
Em 2024, o banking agêntico era território de experimentação para bancos tier-1 globais com orçamentos de inovação ilimitados. Em 2026, Goldman e Lloyds já medem retorno em centenas de milhões. Em 2028, será o padrão do setor — e quem não tiver construído as capacidades internas de governança, dados e cultura para operar com agentes estará em desvantagem competitiva estrutural. O sistema financeiro brasileiro tem histórico de adotar inovações tecnológicas com velocidade impressionante — o Pix é o exemplo mais recente. O banking agêntico vai exigir o mesmo senso de urgência. A diferença é que dessa vez a janela é mais estreita e a penalidade por atraso, mais cara.
Publicado em 16 de março de 2026 · thinq.news
