Quando a IA Começa a Agir por Conta Própria

Introdução

A inteligência artificial tem feito parte dos serviços financeiros há anos. Os algoritmos já suportam pontuação de crédito, deteção de fraude, negociação algorítmica e análise de clientes.

O que está a mudar agora é o grau de autonomia.

Os bancos estão a implementar cada vez mais a IA agentic — sistemas capazes de executar fluxos de trabalho de múltiplas etapas, tomar decisões, interagir com ferramentas externas e iniciar transações com intervenção humana mínima. Em vez de apenas ajudar os funcionários, esses sistemas atuam cada vez mais em seu nome.

A mudança é operacionalmente atraente. As instituições financeiras enfrentam uma pressão constante para reduzir custos, acelerar processos e melhorar a experiência do cliente. Os agentes autónomos prometem ganhos de eficiência significativos na integração de clientes, monitorização de conformidade, investigação de fraudes e apoio ao cliente.

Mas a autonomia altera o perfil de risco.

Os riscos tradicionais da IA — viés, erros de dados, opacidade do modelo — tornam-se mais graves quando o sistema não apenas recomenda ações, mas as executa. No setor financeiro, onde decisões movimentam dinheiro e afetam direitos legais, as consequências podem escalar rapidamente.

O Crescimento da IA Agentic nos Bancos

A IA inicial no setor financeiro funcionava principalmente como uma ferramenta analítica. Gerava insights, mas geralmente deixava as decisões finais para os humanos.

A IA agentic apresenta um modelo diferente. Esses sistemas podem planejar, raciocinar em várias tarefas e interagir com softwares ou fontes de dados externas para completar fluxos de trabalho complexos.

Por exemplo, um agente de IA que apoia a integração de clientes pode recolher documentos, verificar identidade, realizar verificações de conformidade, sinalizar padrões suspeitos e concluir a configuração da conta sem intervenção humana.

De forma semelhante, um agente de investigação de fraudes alimentado por IA pode analisar redes de transações, solicitar informações adicionais a bases de dados externas, congelar contas e gerar relatórios regulatórios.

As empresas de tecnologia estão a promover ativamente essas capacidades.
Microsoft destacou o papel emergente de “agentes de IA” em ambientes empresariais capazes de coordenar fluxos de trabalho digitais complexos.

As instituições financeiras estão a explorar arquiteturas semelhantes à medida que aumentam a automação nas operações.

O resultado é uma transição de IA de suporte à decisão para IA de execução de decisão.

Essa distinção é importante.

Quando Sistemas Autônomos Correm Risco

A tomada de decisão autónoma introduz o risco de ações não autorizadas ou erradas.

Os agentes de IA podem interpretar mal instruções, inventar informações ou exceder o âmbito de sua autoridade delegada. Em ambientes voltados para o consumidor, isso pode levar a compras não intencionais, transferências financeiras incorretas ou aprovação de transações que deveriam ser rejeitadas.

Alguns comentadores já se referem a esse fenómeno potencial como “compras robô”, onde agentes autónomos iniciam compras ou compromissos financeiros sem o consentimento claro do utilizador.

Quando esses eventos ocorrem, as questões legais tornam-se complicadas.

O utilizador é responsável pelas ações do agente?
A responsabilidade recai sobre o banco que implementa o sistema?
O fornecedor da tecnologia é responsável?

A legislação financeira ainda não acompanhou totalmente os sistemas de decisão autónoma. Os quadros existentes geralmente assumem atores humanos.

Quando as máquinas começam a iniciar compromissos financeiros, a arquitetura legal torna-se menos clara.

Uma Nova Fronteira para Fraudes e Cibercrime

Os fraudadores raramente ignoram novas tecnologias.

A IA agentic expande significativamente a superfície de ataque dos sistemas financeiros. Os agentes autónomos interagem com ferramentas externas, APIs, fontes de dados e outros agentes. Cada interação cria potenciais vulnerabilidades.

Os atacantes já experimentam injeção de prompts, onde entradas maliciosas manipulam sistemas de IA para realizar ações não intencionadas.

Os cibercriminosos também podem explorar agentes através de manipulação de ferramentas, roubo de identidade ou inputs de deepfake criados para enganar sistemas de decisão automatizados.

