Parece que foi há anos que todo mundo especulava coletivamente sobre a possibilidade da IA Generativa se tornar tão ampla e generalizada a ponto de ser usada em várias áreas profissionais e da nossa vida, não é? Há tempos que convivemos com essa tecnologia quase que diariamente, seja nos aplicativos que utilizamos, nas ferramentas de trabalho ou nos serviços que contratamos. E, obviamente, o mercado financeiro não ficou de fora dessa transformação.

Aliás, a IA já aparece até nos conteúdos programáticos das principais certificações financeiras. Então, se você ainda não começou a estudar o assunto, é para ontem que precisa dar atenção a ele! 

E não pense que estamos falando apenas de robôs que respondem perguntas. A IA generativa já ajuda profissionais a consultar documentos, organizar informações, produzir conteúdos e analisar dados. Só que, quando o assunto envolve o dinheiro dos clientes, também precisamos conhecer muito bem os limites dessa tecnologia.

Neste conteúdo, vou responder todas as perguntas que mais aparecem quando esse é o assunto da conversa:

  • O que é IA generativa?
  • Qual é a diferença entre IA generativa e IA preditiva?
  • Como a IA generativa é usada no mercado financeiro?
  • Como a IA generativa pode apoiar o atendimento bancário?
  • O que é um agente de IA no mercado financeiro?
  • Quais são os benefícios da IA generativa?
  • Quais são os riscos da IA generativa no mercado financeiro?
  • Como escolher uma ferramenta de IA para finanças?
  • Uma IA pode operar no mercado financeiro sozinha?
  • Como proteger os dados dos clientes ao usar IA?
  • Como revisar uma resposta gerada por IA?
  • Como implementar IA generativa na rotina de uma instituição financeira?
  • Qual é o papel do profissional financeiro diante da IA generativa?

Spoiler: no final, vou te apresentar uma IA que vai te ajudar a se preparar para passar de primeira nas certificações financeiras!

O que é IA generativa?

A IA generativa é um tipo de inteligência artificial capaz de produzir conteúdos novos, como textos, imagens, códigos, áudios e resumos, a partir de instruções e informações fornecidas pelo usuário. É a tecnologia por trás de ferramentas já conhecidíssimas, como o ChatGPT, que conseguem responder perguntas, explicar assuntos e elaborar materiais em poucos segundos.

Mas como uma máquina consegue fazer tudo isso? Bom, primeiro precisamos entender que ela não aprende exatamente como nós.

Durante seu desenvolvimento, um modelo de IA generativa é treinado com grandes quantidades de dados. Nesse processo, identifica padrões e relações entre palavras, imagens ou outros elementos, conforme o tipo de conteúdo que foi projetado para processar.

Quando você escreve uma pergunta, chamada de prompt, o modelo utiliza esses padrões e o contexto disponível para construir uma resposta. Nos modelos de linguagem, por exemplo, a geração ocorre por meio da previsão sucessiva de unidades de texto, conhecidas como tokens.

Vamos raciocinar juntos: se você pedir uma explicação sobre juros compostos, a IA não precisa encontrar um parágrafo pronto e copiá-lo. Ela consegue elaborar uma resposta a partir dos padrões aprendidos, das instruções recebidas e, quando disponível, de informações recuperadas de fontes externas.

Só que gerar uma resposta convincente não é a mesma coisa que comprovar que ela está correta. Uma IA pode explicar um conceito perfeitamente e, na pergunta seguinte, apresentar um número inexistente com a maior segurança do mundo. É por isso que conhecer seu funcionamento ajuda tanto a aproveitar seus benefícios quanto a reconhecer seus limites.

Qual é a diferença entre IA generativa e IA preditiva?

A IA generativa é aquela que consegue criar conteúdos, organizar informações e produzir respostas a partir de dados e instruções. A IA preditiva, por outro lado, é utilizada para estimar resultados, identificar padrões e calcular probabilidades com base em informações disponíveis.

Veja como essas duas aplicações se diferenciam entre si:

Característica

IA generativa

IA preditiva

Objetivo principal

Produzir conteúdos e respostas

Estimar resultados ou probabilidades

Exemplo cotidiano

Redigir um e-mail

Estimar a demanda por um produto

Exemplo financeiro

Resumir um relatório econômico

Estimar a probabilidade de inadimplência

Resultado

Texto, imagem, código ou outro conteúdo

Previsão, pontuação ou classificação

Imagine que um banco hipotético queira analisar o risco de crédito de determinado cliente. Um modelo preditivo pode estimar a probabilidade de inadimplência a partir de dados e critérios definidos.

Já uma IA generativa pode transformar as informações autorizadas dessa análise em uma explicação mais fácil de compreender. Dessa maneira, o profissional consegue consultar os fatores considerados sem precisar interpretar sozinho uma grande quantidade de dados.

