92% dos bancos já usam IA. Só 6% transformaram o modelo de negócio com ela — a diferença está em automatizar tarefa ou automatizar decisão

A adoção de IA no setor financeiro brasileiro deixou de ser promessa: segundo pesquisa da Anbima/Datafolha, 92% das instituições financeiras já usam inteligência artificial em suas operações. O número parece fechar o assunto. Não fecha — porque a mesma pesquisa mostra que só 6% das instituições de fato transformaram seu modelo de negócio com essa adoção.

O gap entre os dois números — 92% usando, 6% transformando — é o dado mais importante da pesquisa, e também o mais fácil de passar batido no meio da comemoração pela estatística de adoção.

Onde os 92% estão usando IA de verdade

Detalhando o que esse uso significa na prática: 84% das instituições usam IA e IA generativa pra eficiência operacional (processos mais rápidos, menos retrabalho), 76% em iniciativas de experiência do cliente, e 52% já foram além de ferramentas de IA simples e adotam agentes de IA especificamente — sistemas que tomam uma sequência de ações, não só geram uma resposta pontual. O setor também sinaliza continuidade de investimento: cerca de R$ 3 bilhões em IA, analytics e big data em 2026 (alta de 8%), com o treinamento interno de equipes em IA generativa crescendo 31%.

Isso é adoção real, em escala, não um projeto-piloto isolado. E, ainda assim, só uma fração baixíssima transformou o modelo de negócio com isso.

A diferença entre automatizar tarefa e automatizar decisão

O caso do Banco do Brasil ilustra exatamente onde está essa diferença. O primeiro agente autônomo do banco, lançado no primeiro semestre de 2026, atingiu cerca de 90% de eficiência — numa instituição com mais de 80 milhões de clientes, uma escala que tornaria qualquer erro sistêmico extremamente caro.

Em vez de expandir a autonomia do agente de uma vez por todo o banco, a instituição adotou o que a executiva de IA & Dados do BB, Giuliane Paulista, descreveu como princípio de "autonomia faseada": a expansão da autonomia do agente é condicionada a resultado de teste, segurança da interação e confiabilidade da arquitetura — não a um cronograma de lançamento fixo. O BB também se tornou o primeiro banco do mundo a publicar diretrizes públicas de governança de agentes de IA, com responsabilidade dividida entre desenvolvedores, gestores, product owners, data stewards e profissionais de negócio — não concentrada só na equipe técnica.

Aqui começa a análise, e vale marcar isso com clareza

Automatizar uma tarefa é relativamente barato e rápido de fazer: pegar um processo que já existe (responder uma dúvida, processar uma solicitação) e deixar uma IA executar mais rápido. É isso que a maioria dos 92% fez — e é exatamente por isso que o ganho fica limitado a "mais velocidade na mesma coisa", sem mudar a estrutura do negócio por trás.

Automatizar uma decisão é outra categoria de problema. Decisão exige confiança no dado que alimenta a IA, rastreabilidade de por que ela decidiu o que decidiu, e um desenho de governança que sobrevive a erro (porque erro em decisão, diferente de erro em tarefa repetitiva, pode ter consequência regulatória, financeira ou de reputação muito maior). É por isso que o BB trata expansão de autonomia como processo faseado e publicado publicamente, não como feature lançada de uma vez — e é também por isso que só 6% das instituições chegaram nesse nível: a maioria não investiu na camada de governança que torna seguro deixar a IA decidir, não só executar.

O que isso ensina pra qualquer negócio automatizando atendimento

A lição do setor financeiro não fica restrita a bancos. Qualquer empresa que automatiza atendimento enfrenta a mesma bifurcação: dá pra usar IA só pra responder mais rápido uma pergunta que já seria respondida de qualquer forma (ganho real, mas limitado), ou dá pra desenhar a automação pra participar de decisão de negócio de verdade — qualificar lead, decidir quando escalar pra humano, ajustar oferta em tempo real — o que exige mais cuidado, mas é o que separa "ter um chatbot" de "ter transformado como a empresa vende e atende". O setor que mais tem motivo pra ser conservador com IA (banco, por definição) já está mostrando que dá pra fazer a segunda coisa sem abrir mão de segurança — só exige tratar governança como parte do produto, não como burocracia depois do fato.