O setor financeiro enfrenta um dilema ao adotar a inteligência artificial: investimentos crescem, mas as receitas não acompanham. Um estudo aponta que a conexão entre IA e objetivos comerciais é crucial para aumentar a rentabilidade.
Apenas 2% das instituições não utilizam IA, porém, menos de 10% demonstram um ROI significativo. O desafio é concluir a fase experimental e gerar resultados financeiros claros.
Importante saber:
77% dos executivos veem retorno positivo no primeiro ano.
A personalização orientada por IA pode aumentar receitas em até 6%.
Gastos com IA no BFSI devem saltar de US$ 35 bilhões em 2023 para US$ 368 bilhões em 2032.
(*) Por Ademir Morata
O setor de serviços financeiros chegou a um ponto de inflexão em relação à inteligência artificial. O anúncio entusiasmado feito a partir de uma pesquisa divulgada pela Finstra, deixa claro que a tecnologia deixou de ser promessa e passou a fazer parte do cotidiano das instituições. Segundo o estudo, apenas 2% dos bancos, fintechs e outras organizações do setor afirmam não utilizar IA, um sinal claro de que a fase de experimentação ficou para trás e deu lugar à adoção quase universal.
No entanto, por trás dessa aparente maturidade, emerge um paradoxo cada vez mais evidente: o ritmo acelerado dos investimentos em IA não se traduz, na mesma proporção, em crescimento efetivo de receita.
O segundo relatório anual sobre o ROI da IA em serviços financeiros, encomendado pelo Google Cloud e conduzido pelo National Research Group, ajuda a explicar esse fenômeno. Embora 77% dos executivos do setor afirmem obter algum retorno positivo já no primeiro ano, o impacto relevante em toda a organização continua sendo difícil de alcançar. O principal motivo não está na tecnologia em si, mas na ausência de responsabilização clara por resultados operacionais e financeiros.
Na prática, muitas instituições permanecem presas a um ciclo prolongado de projetos-piloto. A IA funciona em ambientes controlados, gera ganhos pontuais de eficiência, mas não avança para implementações em escala capazes de impactar o faturamento. O resultado é um portfólio amplo de iniciativas tecnicamente bem-sucedidas, porém financeiramente tímidas.
Um estudo recente da Dyna.Ai, desenvolvido em parceria com a GXS Partners e a Smartkarma, reforça esse diagnóstico ao analisar por que a maioria dos bancos ainda falha em converter investimentos em IA em receita. A pesquisa mostra que apenas um grupo restrito de instituições consegue romper esse bloqueio — justamente aquelas que conectam diretamente a IA a objetivos comerciais claros, especialmente por meio da personalização.
Os números ajudam a dimensionar essa diferença. Bancos e instituições do setor de serviços financeiros e seguros (BFSI) que implementam com sucesso a personalização orientada por IA alcançam aumentos de receita de até 6%. Pode parecer um percentual modesto, mas, em um setor de margens pressionadas e alta escala, trata-se de um impacto significativo.
Esse contraste ganha ainda mais relevância quando observado à luz das projeções de investimento. Estima-se que os gastos com IA no setor BFSI saltem de US$ 35 bilhões em 2023 para US$ 368 bilhões em 2032 — um crescimento de mais de dez vezes em menos de uma década. Nesse contexto, fica claro que o diferencial competitivo não estará no volume de projetos de IA, mas na velocidade com que eles são levados à produção com métricas claras de retorno.
Como resume Tomas Skoumal, presidente e cofundador da Dyna.Ai, a percepção de progresso muitas vezes mascara uma realidade mais dura. Segundo ele, apenas cerca de 10% das organizações que utilizam IA de forma proativa conseguem demonstrar um ROI significativo e mensurável. A lacuna entre expectativa e resultado é, portanto, maior do que muitos executivos imaginam.
Isso não significa que a IA esteja sendo aplicada nos lugares errados. Pelo contrário. A Finastra mostra que a tecnologia já atua como um “tecido conjuntivo” das finanças modernas. Os principais casos de uso — gestão de riscos e detecção de fraudes, análise de dados, atendimento ao cliente e inteligência documental — estão amplamente disseminados. Além disso, as prioridades para os próximos anos apontam para personalização orientada por IA, agentes autônomos para automação de fluxos e maior governança e explicabilidade dos modelos.
O desafio central, portanto, não é onde aplicar IA, mas como vinculá-la a resultados de negócio mensuráveis. Instituições líderes, especialmente em mercados emergentes, começam a preencher essa lacuna ao atrelar projetos de IA a metas explícitas de receita, estabelecer responsáveis claros pelo desempenho e estruturar parcerias com modelos de risco e retorno compartilhados.
À medida que a euforia inicial da IA dá lugar a uma fase de cobrança por resultados, o setor financeiro entra em um novo estágio de maturidade. A tecnologia continua sendo estratégica, mas já não basta inovar: será preciso provar, de forma concreta, que a inteligência artificial é capaz de sair do laboratório e chegar ao balanço.
(*) Ademir Morata é editor do Fintechlab.