Só não pense que essas categorias são completamente separadas, ok? Existem sistemas que combinam diferentes modelos, inclusive ferramentas generativas que utilizam resultados preditivos para elaborar relatórios e recomendações.

Como a IA generativa é usada no mercado financeiro?

A IA generativa é utilizada para apoiar tarefas que envolvem comunicação, consulta de informações, análise documental e organização de dados. O grande benefício aqui é que ela reduz o tempo gasto com tarefas repetitivas e, consequentemente, dá ao profissional mais espaço para concentrar sua atenção naquelas decisões que exigem conhecimento técnico.

Vamos conhecer algumas aplicações?

Apoio ao atendimento ao cliente

Você certamente já encontrou um chatbot ao entrar em contato com um banco, não é? Esses sistemas existem há bastante tempo, mas a IA generativa ampliou as possibilidades de interação.

Um chatbot tradicional funciona com respostas previamente cadastradas. Já um sistema com IA generativa consegue interpretar perguntas formuladas de diferentes maneiras e construir respostas a partir de informações disponíveis.

Imagine que um cliente escreva: “Fiz um investimento ontem e não estou conseguindo tirar o dinheiro. O que aconteceu?”.

Um assistente conectado às informações autorizadas da instituição poderia identificar o produto, consultar as condições de resgate e explicar se existe um prazo de carência ou de liquidação.

Atenção: em tese, se o sistema não conseguir confirmar essas informações, deveria reconhecer a limitação ou encaminhar o atendimento. Afinal, inventar uma data de resgate seria muito mais grave do que admitir que não encontrou a resposta.

Resumo de documentos e relatórios

A IA generativa também consegue transformar documentos extensos em resumos organizados, para destacar informações relevantes para uma análise, por exemplo. Temos aqui uma tarefa bem útil em setores que trabalham com regulamentos, demonstrações financeiras e relatórios econômicos.

Vamos supor que você precise consultar um relatório de administração com 150 páginas. Uma ferramenta aprovada pela instituição poderia ajudar a localizar informações sobre endividamento, resultados operacionais e perspectivas divulgadas pela companhia.

Mas calma: não é para substituir a leitura técnica. Esses resumos servem como um ponto de partida. Ou seja, você identifica os trechos relevantes e confere os dados diretamente no documento original.

Aliás, esse cuidado é indispensável: a IA pode omitir ressalvas, confundir períodos ou interpretar incorretamente uma tabela. Portanto, o resumo não deve ser tratado como substituto da fonte.

Produção de conteúdos de educação financeira

A IA generativa pode ajudar a elaborar materiais educativos, como explicações sobre produtos, perguntas frequentes e roteiros de treinamento. 

Aqui, um bom uso dela é adaptar a linguagem a diferentes níveis de conhecimento. Por exemplo, um profissional pode solicitar duas explicações sobre marcação a mercado: uma destinada a colegas que já dominam renda fixa e outra para clientes que nunca ouviram falar do assunto.

A ferramenta consegue apresentar versões com vocabulários e níveis de detalhamento diferentes. Entretanto, ambas precisam ser revisadas para garantir que os conceitos estejam corretos.

Dica extra e importantíssima: confie em conteúdos de educação financeira produzidos com IA somente quando houver fontes confiáveis e revisão de quem realmente entende do assunto. A tecnologia não possui, por si só, responsabilidade profissional sobre o que escreve. Uma explicação bonita, organizada e fácil de ler continua sendo ruim se ensinar algo errado!

Consulta a bases internas de conhecimento

É comum, hoje em dia, que qualquer instituição tenha bancos de dados com centenas de documentos sobre procedimentos, produtos, políticas internas e orientações de atendimento. Encontrar uma informação específica nesse material pode exigir várias consultas — é para esse tipo de situação que o ditado sobre encontrar uma agulha no palheiro existe, aliás.

Uma IA generativa conectada a uma base interna autorizada, porém, consegue ajudar nesse problema, ao localizar e compreender essas informações. Em sistemas com mecanismos de recuperação de documentos, a resposta pode incluir referências aos trechos utilizados.

Porém, cuidado: o sistema precisa respeitar as permissões de acesso. Um funcionário não deve conseguir consultar dados sigilosos apenas porque fez uma pergunta a uma IA.

Apoio à análise de informações financeiras

Uma IA generativa também é capaz de organizar dados financeiros, comparar informações e produzir explicações que auxiliam o trabalho dos analistas. Ela é útil, por exemplo, para estruturar uma comparação entre demonstrações financeiras ou identificar pontos que merecem investigação.

Vamos usar uma companhia fictícia a título de exemplo. Suponha que sua receita tenha crescido 15%, enquanto o lucro líquido caiu 8% no mesmo período.

