Durante a corrida inicial para adotar a inteligência artificial, muitos diretores financeiros de bancos acabaram, na prática, assinando um cheque em branco para suas equipes de tecnologia. O resultado veio em forma de contas inesperadas — e agora encontrar uma maneira de controlar os gastos com IA virou prioridade dentro do setor bancário.
O problema é especialmente sensível nos bancos, onde os orçamentos de tecnologia já disputam espaço com outras demandas urgentes, como a modernização de sistemas legados e o reforço da cibersegurança. Ou seja, a IA chegou para competir por recursos que já eram escassos.
O desafio de orçar os gastos com IA agêntica
Parte da expectativa de ganho de produtividade está depositada na chamada IA agêntica, capaz de executar tarefas complexas de forma autônoma. No entanto, essa mesma autonomia torna o orçamento praticamente imprevisível, já que o poder computacional consumido por cada tarefa pode variar bastante.
“Na verdade, acho que ninguém na organização tem um bom controle sobre isso — se eu vou fazer XYZ, qual vai ser o meu custo?”, disse Bhavi Mehta, sócio da Bain & Co. e líder global de análises avançadas em serviços financeiros.
“À medida que a IA avança para raciocínios mais sofisticados e fluxos de trabalho autônomos, os tokens necessários para uma determinada tarefa podem variar significativamente. Isso torna a compreensão do custo juntamente com o valor do negócio cada vez mais importante à medida que os bancos escalam a IA”, acrescentou Mehta.
Segundo relatório da Evident, empresa de benchmarking de IA, apenas 12 dos 50 maiores bancos globais monitorados atribuíram publicamente retornos projetados ou realizados à adoção da tecnologia. Apesar disso, dificilmente algum CEO deixa de mencionar os benefícios potenciais da IA em entrevistas e apresentações.
O tema ganhou destaque nas teleconferências de resultados do terceiro trimestre de bancos norte-americanos, do Citigroup ao Goldman Sachs. No entanto, poucos executivos apresentaram números concretos sobre quanto estão gastando com IA ou quais benefícios financeiros efetivamente estão colhendo.
Como os bancos estão tentando reduzir os gastos com IA
Por isso, à medida que o setor deixa a fase de experimentação para entrar na de implantação em larga escala, bancos e consultorias começaram a adotar estratégias mais criteriosas de uso. No Deutsche Bank, por exemplo, o monitoramento identificou funcionários consumindo volumes anormalmente altos de tokens — mas, ao investigar, a equipe percebeu que boa parte desse uso era produtivo.
Christoph Rabenseifner, diretor de estratégia de tecnologia, dados e inovação do banco, explicou que, em vez de simplesmente cortar o acesso, o Deutsche Bank redirecionou esse uso para finalidades mais úteis. Além disso, passou a testar tarefas em modelos menores e especialmente treinados, em vez de recorrer sempre aos grandes modelos de ponta — o que reduziu os custos em várias vezes.
O Banco Santander adotou lógica parecida: usa modelos de fronteira apenas para validar se uma aplicação atende ao padrão de qualidade exigido e, depois, transfere a tarefa para modelos mais leves e baratos. Segundo Ignacio Bernal, diretor de inteligência artificial do banco, essa abordagem ajudou a reduzir o custo de cada processo de aprovação de empréstimo de cerca de €5 (US$ 5,61) para apenas €0,03.
“Quando você move a IA de pilotos para produção em um banco global, o custo de inferência deixa de ser um erro de arredondamento e se torna uma linha de custo operacional real”, disse Bernal, destacando que alguns processos rodam milhões de vezes por ano.
Já o Canadian Imperial Bank of Commerce (CIBC) descobriu que seus modelos mais poderosos, incluindo o Opus da Anthropic, podem custar C$ 3.000 (US$ 2.130) por funcionário ao mês — valor que escalaria rapidamente se multiplicado por milhares de trabalhadores. Como medida de controle, o banco limitou o acesso a algumas centenas de funcionários e restringiu seu novo workspace integrado, o CAI 2.0, ainda em fase de testes, a 250 usuários, cada um com gasto mensal entre 4 e 250 dólares canadenses.
“É poderoso demais para 50.000 pessoas simplesmente usá-lo sem controle”, afirmou Jaime Tatis, diretor de dados e inteligência artificial do CIBC, em entrevista concedida em julho.
IA agêntica puxa aumento nos custos computacionais
A IA agêntica desponta como uma das principais responsáveis pelo salto nas despesas. De acordo com a Evident, os grandes bancos anunciaram 19 casos de uso de IA agêntica no primeiro trimestre de 2026, contra apenas oito no trimestre anterior. No segundo trimestre, porém, esse número caiu pela metade — não por desinteresse, mas porque as instituições passaram a exigir que os agentes assumam tarefas cada vez mais complexas.
O Wells Fargo, por exemplo, quer que a IA agêntica domine 1.100 etapas do processo de hipoteca antes mesmo de colocá-la em prática nos fluxos de trabalho, segundo o relatório da Evident.
Diferentemente das ferramentas convencionais de IA, os sistemas agentivos executam de forma autônoma tarefas de múltiplas etapas: analisam demonstrações financeiras, rastreiam tomadores de empréstimo, verificam documentos e detectam atividades suspeitas de lavagem de dinheiro. Todo esse processamento exige recursos computacionais pesados, o que eleva diretamente o consumo de tokens e, consequentemente, os custos mensais.
Em um banco asiático, depois que algumas equipes esgotaram sua cota de tokens já na primeira semana, a instituição decidiu agrupar os tokens disponíveis e criar um agente capaz de reduzir os prompts antes que eles cheguem ao modelo principal — segundo relato de um executivo sênior de dados que preferiu não se identificar ao comentar assuntos internos.
Modelos chineses entram na equação dos custos com IA
Diante da pressão por economia, modelos chineses passaram a fazer parte da conversa. Uma nota do JPMorgan Private Bank, de julho, apontou que um modelo GLM da Z.AI, empresa de Pequim, apresentou desempenho equivalente ao melhor modelo disponível em março, por um custo mais de 80% menor do que o modelo de fronteira mais caro da época.
Em Cingapura, os maiores bancos testam uma variedade de opções: a estrutura de IA do United Overseas Bank está aberta a provedores chineses, enquanto o DBS Group Holdings afirma não depender excessivamente de um único fornecedor, seja americano ou chinês.
Apesar dessa busca por alternativas mais baratas, reguladores já sinalizaram preocupações. O órgão regulador bancário do Canadá pediu recentemente que sua equipe elabore padrões mínimos de segurança para o uso de modelos de IA de fronteira pelos bancos. Nos Estados Unidos, a vice-presidente do Federal Reserve para Supervisão, Michelle Bowman, alertou as instituições para reforçarem seus sistemas contra ameaças impulsionadas pela própria IA.
Esse cenário torna mais difícil justificar, perante os conselhos, o uso de modelos menos testados — especialmente os estrangeiros. Diretores de risco também demonstram receio de que agentes de IA, uma vez implantados, se comportem de maneira imprevisível dentro dos sistemas internos dos bancos, preocupação que vem ganhando força nos últimos meses. O National Australia Bank, por exemplo, citou justamente questões de segurança e governança ao avaliar alternativas de modelos de IA disponíveis no mercado.
Com informações de infomoney.com.br.
