Financeiro: IA avança, mas a governança ainda fica para trás

Por que governança é fundamental para transformar IA em resultados.

Os líderes do setor bancário têm ampla experiência em impulsionar o crescimento em um ambiente altamente regulado. Mas, quando o assunto é governança de IA, os bancos ainda enfrentam desafios significativos. 

Segundo a pesquisa IA Impact 2026 da Grant Thornton, realizada com 950 executivos, os bancos são o setor mais propenso a afirmar que seus controles de IA ainda não foram adequadamente testados. 

A baixa maturidade da governança de IA afeta mais do que a preparação para atender exigências regulatórias. Ela também limita diretamente o retorno sobre o investimento (ROI), restringindo a aplicação da IA em processos críticos, regulados e de alto valor para o negócio. Metade dos entrevistados apontou barreiras relacionadas à governança e à conformidade como fatores que contribuem para o baixo desempenho ou até mesmo para o fracasso de iniciativas de IA. 

As instituições financeiras que priorizam estruturas centralizadas de governança e controles devidamente testados estão mais bem posicionadas para acelerar o crescimento impulsionado pela IA e mantendo a conformidade regulatória e conquistando vantagem competitiva. 

Controles mais robustos de IA permitem decisões mais confiantes

Os bancos estão ampliando o uso da IA em diversas funções de front office, middle office e back office. Entre os principais benefícios observados estão o aumento da eficiência (62%), a melhoria da tomada de decisões (56%) e a geração de resultados de maior qualidade (42%). 

No entanto, apenas 32% relatam crescimento de receita e somente 36% apontam redução de custos. Um número maior de bancos deveria estar capturando os benefícios da automação em termos de economia e rentabilidade, mas fragilidades na governança limitam esse potencial de desempenho. 

No papel, os bancos já possuem políticas de governança estabelecidas. Ao mesmo tempo, porém, os líderes do setor apontam a governança como o principal obstáculo ao desempenho da IA, e apenas 18% afirmam estar totalmente confiantes em seus controles de IA. 

Embora muitas organizações aguardem orientações regulatórias antes de submeter seus controles de IA a testes mais rigorosos, essa demora está impedindo que desenvolvam confiança sobre onde e como podem utilizar a IA atualmente. A ausência de direitos decisórios claramente definidos e de mecanismos de controle (guardrails) é um dos principais obstáculos que impedem as instituições financeiras de testar adequadamente seus controles e sua capacidade de resposta a incidentes. 

As organizações com estruturas mais maduras de governança e controle contam com responsabilidades claramente atribuídas entre os membros da alta liderança (C-Suite), em vez de depender de comitês informais ou iniciativas pontuais. 

Em fevereiro, o Departamento do Tesouro dos Estados Unidos publicou orientações que padronizam boas práticas para a gestão dos riscos de cibersegurança relacionados à IA no setor de serviços financeiros, com base no Financial Services AI Risk Management Framework. As instituições financeiras que alinharem suas políticas de governança de IA a esse framework e aos seis recursos inter-relacionados divulgados pelo Tesouro poderão estruturar e conduzir avaliações, identificar lacunas, priorizar ações de mitigação e desenvolver uma estrutura de controles mais resiliente. 

Ao alinhar seu framework de governança de IA a essas diretrizes, os bancos estabelecem uma base mais sólida para tomar decisões relacionadas à IA com maior segurança e confiança em toda a organização. 

Controles não testados limitam o desempenho da IA nos bancos

Pergunta: Quão confiante você está de que sua organização conseguiria passar por uma auditoria independente de governança e controles de IA nos próximos 90 dias? 

^{Fonte: Pesquisa AI Impact da Grant Thornton (n=950, todos os setores; n=50, Banco).}  

Bancos expandem a IA, mas faltam competências internas

Muitos bancos ainda estão testando a IA em áreas de menor risco, como processos de conciliação, programas de prevenção à lavagem de dinheiro (AML) e suporte ao atendimento ao cliente. No entanto, poucos afirmam que a IA está totalmente incorporada às operações.  