A IA pode destacar essa diferença e sugerir que o profissional investigue custos, despesas financeiras e margens operacionais. Entretanto, não deveria afirmar que o aumento das despesas financeiras causou a queda do lucro sem verificar os dados correspondentes.

Percebeu? A tecnologia ajuda a formular perguntas e organizar evidências, mas a conclusão precisa ser sustentada por informações verificáveis.

E pode se preparar, porque saber utilizar esse tipo de ferramenta será uma habilidade cada vez mais útil para quem trabalha com investimentos, crédito e análise financeira.

Como a IA generativa pode apoiar o atendimento bancário?

No atendimento bancário, a IA generativa pode ser especificamente útil para facilitar a consulta de informações, organizar solicitações e ajudar os profissionais a oferecer explicações mais organizadas. Também pode ser usada, é claro, para automatizar determinadas tarefas, desde que o sistema tenha acesso autorizado às informações necessárias e respeite os controles da instituição.

Olha só essa lista de aplicações que prova que as possibilidades vão muito além daquele clássico chatbot respondendo as perguntas mais frequentes dos clientes:

  • Explicação de produtos financeiros: a IA pode transformar informações de uma ficha de produto em uma explicação mais acessível. Por exemplo, ajudar o atendente a esclarecer a diferença entre liquidez diária e resgate no vencimento, sem alterar as condições oficiais.
  • Organização de solicitações: um cliente envia várias mensagens sobre uma cobrança que não reconhece. A ferramenta pode reunir os dados relatados, identificar informações que ainda faltam e preparar um resumo para a equipe responsável.
  • Consulta a procedimentos internos: durante um atendimento, o profissional pode perguntar quais documentos são necessários para determinada operação. Um assistente conectado à base interna vigente consegue localizar a orientação correspondente.
  • Preparação de respostas personalizadas: a IA pode elaborar uma primeira versão de e-mail sobre um procedimento bancário. O atendente confere os dados, ajusta a linguagem e aprova a mensagem antes do envio.
  • Acessibilidade na comunicação: a ferramenta pode simplificar explicações complexas ou ajudar a adaptar conteúdos para diferentes necessidades de compreensão. O importante é preservar a precisão das informações e respeitar as preferências do cliente.
  • Identificação de assuntos recorrentes: ao analisar registros de atendimento devidamente autorizados, a IA pode ajudar a reconhecer dúvidas frequentes. A instituição consegue utilizar essas informações para melhorar materiais educativos e procedimentos.

Percebeu que, em vários desses exemplos, a IA trabalha nos bastidores? O cliente nem sempre precisa conversar diretamente com ela para se beneficiar da tecnologia.

E não esqueça: um atendimento mais rápido não é necessariamente um atendimento melhor. Se a ferramenta responder com informações erradas ou deixar de reconhecer uma situação delicada, a velocidade perde completamente seu valor.

O que é um agente de IA no mercado financeiro?

Aplicado ao mercado financeiro, um agente de IA é um sistema capaz de:

  • Utilizar inteligência artificial para executar etapas de uma tarefa;
  • Consultar ferramentas;
  • Tomar determinadas decisões operacionais dentro dos limites definidos para seu funcionamento. 

Dependendo da configuração, ele consegue ir além de responder perguntas e realizar ações em sistemas conectados.

Inclusive, você mesmo pode experimentar um agente simples para estudar ou organizar tarefas pessoais, e esse exercício já vai te ajudar a sentir na prática como tudo isso acontece nas instituições. Para começar, olha só esse passo a passo simples:

  1. Escolha uma função específica: por exemplo, explicar conceitos de renda fixa ou criar perguntas de revisão.
  2. Defina as fontes: utilize materiais confiáveis e, quando possível, documentos oficiais.
  3. Estabeleça limites: determine que o agente não deve inventar informações, acessar dados sigilosos nem executar operações financeiras. Dica: estabelecer limites é quase mais importante do que definir ações.
  4. Configure o formato das respostas: peça explicações didáticas, exemplos e indicação das fontes consultadas.
  5. Teste o comportamento: faça perguntas fáceis, difíceis e até algumas com informações incorretas para verificar como o sistema reage.

Embora, como eu disse, isso já ajuda a compreender o funcionamento de um agente básico, não confunda essa experiência com o desenvolvimento de sistemas para uma instituição financeira. Um banco naturalmente vai contar com equipes especializadas, controles de segurança, testes, monitoramento e regras de governança — basicamente, uma operação muito mais complexa e massiva. 

Qual é a diferença entre agente de IA e chatbot? 

Um chatbot é uma interface de conversa, enquanto um agente de IA é um sistema organizado para executar tarefas com determinado grau de autonomia. Os dois conceitos podem aparecer juntos, mas não são sinônimos.

