Resposta direta: não é dinheiro. O setor financeiro brasileiro lidera em IA aplicada não porque tenha o maior orçamento de tecnologia do país — tem, mas isso é consequência, não causa. Lidera porque, anos antes de qualquer projeto de inteligência artificial entrar em pauta, o Open Finance obrigou bancos e fintechs a padronizar, permissionar e auditar o próprio dado. Quando a IA chegou, o trabalho mais difícil — o de organizar a informação — já estava feito. É a mesma lição que aprendi décadas atrás, numa época em que “dado estruturado” não tinha nada a ver com inteligência artificial.
Isso importa para quem lidera uma empresa média fora do setor financeiro porque o caminho inverso — tentar colocar IA para funcionar sobre dado disperso, sem dono, sem trilha de auditoria — é o motivo mais comum pelo qual um piloto promissor nunca vira produção. O setor financeiro não descobriu um atalho de inteligência artificial. Descobriu, antes de todo mundo, que IA aplicada com resultado depende de uma decisão de infraestrutura de dado que precisa vir primeiro, não depois.
Por que o setor financeiro lidera em IA aplicada no Brasil?
O sistema financeiro brasileiro está entre os mais avançados do mundo em uso de inteligência artificial, e o motor por trás disso tem nome: Open Finance. Ao obrigar instituições a compartilhar dado de cliente num formato padronizado, com permissão explícita e rastreável, a regulação resolveu — para o setor inteiro, de uma vez — o problema que trava a maioria dos projetos de IA em qualquer outro lugar: de onde vem o dado, quem autorizou seu uso, e como auditar o que um modelo fez com ele. Crédito mais granular e detecção de fraude — os mesmos casos que já mapeei como padrão de aplicação vertical que realmente funciona no Brasil — não são vitórias de um modelo de IA especialmente inteligente. São vitórias de um setor que já tinha, antes da IA chegar, um cadastro confiável do que sabia sobre cada cliente.
Isso não é exclusividade de banco grande. É estrutura. Qualquer empresa que resolva o mesmo problema — um único dono por domínio de dado, permissão explícita, trilha de auditoria — chega no mesmo ponto de partida, com ou sem regulação empurrando.
O que o Bah.IA da Casas Bahia mostra sobre o próximo passo do varejo?
O varejo não tem o mesmo motor regulatório do financeiro — não existe um “Open Finance do varejo” obrigando todo o setor a padronizar dado ao mesmo tempo. Por isso o avanço é mais desigual, feito caso a caso. Ainda assim, o assistente Bah.IA, da Casas Bahia, mostra ganho real de eficiência em atendimento: prova de que dado bem organizado dentro de uma única operação, mesmo sem empurrão regulatório setorial, já é suficiente para uma aplicação vertical específica funcionar de verdade.
A diferença prática é essa: no financeiro, a disciplina de dado veio de fora, por lei. No varejo — e em praticamente todo setor fora do financeiro — essa disciplina precisa ser uma decisão interna, deliberada, tomada antes de qualquer ferramenta de IA entrar. Ninguém vai regular isso por você.
Já vi de perto o que acontece quando essa decisão não é tomada antes. Anos atrás, numa operação de telecomunicações de grande porte, participei de um programa que dependia de prever com antecedência quem estava perto de cancelar o contrato. O modelo de previsão em si nunca foi o gargalo. O gargalo era que o dado de uso, de faturamento e de atendimento vinha de sistemas diferentes, com identificadores diferentes, atualizados em janelas diferentes — ninguém no comitê sabia dizer, com segurança, qual sistema tinha a versão mais recente de cada cliente. Boa parte do trabalho, meses antes de qualquer modelo rodar, foi definir um único cadastro de cliente, com um responsável nomeado por cada campo e uma trilha clara de origem de cada informação. Só depois disso o modelo de previsão de cancelamento passou a valer alguma coisa. A inteligência do modelo nunca compensa a bagunça do dado que alimenta ele — isso já era verdade antes da IA generativa existir, e continua sendo.
O que uma empresa média, fora do setor financeiro, deveria copiar disso?