Quase metade dos respondentes do setor bancário apontou o treinamento insuficiente como uma das razões para o fracasso de iniciativas anteriores de IA, e 36% identificam a preparação da força de trabalho como uma das principais preocupações em relação à implementação da IA agêntica. 

Isso aponta para uma questão mais ampla sobre a forma como a IA está sendo implementada nos bancos. Quando as instituições adicionam IA sobre processos já existentes de integração de clientes, monitoramento de transações ou detecção de fraudes, os ganhos tendem a ser limitados. 

As instituições que estão efetivamente transformando seus resultados com a IA foram além da adoção de ferramentas e redesenharam seus processos considerando automação e IA autônoma desde o início. Isso exige a reformulação do modelo operacional como um todo e dos fluxos de trabalho subjacentes, e não apenas a implementação de novas tecnologias.

Onde os bancos estão concentrando a adoção da IA

• Previsão de tendências de mercado e gestão do risco de liquidez; 
• Automação de conformidade regulatória e relatórios financeiros; 
• Ganhos adicionais de eficiência por meio da automação de processos em áreas de middle office e back office; 
• Otimização da avaliação de risco de crédito e da detecção de fraudes; 
• Aprimoramento do monitoramento da infraestrutura digital; 
• Liberação de capital para reinvestimento em transformação digital e experiência do cliente; 
• Melhoria da relevância dos produtos; 
• Ampliação da visibilidade do planejamento corporativo sobre a rentabilidade dos produtos. 

Esse processo varia entre grandes instituições financeiras e bancos regionais. Enquanto os grandes bancos podem enfrentar desafios para alterar processos distribuídos entre centenas de sistemas interdependentes, instituições regionais podem não dispor da expertise necessária em IA e preparação de dados para redesenhar fluxos de trabalho e operacionalizar controles de forma eficaz. 

No entanto, com uma estratégia de IA fundamentada em governança, bancos de todos os portes podem identificar os casos de uso de maior impacto e os fluxos de trabalho necessários para sustentá-los. 

Agentes de IA apoiam operações de crédito em banco comercial

Um grande banco comercial procurou a Grant Thornton para apoiar a simplificação de sua operação de crédito com garantia e gerar insights sobre o desempenho de sua carteira. 

Como parte desse trabalho, a equipe da Grant Thornton está desenvolvendo agentes de IA que permitem ampliar as operações de crédito sem a necessidade de aumentar o quadro de colaboradores. 

Utilizando recursos de IA generativa, a Grant Thornton realiza revisões e análises aprofundadas, permitindo que as equipes concentrem seus esforços em estratégia e mitigação de riscos em toda a carteira de crédito. 

Bancos estão subutilizando IA para melhorar a preparação dos dados 

Assim como em outros segmentos de serviços financeiros analisados pela pesquisa, a preparação dos dados continua sendo um obstáculo para a implementação da IA no setor bancário. Essas barreiras geralmente estão associadas a definições inconsistentes entre diferentes áreas de negócio, sistemas isolados que não foram concebidos para se comunicar entre si e múltiplos responsáveis com atribuições fragmentadas. 

Instituições de maior porte estão enfrentando esse desafio por meio da construção de camadas semânticas sobre os sistemas existentes, em vez de centralizar todos os dados. Essa abordagem cria uma visão lógica e utilizável das informações, tornando os dados acessíveis para a IA sem a necessidade de reconstruir toda a infraestrutura tecnológica. 

Já os bancos regionais podem utilizar a IA para apoiar a priorização e a correção de problemas de dados, promovendo melhorias contínuas na qualidade e na integração das informações. 

Inventário de dados orientado por inteligência artificial

Uma forma de as instituições financeiras reduzirem lacunas em sua linhagem de dados (data lineage) é adotar uma abordagem de inventário de dados orientada por inteligência artificial. 