Se você perguntar a um chatbot de um banco qual é o prazo de compensação de determinada operação, ele vai consultar as informações disponíveis e responder à pergunta.

Agora, imagine um agente autorizado a acompanhar uma solicitação de atendimento. Ele poderia consultar o andamento, identificar uma pendência documental, preparar uma atualização e encaminhar a situação para análise humana, conforme suas permissões.

A diferença está basicamente no que o sistema consegue fazer além de conversar. Um agente pode utilizar um chatbot como interface, mas também pode funcionar nos bastidores, sem qualquer interação direta com o cliente.

Quais são os benefícios da IA generativa?

Os principais benefícios da IA generativa dependem da sua aplicação, mas em geral os mais frequentes são:

  • Economia de tempo: tarefas como organizar documentos, preparar resumos e elaborar primeiras versões de textos podem exigir menos trabalho manual. Assim, o profissional dispõe de mais tempo para atividades que precisam de análise e julgamento.
  • Acesso mais rápido às informações: uma ferramenta conectada a documentos confiáveis ajuda a localizar procedimentos, conceitos e dados relevantes. Isso reduz a necessidade de consultar manualmente vários arquivos.
  • Comunicação mais clara: a IA consegue adaptar explicações para diferentes públicos. Um conceito técnico pode ser apresentado em linguagem simples, desde que a revisão preserve sua precisão.
  • Padronização de processos: modelos e instruções aprovados pela instituição ajudam a manter uma estrutura consistente em determinados documentos e atendimentos. Ainda assim, cada caso precisa receber a atenção necessária.
  • Apoio à capacitação: profissionais podem utilizar assistentes para revisar conceitos, criar exercícios e identificar dúvidas. É uma aplicação especialmente interessante para quem estuda para certificações financeiras.
  • Apoio à análise: a ferramenta pode organizar dados, comparar documentos e destacar inconsistências que merecem investigação. A interpretação final, porém, exige conferência e conhecimento técnico.

Agora, cuidado para não presumir que qualquer utilização de IA vai entregar esses benefícios. Quando uma ferramenta é mal configurada, por exemplo, o efeito pode ser o contrário: ela pode aumentar o retrabalho, gerar informações incorretas e até criar novos riscos para a instituição.

Quais são os riscos da IA generativa no mercado financeiro?

No mercado financeiro, alguns riscos merecem bastante cautela de sua parte. Os mais importantes são:

  • Alucinações: a IA pode inventar números, fontes, regras ou características de produtos. Imagine o desastre que seria causado por uma ferramenta que informe um prazo de resgate inexistente ou atribua uma rentabilidade garantida a um investimento de renda variável.
  • Informações desatualizadas: um modelo pode utilizar conhecimentos anteriores a uma mudança regulatória ou econômica. Por isso, respostas sobre taxas, tributos e normas precisam sempre ser confrontadas com fontes vigentes.
  • Viés e complacência: a ferramenta pode reproduzir padrões inadequados presentes nos dados ou concordar excessivamente com o usuário. Se alguém insistir que determinado investimento não oferece riscos, a IA não deveria confirmar essa afirmação apenas para agradar.
  • Exposição de dados confidenciais: informações inseridas em ferramentas externas podem ser processadas ou armazenadas conforme as condições do serviço. Sem autorização e controles adequados, isso representa um risco à privacidade e ao sigilo dos clientes.
  • Manipulação de instruções: documentos ou mensagens maliciosas podem conter comandos destinados a alterar o comportamento do sistema. Esse problema, conhecido como prompt injection, merece atenção especial em agentes conectados a ferramentas e bases internas.
  • Automação de erros: uma resposta incorreta utilizada em centenas de atendimentos pode ampliar rapidamente o impacto de uma falha. Quanto maior a autonomia do sistema, mais importantes são os mecanismos de controle.
  • Dependência excessiva: quando o profissional aceita todas as respostas sem questionar, deixa de exercitar o próprio julgamento. E, convenhamos, não é para isso que você está estudando tanto!

Lembre-se: a IA não é uma pessoa, não conhece o cliente como um profissional responsável pelo atendimento e não possui compromisso pessoal com o resultado financeiro de uma recomendação.

Ela pode ser extremamente útil, sim, mas não substitui a responsabilidade de quem utiliza suas respostas. No mercado financeiro, a tecnologia precisa apoiar decisões fundamentadas, não criar uma aparência de segurança onde ela não existe.

Como escolher uma ferramenta de IA para finanças?

Para escolher uma ferramenta de IA, precisamos avaliar sua finalidade, a confiabilidade das informações, os controles de segurança e a possibilidade de revisar seus resultados. A ferramenta mais popular não será necessariamente a mais adequada para uma instituição financeira.

