A Inteligência Artificial Generativa entrou definitivamente na agenda do setor financeiro, mas apesar dos ganhos, tem trazido questões que preocupam as operações. Bancos, seguradoras e instituições de crédito enxergam na tecnologia uma oportunidade concreta de acelerar operações, personalizar serviços e criar modelos de negócio. Ao mesmo tempo, também cresce a preocupação com segurança, governança e conformidade.
Uma pesquisa da Netskope Threat Labs apontou que dados regulados do setor financeiro representam 59% das violações relacionadas ao uso de GenAI, o que expõe uma realidade importante: inovar sem uma base tecnológica preparada pode ampliar riscos em vez de reduzi-los.
O debate sobre IA no mercado financeiro normalmente se concentra nas possibilidades futuras da tecnologia, mas a discussão mais urgente talvez esteja na infraestrutura atual das instituições. A verdade é que grande parte do setor ainda opera sobre sistemas legados que não foram concebidos para integração com modelos modernos de IA, cloud computing ou arquiteturas orientadas a dados. Em muitos casos, estamos falando de ambientes em Cobol que seguem sustentando operações críticas do sistema financeiro.
Além da dificuldade técnica de integração sistêmica, essas instituições enfrentam a escassez crítica de profissionais capacitados para manter essa infraestrutura envelhecida. Tentar acoplar a IA generativa diretamente a essas fundações antigas é um convite ao risco e à ineficiência.
Por isso, modernizar o legado não significa apenas reescrever o código de uma linguagem para outra. Trata-se de uma jornada estratégica que exige um mergulho consultivo no negócio para estruturar o caminho. É preciso realizar um assessment profundo para entender a real função de cada sistema e, em seguida, conduzir um trabalho capaz de definir se um módulo deve ser migrado, descontinuado, rearquitetado ou substituído por soluções de mercado.
Essa visão se torna ainda mais relevante quando observamos o avanço regulatório e as mudanças constantes no setor financeiro. Um exemplo recente é a adaptação ao CNPJ alfanumérico. Embora não seja um projeto tradicional de modernização tecnológica, a mudança exige transformação ampla nos ativos sistêmicos das instituições. Sistemas inteiros precisaram deixar de aceitar apenas campos numéricos para incorporar letras em front-end, banco de dados, integrações e regras de negócio. Trata-se de uma alteração que impacta profundamente operações críticas e exige velocidade de adaptação sem comprometer a estabilidade ou o compliance.
Ironicamente, a própria Inteligência Artificial é a chave para acelerar a modernização desses sistemas obsoletos. No entanto, a eficiência máxima e a segurança só são atingidas quando aplicamos uma abordagem híbrida. A IA generativa (probabilística) é excepcional para acelerar a geração e a customização de códigos adequados à realidade do cliente, mas ela pode cometer erros ou apresentar “alucinações”.
Para garantir que sistemas de missão crítica sejam migrados com segurança, entra em cena a IA determinística e a otimização matemática. Por não permitirem erros de probabilidade, essas disciplinas asseguram a rastreabilidade perfeita, garantindo que as regras da origem apareçam exatamente iguais no destino. O uso combinado dessas tecnologias em migrações complexas, como sistemas de previdência e seguros, chega a gerar um ganho de produtividade da ordem de 60% no ciclo completo de modernização.
Mas, o resultado não é apenas ganho operacional. As empresas passam a contar com uma arquitetura mais moderna, preparada para incorporar novos componentes de IA, oferecer melhor experiência ao usuário e acelerar futuras evoluções do negócio.
Esse é um ponto central: inovação segura não acontece apenas pela adoção de GenAI. Ela depende de uma base tecnológica capaz de sustentar escalabilidade, governança e resiliência. Cloud computing, integração sistêmica e gestão de dados têm papel decisivo nessa jornada porque permitem construir ambientes mais observáveis, auditáveis e preparados para políticas robustas de segurança.
Por isso, a principal recomendação para líderes não é simplesmente acelerar a adoção da IA generativa, mas entender primeiro quais problemas realmente exigem esse tipo de tecnologia. Em muitos casos, soluções mais simples e determinísticas podem resolver dores críticas com menor risco e maior previsibilidade.
Outro aspecto importante é a governança, que precisa anteceder a escala, ou seja, é preciso estabelecer políticas consistentes de uso de dados para que os agentes de IA operem com resiliência, promovendo paralelamente a alfabetização ou “literacia” digital dentro das organizações. Sem que os colaboradores compreendam os mecanismos e o uso responsável da tecnologia, é impossível exigir que o ecossistema funcione com segurança.
Modernizar o legado é preparar a casa para o futuro, garantindo que o setor financeiro avance na jornada digital com uma IA que atue como aliada estratégica, e não como uma nova vulnerabilidade.
*Por Fulvio Mascara, head global de inovação da Foursys.