Ao aplicar regras de IA e machine learning para identificar padrões e relacionamentos nos dados, as organizações podem realizar uma engenharia reversa de seus ativos de informação e construir uma biblioteca de dados abrangente em toda a empresa. 

Com essa abordagem, as instituições financeiras conseguem estabelecer capacidades fundamentais de forma mais rápida. Ao utilizar IA para apoiar o inventário de dados, a criação de atributos e o desenvolvimento de bibliotecas de dados, as organizações podem mapear e documentar ambientes legados, incluindo estruturas de mainframe e sistemas desenvolvidos em COBOL. 

Entre as práticas emergentes que vêm ganhando destaque estão: 

• Camadas semânticas (semantic layers) para unificar sistemas fragmentados; 
• Reconciliação automatizada e testes de conformidade automatizados. 

Essas capacidades podem servir como base para a automação de relatórios regulatórios, modelagem de riscos, testes de estresse e automação de processos financeiros e de fechamento contábil. 

Três ações para transformar o potencial da IA em desempenho

1. Incorpore a governança aos casos de uso de IA desde o primeiro dia 

Os bancos precisam definir claramente os direitos de decisão, estabelecer níveis de tolerância a risco para cada caso de uso e atribuir responsabilidades quando decisões apoiadas por IA atravessarem áreas de negócio e gestão de riscos. Validação de modelos, rastreabilidade (lineage) e auditabilidade devem ser incorporadas aos fluxos de trabalho de IA desde o início. As instituições que estabelecem essa arquitetura operacional são as que conseguem adotar a IA com mais confiança. 

2. Redesenhe os fluxos de trabalho para uma execução nativa em IA 

Os bancos devem integrar a IA considerando fluxos de trabalho e processos específicos, priorizando casos de uso com maior potencial de retorno sobre o investimento (ROI) antes de ampliar a implementação em outras áreas. A gestão da mudança é um elemento fundamental da preparação e da adoção da IA. As instituições que integram a tecnologia de acordo com a forma como suas equipes já operam estarão mais bem posicionadas para gerar eficiência e crescimento nas áreas de front office, middle office e back office. 

3. Use a IA para operacionalizar dados em escala 

Os bancos podem utilizar a IA para automatizar inventários de dados, mapeamento de rastreabilidade (data lineage) e testes de conformidade, começando por casos de uso de menor risco. Esse ponto de partida ajuda a construir evidências, acelerar ganhos iniciais e criar o impulso necessário para iniciativas mais amplas de remediação e melhoria da qualidade dos dados. 

No atual mercado de serviços financeiros, a lacuna entre a ambição em relação à IA e os resultados efetivamente alcançados é uma realidade. E ela não será superada até que os líderes do setor bancário incorporem a governança como elemento central de suas iniciativas de inteligência artificial. 

A Grant Thornton trabalha com organizações de todo o setor de serviços financeiros para fortalecer suas estratégias de IA e aumentar sua prontidão para a adoção da tecnologia. Entre as soluções oferecidas estão a criação de estruturas de governança responsável para IA alinhadas aos objetivos organizacionais, o desenvolvimento de bases sólidas de preparação de dados e a incorporação da IA a processos como integração de clientes, atividades de conformidade regulatória e detecção de fraudes. 

Descubra como nossas soluções de IA ajudam os bancos a transformar estratégias de inteligência artificial em valor mensurável para o negócio. 

Pesquisa IA Impact

Acesse o relatório completo

Explore os resultados da pesquisa AI Impact 2026 e descubra os fatores que estão impulsionando ou limitando a IA em diferentes indústrias.  

 

^Metodologia

^{Entre 23 de fevereiro e 18 de março de 2026, a Grant Thornton entrevistou 950 líderes empresariais, incluindo CFOs, CIOs/CITOs, COOs, vice-presidentes, líderes de departamento e diretores com reporte direto à alta administração.} 

^{O grupo específico do setor bancário foi composto por 50 respondentes. As conclusões relacionadas a cargos específicos dentro da amostra do setor bancário devem ser interpretadas apenas como indicativas da direção das tendências observadas.}