Antes de adotar uma solução, investigue:

  • Finalidade: qual problema a ferramenta resolve? Ela será utilizada para atendimento, análise de documentos, educação financeira ou outra atividade?
  • Fontes de informação: o sistema consulta documentos oficiais e bases atualizadas? Consegue indicar de onde retirou os dados?
  • Segurança e privacidade: quais informações são armazenadas, quem pode acessá-las e como são utilizadas pelo fornecedor?
  • Integração: a ferramenta precisa acessar sistemas internos? Quais permissões serão necessárias?
  • Supervisão humana: é possível revisar, corrigir e impedir ações inadequadas antes que produzam consequências?
  • Registro das atividades: a solução permite identificar quais informações foram consultadas, quais respostas foram produzidas e quem aprovou determinada ação?
  • Qualidade das respostas: como a ferramenta se comporta diante de perguntas ambíguas, dados incompletos ou solicitações que ultrapassam suas capacidades?

E não esqueça de testar o sistema com situações reais de trabalho, desde que os dados utilizados sejam autorizados. 

Uma IA pode operar no mercado financeiro sozinha?

Sim, sistemas de inteligência artificial até podem participar da execução automática de operações financeiras, mas isso não significa que estejam livres de regras, limites ou supervisão. Além disso, a autonomia permitida depende da atividade, das autorizações necessárias e dos controles estabelecidos pela instituição responsável.

Aliás, já deixo aqui um adendo importante: uma IA que ajuda a escrever um relatório não exerce a mesma função de um sistema que recomenda investimentos ou envia ordens de compra e venda.

No mercado de valores mobiliários, por exemplo, a Resolução CVM nº 30 estabelece regras para verificar se os investimentos recomendados são adequados ao perfil do cliente, inclusive quando a recomendação acontece por meios eletrônicos. Portanto, se uma IA recomenda investimentos, ela precisa respeitar os mesmos critérios de suitability aplicáveis a uma recomendação feita por um profissional. 

Não basta que o algoritmo identifique uma oportunidade de retorno: ele também precisa considerar os objetivos, a situação financeira e o conhecimento do investidor, quando essa avaliação for exigida.

Também precisamos considerar a atividade de consultoria de valores mobiliários, regulamentada pela Resolução CVM nº 19, e a administração de carteiras, disciplinada pela Resolução CVM nº 21. Essas normas importam porque recomendar investimentos e tomar decisões sobre o patrimônio de terceiros são atividades reguladas. Assim, uma instituição não pode simplesmente colocar uma IA para exercer essas funções e considerar que a automação substitui os registros, as autorizações e as responsabilidades exigidos pela CVM.

Já no ambiente bancário, uma IA pode participar de processos como análise de transações, prevenção a fraudes e atendimento. Aqui, a preocupação é outra: como garantir que o sistema tome decisões seguras, utilize os dados dos clientes de forma adequada e não comprometa as operações da instituição? Por isso, seu uso precisa respeitar as regras aplicáveis à atividade financeira, à segurança cibernética, à proteção de dados e aos controles internos.

Qual é a diferença entre apoio à decisão e execução automática?

No apoio à decisão, a IA fornece informações ou análises para que uma pessoa decida o que fazer. Na execução automática, por outro lado, o sistema realiza uma ação a partir de condições e permissões previamente estabelecidas.

Vou usar dois exemplos para você entender melhor.

No primeiro, um analista solicita à IA uma comparação entre os indicadores financeiros de duas companhias. A ferramenta organiza os números e destaca diferenças, mas o profissional confere os dados e decide como utilizar aquela análise.

No segundo, um sistema autorizado recebe uma estratégia de negociação com parâmetros definidos e envia ordens automaticamente quando determinadas condições são atendidas. Nesse caso, a operação acontece sem a necessidade de uma confirmação humana individual para cada ordem.

E atenção: nem todo sistema automático de negociação utiliza IA generativa. Existem algoritmos tradicionais que executam operações com base em regras matemáticas, sem produzir textos ou utilizar modelos de linguagem.

A execução automática exige cuidados adicionais, como limites de exposição, testes, monitoramento e mecanismos de interrupção, já que erros de configuração e interpretações incorretas podem causar consequências financeiras antes que alguém perceba o problema.

Como avaliar promessas de rentabilidade com IA?

Como o uso de IA não elimina a possibilidade de perdas, e muito menos transforma projeções em resultados garantidos, promessas de rentabilidade devem ser tratadas com ceticismo.

Imagine que uma plataforma anuncie: “Nossa IA identifica as melhores ações e garante 5% de lucro por mês”.

Parece interessante? Pois eu começaria pelas perguntas que a propaganda não respondeu. Como essa rentabilidade foi calculada? Existem resultados auditáveis? Quais são os riscos? Quem é responsável pela operação? A instituição possui as autorizações necessárias?