Três decisões, nenhuma delas tecnológica, resolvem a maior parte do que separa uma empresa “com IA” de uma empresa com IA que realmente funciona:
Primeira: nomear um dono por domínio de dado. Não “a área de TI” de forma genérica — uma pessoa, com nome, responsável por saber de onde vem o dado de cliente, de venda, de operação, e por autorizar quem pode usá-lo.
Segunda: tratar permissão como pré-requisito, não como formalidade posterior. Open Finance funciona porque o consentimento do cliente é explícito e rastreável antes do dado circular. Uma empresa média pode aplicar o mesmo princípio internamente: nenhum agente de IA acessa um tipo de dado sem que alguém tenha decidido, por escrito, que ele pode.
Terceira: construir a trilha de auditoria antes do primeiro incidente, não depois. Saber, a qualquer momento, o que um modelo acessou e por quê é o que separa uma empresa que resolve um problema de governança em horas de uma que passa semanas reconstruindo o que aconteceu — a mesma pergunta que já fiz sobre quem responde quando a IA erra numa decisão de crédito vale para qualquer setor, não só para banco.
Nenhuma dessas três decisões depende de orçamento de banco. Depende de disciplina — a mesma disciplina que o setor financeiro foi obrigado a ter, e que qualquer empresa média pode escolher ter antes de ser obrigada.
Principais aprendizados
- O setor financeiro lidera em IA aplicada no Brasil por causa do Open Finance, que padronizou, permissionou e tornou auditável o dado do setor inteiro antes da IA chegar — não por ter o maior orçamento de tecnologia.
- Crédito mais granular e detecção de fraude são resultado de uma base de dado confiável construída antes, não de um modelo de IA excepcionalmente inteligente.
- O varejo não tem o mesmo motor regulatório, mas casos como o Bah.IA da Casas Bahia mostram que dado bem organizado dentro de uma única operação já basta para uma aplicação vertical funcionar.
- Sem uma decisão deliberada de infraestrutura de dado — dono nomeado, permissão explícita, trilha de auditoria — um piloto de IA promissor tende a nunca virar produção, independentemente do setor.
- Essas três decisões (dono do dado, permissão como pré-requisito, auditoria antes do incidente) não dependem de orçamento nem de regulação — dependem de disciplina que qualquer empresa média pode adotar agora.
Perguntas frequentes
Por que o setor financeiro é considerado o mais maduro em IA no Brasil?
Porque o Open Finance obrigou bancos e fintechs a padronizar, permissionar e tornar auditável o dado de cliente antes de qualquer projeto de inteligência artificial entrar em pauta. Quando a IA chegou, a base já estava pronta — o que explica crédito mais granular e detecção de fraude mais eficaz sem depender de um modelo tecnicamente superior ao de outros setores.
O Open Finance é obrigatório para outros setores usarem IA com a mesma maturidade?
Não. Nenhum outro setor tem uma regulação equivalente obrigando padronização setorial de dado. Isso significa que a mesma disciplina — dono nomeado por domínio de dado, permissão explícita, trilha de auditoria — precisa ser uma decisão interna e deliberada, não algo que vai chegar por lei.
O que o caso do Bah.IA, da Casas Bahia, ensina para quem não é varejo?
Que dado bem organizado dentro de uma única operação, mesmo sem empurrão regulatório setorial, já é suficiente para uma aplicação vertical específica de IA funcionar de verdade. A maturidade não exige que o setor inteiro se mova junto — exige que a própria empresa resolva sua parte da bagunça de dado primeiro.
Por onde uma empresa média deve começar se quiser copiar a maturidade do setor financeiro?
Por três decisões que não dependem de tecnologia: nomear um responsável por cada domínio de dado, tratar permissão de acesso como pré-requisito e não como formalidade posterior, e construir a trilha de auditoria antes do primeiro incidente — não depois dele.
Gillian Pellegrino é fundadora da HAIA e tem mais de 30 anos de carreira em tecnologia, com passagens por operações de telecomunicações e de bens de consumo de grande porte antes de fundar a HAIA. Hoje ajuda empresas médias brasileiras a organizar a base de dado que qualquer projeto de IA aplicada precisa ter antes de começar.