O surgimento de agentes de IA como entidades operacionais independentes levanta outra questão de segurança: a identidade.

Se um agente de IA pode transacionar, solicitar dados ou autorizar ações, deve possuir credenciais. Isso efetivamente faz dele um novo tipo de identidade digital.

Especialistas em segurança argumentam cada vez mais que as organizações devem tratar os agentes de IA como identidades geridas, sujeitas a autenticação, autorização e monitorização — tal como os funcionários humanos.

Falhar nisso pode abrir caminhos para fraudes automatizadas em escala sem precedentes.

Viés, Equidade e Exposição Regulamentar

Os serviços financeiros são um dos setores mais regulados na economia global.

Decisões de crédito, estruturas de preços e classificações de risco estão sujeitas a regras rigorosas para evitar discriminação.

Sistemas de IA treinados com conjuntos de dados tendenciosos ou incompletos podem inadvertidamente reproduzir desigualdades históricas. No setor de empréstimos, isso pode traduzir-se em resultados discriminatórios que afetam grupos protegidos.

As autoridades reguladoras já alertaram para esses riscos.

A Federal Reserve dos EUA destacou preocupações relacionadas com a tomada de decisão baseada em IA nos serviços financeiros, especialmente quando a opacidade do modelo dificulta demonstrar justiça e conformidade.

A IA agentic amplifica esse desafio.

Se um sistema autónomo executa decisões de crédito ou classificações de clientes sem uma explicação clara, as instituições podem ter dificuldades em demonstrar conformidade regulatória.

A opacidade torna-se um risco legal.

O Problema da Explicabilidade

Modelos de IA modernos — especialmente grandes modelos de linguagem — muitas vezes funcionam como caixas pretas.

Geram resultados que parecem coerentes, mas oferecem pouca transparência sobre o raciocínio por trás deles.

No setor financeiro, essa falta de explicabilidade pode criar problemas graves.

Auditores precisam de rastrear decisões. Reguladores exigem justificações para ações que afetam clientes. A resolução de disputas depende de entender o que deu errado.

Se um agente de IA rejeita uma candidatura de empréstimo, sinaliza uma transação suspeita ou congela uma conta, as instituições devem ser capazes de explicar o porquê.

Sem mecanismos de explicação e trilhas de auditoria, a responsabilização torna-se difícil.

E sem responsabilização, a confiança diminui.

Risco Sistémico e Estabilidade do Mercado

Os riscos mais preocupantes podem surgir ao nível do sistema, e não apenas na instituição individual.

Agentes autónomos a interagir nos mercados financeiros podem criar comportamento de manada.

Se múltiplos sistemas de IA responderem a sinais de mercado de formas semelhantes, podem emergir ciclos de retroalimentação rápida. Em cenários extremos, isso pode contribuir para flash crashes, choques de liquidez ou padrões de negociação desestabilizadores.

Os bancos centrais e reguladores estão a estudar cada vez mais essas dinâmicas.

O Banco de Compensações Internacionais já observou que a negociação algorítmica cria efeitos de retroalimentação complexos nos mercados financeiros.

A IA agentic pode acelerar esses efeitos ao permitir ciclos de decisão mais rápidos e autónomos.

Outra preocupação sistémica é o risco de concentração.

Muitas instituições financeiras dependem dos mesmos fornecedores de cloud e plataformas de modelos de IA. Se a indústria convergir para um número reduzido de infraestruturas de IA, falhas ou vulnerabilidades nesses sistemas podem ter efeitos em cascata no setor financeiro.

A Governança Tem Dificuldade em Acompanhar

Os quadros regulatórios estão a emergir, mas permanecem fragmentados.

A Lei de IA da União Europeia é uma das tentativas mais abrangentes de regular a inteligência artificial, incluindo aplicações de alto risco nos serviços financeiros.

O Reino Unido, os EUA e várias jurisdições da Ásia-Pacífico estão a seguir abordagens regulatórias próprias.

Mas nenhum quadro global aborda especificamente a IA agentic.

Isso repete um padrão conhecido na inovação financeira: a tecnologia avança mais rápido do que a governação.

Na ausência de padrões unificados, as instituições dependem fortemente de quadros internos de gestão de risco.

Estratégias Emergentes de Mitigação de Risco

Relatórios do setor em 2026 destacam várias estratégias comuns de mitigação.