Também precisamos reconhecer alguns comportamentos da própria IA que podem comprometer uma análise:

  • Inventar dados: apresentar rentabilidades históricas, indicadores ou operações que nunca existiram.
  • Criar referências falsas: citar relatórios, estudos ou normas inexistentes para dar credibilidade à resposta.
  • Confundir projeções com fatos: apresentar um cenário hipotético como se fosse um resultado esperado com segurança.
  • Concordar excessivamente com o usuário: reforçar uma expectativa irrealista em vez de questionar suas premissas.
  • Utilizar informações inadequadas: apoiar uma conclusão em dados antigos, incompletos ou de fontes pouco confiáveis.
  • Ignorar riscos: destacar ganhos potenciais sem considerar volatilidade, liquidez, custos e possibilidade de perda do capital.

E mais: uma IA conectada à internet também pode encontrar informações falsas ou manipuladas. Ter acesso a páginas e notícias não garante que o conteúdo consultado seja verdadeiro.

Na dúvida, siga as boas práticas clássicas que já vêm existindo desde muito antes da IA: ao avaliar uma promessa de rentabilidade, confira a metodologia, a origem dos dados, as autorizações do prestador e os riscos da estratégia.

Como proteger os dados dos clientes ao usar IA?

Para que o uso de IA não comprometa os dados dos clientes, é necessário:

  • Utilizar ferramentas autorizadas;
  • Limitar o compartilhamento de informações; 
  • Verificar como os dados serão processados, armazenados e acessados. 

Inclusive, fica a dica: não basta retirar o nome do cliente de uma mensagem para resolver todos os problemas de privacidade. E a razão disso está no que acontece quando alguém envia informações a uma ferramenta de IA.

Dependendo do serviço e de sua configuração, o conteúdo pode ser transmitido aos servidores do fornecedor, processado para gerar a resposta e armazenado por determinado período. Algumas ferramentas também permitem utilizar informações para aprimoramento dos modelos, enquanto outras oferecem configurações e contratos que restringem esse uso.

Portanto, nem tudo o que você escreve em uma IA fica restrito à conversa que aparece na sua tela. O tratamento dos dados depende das condições do serviço contratado.

No Brasil, a gente conta com a Lei Geral de Proteção de Dados Pessoais (LGPD), que existe precisamente para estabelecer regras para o tratamento de dados pessoais. Entre seus princípios estão finalidade, necessidade, segurança e transparência.

E as instituições financeiras também precisam observar normas específicas. A Resolução CMN nº 4.893/2021, por exemplo, trata da segurança cibernética e da contratação de serviços de processamento, armazenamento e computação em nuvem para as instituições abrangidas por ela. Já a Resolução BCB nº 85/2021 estabelece exigências para outras categorias de instituições reguladas.

Na dúvida, para transformar essas obrigações em cuidados cotidianos, olha só essas boas práticas:

1. Utilize apenas ferramentas aprovadas pela instituição. Não copie dados de clientes para uma conta pessoal de IA só porque ela parece mais rápida ou conveniente.

2. Compartilhe o mínimo necessário. Se a tarefa exige apenas a análise de uma tabela de valores, não inclua nomes, CPFs, números de contas ou outras informações que não sejam indispensáveis.

3. Prefira dados fictícios ou efetivamente anonimizados. Substituir o nome por “Cliente A” não garante anonimização se outras informações ainda permitirem identificar a pessoa.

4. Verifique as condições do fornecedor. Antes de utilizar uma ferramenta profissional, a instituição precisa avaliar retenção de dados, acesso por terceiros, uso para treinamento, localização do processamento e condições de exclusão.

5. Respeite as permissões de acesso. Uma IA conectada a documentos internos não deve disponibilizar informações que o funcionário não possui autorização para consultar.

6. Proteja credenciais e informações sigilosas. Senhas, tokens de acesso, chaves de sistemas e dados bancários confidenciais não devem ser inseridos em ferramentas sem autorização e controles apropriados.

7. Siga os procedimentos para incidentes. Se informações forem compartilhadas indevidamente, comunique a equipe responsável conforme a política da instituição. Não tente resolver o problema sozinho e deixar de registrar o ocorrido.

Para o profissional financeiro, a regra de ouro é simples: ter acesso a uma informação não significa ter autorização para compartilhá-la com qualquer ferramenta.

Como revisar uma resposta gerada por IA?

Revisar uma resposta de IA consiste em verificar as informações com método. Veja as técnicas mais úteis:

  • Identifique as afirmações verificáveis: destaque números, datas, regras, nomes de produtos e referências que precisam de confirmação.
  • Confira as fontes: procure os documentos originais e verifique se eles realmente sustentam o que a IA afirmou.
  • Avalie o contexto: confira se a resposta considera o período, o público e as condições específicas da pergunta.
  • Procure informações ausentes: veja se a ferramenta ignorou exceções, custos, riscos ou restrições relevantes.
  • Verifique a linguagem: uma explicação simples não deve eliminar ressalvas importantes.
  • Corrija e registre os problemas: quando a resposta for utilizada em uma atividade profissional, siga os procedimentos de revisão e documentação da instituição.

Cuidado: pedir para a própria IA conferir se sua resposta está correta até pode ajudar a identificar inconsistências, mas não substitui uma verificação independente. A ferramenta pode repetir o erro anterior com outras palavras.

Como conferir cálculos e premissas?

Para conferir cálculos, você deve verificar os dados utilizados, as fórmulas, as unidades e as hipóteses adotadas, especialmente porque uma conta matematicamente correta ainda pode produzir uma conclusão errada se partir de uma premissa inadequada.

Vamos supor que a IA te informe que R$ 10 mil aplicados a 12% ao ano renderão exatamente R$ 100 por mês. Você já percebeu o problema? Dividir 12% por doze gera uma aproximação simples, mas não corresponde à taxa mensal equivalente quando consideramos capitalização composta.

Nesse caso, o cálculo correto da taxa equivalente é:

 

im=(1+0,12)1/12-1

O resultado é de aproximadamente 0,9489% ao mês. Portanto, sobre R$ 10 mil, o rendimento de um mês seria de cerca de R$ 94,89, antes de impostos e custos, sob essa hipótese.

Além da fórmula, confira sempre se a IA utilizou valores nominais ou reais, taxas anuais ou mensais, juros simples ou compostos e períodos compatíveis.

E, por fim, para contas importantes, utilize uma calculadora financeira, uma planilha ou outra ferramenta independente. 

Como verificar informações sobre produtos financeiros?

A conferência de produtos financeiros deve sempre começar pela documentação oficial do emissor, do administrador ou da instituição responsável. A IA pode ajudar a localizar e explicar informações, mas definitivamente não deve ser a única fonte utilizada.

Esse cuidado vale para:

  • Rentabilidade: conferir o período, a metodologia e se os valores são brutos ou líquidos.
  • Liquidez: verificar carência, cotização, liquidação e eventuais restrições.
  • Custos: identificar taxas, despesas e outras cobranças aplicáveis.
  • Riscos: consultar fatores de risco e características dos ativos.
  • Tributação: verificar a legislação vigente e as condições específicas do produto.
  • Garantias: confirmar se existe cobertura, quem a oferece e quais são seus limites.

Importante: fontes oficiais devem prevalecer sobre respostas geradas por IA quando houver divergências. Para questões regulatórias, consulte a CVM, o Banco Central e os demais órgãos competentes. Para características de produtos, utilize os documentos oficiais correspondentes.

Como registrar a revisão humana?

Registrar a revisão humana consiste em documentar quem conferiu a resposta, quais informações foram verificadas e qual versão recebeu aprovação. É um procedimento bem importante para demonstrar como determinada informação foi utilizada e facilita a identificação de problemas posteriores.

Imagine que uma instituição utilize IA para preparar relatórios destinados aos clientes. Um registro de revisão poderia conter:

  • Data da geração e da revisão do conteúdo;
  • Ferramenta utilizada e identificação da versão, quando disponível;
  • Fontes e documentos consultados;
  • Cálculos e informações que foram conferidos;
  • Correções realizadas;
  • Identificação do profissional responsável pela aprovação;
  • Versão final autorizada para utilização.

Inclusive, lembre-se que quanto maior o impacto potencial de um erro, mais rigorosa precisa ser a revisão.

Como implementar IA generativa na rotina de uma instituição financeira?

A implementação de IA generativa começa pela identificação de uma necessidade concreta, seguida da escolha da ferramenta, da avaliação dos riscos e da definição de controles. Afinal, há muitas possibilidades distintas de aplicação dessa tecnologia, então naturalmente não existe um único processo que funcione para todas as instituições.

Uma boa estratégia é começar com projetos delimitados, testar os resultados e ampliar o uso somente depois de avaliar sua qualidade e segurança.

Veja alguns exemplos:

Área

Como aplicar a IA generativa

Cuidados importantes

Atendimento

Preparar respostas e consultar procedimentos

Revisão, sigilo e encaminhamento de situações complexas

Análise financeira

Resumir relatórios e comparar indicadores

Conferência dos números e das fontes

Compliance

Localizar normas e organizar informações de casos

Atualização regulatória, confidencialidade e validação humana

Educação financeira

Criar materiais explicativos e treinamentos

Precisão técnica e linguagem adequada

Operações internas

Organizar documentos e solicitações

Permissões, rastreabilidade e controles de acesso

Tecnologia

Apoiar a escrita e revisão de códigos

Testes de segurança e aprovação antes da implantação

Depois de escolher a aplicação, a instituição precisa estabelecer responsabilidades, critérios de qualidade e procedimentos para situações em que a ferramenta apresente falhas.