Um princípio é a supervisão humana no ciclo para decisões financeiras críticas. Sistemas autónomos podem ajudar ou executar processos, mas os humanos mantêm a autoridade final em casos sensíveis.

Outra abordagem envolve estabelecer guardrails e permissões estritas que limitam o que os agentes de IA podem fazer. Esses controles podem restringir o valor das transações, o acesso às ferramentas ou a autoridade de decisão.

A monitorização em tempo real também está a tornar-se essencial. Os agentes de IA requerem supervisão contínua através de registos, análise comportamental e deteção de anomalias.

Algumas instituições começam a tratar os agentes de IA como empregados digitais.

Tal como os funcionários humanos, eles precisam de funções definidas, credenciais de identidade, registos de atividade e protocolos de escalonamento em caso de erros.

Quadros de IA responsável estão a ser cada vez mais integrados no design dos sistemas, em vez de serem adicionados posteriormente.

As empresas que adotarem essas práticas cedo provavelmente evitarão muitas falhas evitáveis.

A Tentação da Eficiência

Apesar desses riscos, os incentivos para adoção permanecem fortes.

Estudos sugerem que a automação impulsionada por IA pode oferecer ganhos de eficiência operacional de 20% ou mais em muitos fluxos de trabalho financeiros.

Num setor sob constante pressão de custos, esses números são difíceis de ignorar.

O desafio não é se a IA será adotada.

É como as instituições gerem cuidadosamente a transição.

Conclusão

A IA agentic representa a próxima fase de automação nos serviços financeiros.

Estes sistemas prometem processos mais rápidos, custos operacionais mais baixos e experiências de cliente aprimoradas. Já estão a transformar a deteção de fraudes, fluxos de conformidade e interações com clientes.

Mas a autonomia traz novos riscos.

Ações não autorizadas, exploração cibernética, viés, opacidade, instabilidade sistémica e incerteza regulatória tornam-se mais graves quando as máquinas agem de forma independente.

O setor financeiro sempre equilibrou inovação com prudência.

A IA agentic testará se esse equilíbrio pode ser mantido.

MEUS PENSAMENTOS

A atual conversa sobre IA agentic é fascinante e um pouco inquietante.

Há um entusiasmo enorme por eficiência. Isso é compreensível. As instituições financeiras operam sob forte pressão para cortar custos e avançar mais rápido.

Mas às vezes questiono se estamos a subestimar a complexidade do que estamos a construir.

Durante séculos, os sistemas financeiros foram construídos em torno da responsabilidade humana. Decisões tinham nomes associados. Alguém podia ser questionado, investigado ou responsabilizado.

Os agentes autónomos desafiam esse modelo.

Quando um sistema de IA toma uma decisão, a responsabilidade torna-se difusa entre desenvolvedores, instituições, fontes de dados e fornecedores de infraestrutura.

Essa difusão preocupa-me.

Outra questão que me assombra é: estamos a criar sistemas que interagem entre si mais rápido do que os humanos podem supervisionar de forma significativa?

A história financeira oferece muitos avisos sobre ciclos de retroalimentação automatizados. Os mercados já se movem rapidamente. Os agentes autónomos podem acelerar esses efeitos de formas que ainda não compreendemos totalmente.

Depois há a questão da confiança.

Os clientes podem gostar da conveniência dos serviços automatizados. Mas quão confortáveis ficarão se descobrirem que muitas decisões financeiras que os afetam são tomadas por sistemas opacos?

A transparência importa.

Talvez a questão mais profunda seja cultural. As instituições financeiras têm sido historicamente cautelosas. Essa cautela às vezes foi frustrante, mas também evitou desastres.

Será que a pressão competitiva para implementar IA enfraquecerá essa disciplina?

Ou as instituições redescobrirão a importância do pensamento lento num ambiente tecnológico rápido?

Não afirmo ter as respostas.

Mas acredito que este momento merece um debate ponderado.

Se os agentes de IA vão tornar-se os “empregados digitais” do sistema financeiro, devemos fazer uma pergunta simples.

Que tipo de empregados estamos a criar?

E estamos preparados para supervisioná-los adequadamente?

Gostaria muito de ouvir como outros na área de risco, tecnologia e liderança financeira estão a refletir sobre estas questões.