Também é necessário treinar os profissionais, claro, já que uma ferramenta bem desenvolvida não resolve o problema se a equipe não souber interpretar suas respostas, reconhecer limitações ou utilizar os controles disponíveis.

Qual é o papel do profissional financeiro diante da IA generativa?

O papel do profissional financeiro é utilizar a IA como recurso de apoio, sem abrir mão do conhecimento técnico, do julgamento e da responsabilidade pelas atividades que desempenha. A tecnologia consegue processar informações rapidamente, mas isso não elimina a necessidade de compreender o cliente, interpretar riscos e cumprir as obrigações profissionais.

E sabe o que eu acho interessante nessa relação entre o ser humano e a IA? Quanto mais tarefas a IA consegue executar, mais evidente fica a importância de algumas capacidades humanas. Olha só, por exemplo, o que continua sendo responsabilidade dos profissionais e das instituições:

  • Compreender as necessidades do cliente: investigar objetivos, prazos, situação financeira e tolerância ao risco. Uma ferramenta pode organizar essas informações, mas o atendimento exige interpretação cuidadosa e respeito às particularidades de cada pessoa.
  • Exercer julgamento técnico: avaliar se uma análise faz sentido, identificar inconsistências e decidir quando são necessárias informações adicionais. A IA pode apresentar alternativas, mas não deve ser utilizada para justificar decisões sem fundamento.
  • Cumprir as normas aplicáveis: observar exigências de suitability, autorizações profissionais, proteção de dados, segurança e demais regras pertinentes. A utilização de IA não elimina essas obrigações.
  • Explicar riscos com clareza: assegurar que o cliente compreenda as características relevantes de um produto. Uma explicação gerada automaticamente precisa ser conferida antes de ser utilizada.
  • Proteger informações confidenciais: respeitar as políticas de acesso e os procedimentos de segurança. O profissional não deve compartilhar dados apenas porque uma ferramenta promete facilitar seu trabalho.
  • Reconhecer conflitos de interesse: avaliar situações em que uma recomendação ou decisão possa favorecer indevidamente determinada parte. A automação não elimina conflitos e pode até dificultar sua identificação quando os critérios do sistema não são transparentes.
  • Questionar respostas aparentemente convincentes: identificar alucinações, dados desatualizados e conclusões sem evidências. É necessário saber quando confiar em uma informação e quando procurar outra fonte.
  • Assumir as responsabilidades da função: respeitar os processos de aprovação, supervisão e registro exigidos pela instituição. Um erro não deixa de ser relevante porque teve origem em uma ferramenta automatizada.

Raciocina comigo: se uma IA informar incorretamente o risco de um investimento e um profissional utilizar essa informação sem conferência, o cliente vai tomar uma decisão baseada em dados falsos. As consequências aqui são óbvias: prejuízos, quebra de confiança e, a depender da gravidade, podem aparecer até consequências regulatórias para os responsáveis.

Da mesma forma, uma falha no tratamento de dados pessoais pode expor informações confidenciais e exigir providências previstas na legislação e nas políticas de segurança.

Mas não quero que você termine este conteúdo com medo de utilizar inteligência artificial! Muito pelo contrário.

A IA generativa é uma ferramenta incrível para quem sabe fazer boas perguntas, interpretar respostas e reconhecer quando uma informação precisa ser conferida. E essas capacidades dependem de estudo, experiência e senso crítico.

Você não precisa competir com uma máquina para ver quem consegue resumir um relatório mais rápido, mas sim desenvolver os conhecimentos que permitem avaliar aquele resumo, identificar o que realmente importa e utilizar as informações de maneira responsável.

Que tal utilizar a IA para estudar e conquistar sua certificação?

A IA generativa já faz parte dos conteúdos das certificações financeiras, e você pode usar essa tecnologia para estudar também. Lembra que prometi lá no início apresentar uma IA para ajudar nos seus estudos? Pois ela faz parte do Vitalício TopInvest!

Com o Vitalício, você conta com recursos de inteligência artificial para apoiar sua preparação, além de milhares de questões comentadas, simulados e preparatórios para 15 certificações financeiras, incluindo CPA, C-Pro R, C-Pro I, Ancord e CFP.

A ideia é que você consiga estudar os conceitos, praticar o que aprendeu e identificar os assuntos que ainda precisam de atenção. Afinal, acertar uma questão por sorte é uma coisa. Entender o conteúdo e saber resolver outras questões sobre o mesmo assunto é muito melhor!

Bora aproveitar a tecnologia para estudar com mais preparo e conquistar sua certificação? Te espero nas aulas!