Muito antes de assistentes virtuais responderem dúvidas de investidores, uma inteligência artificial já ocupava um lugar discreto em Wall Street. Desenvolvido pela BlackRock no fim da década de 1990, o Aladdin nasceu de uma preocupação de Larry Fink, fundador da gestora: evitar que decisões de investimento fossem tomadas sem uma compreensão precisa dos riscos envolvidos. Depois de ver perdas bilionárias provocadas por avaliações equivocadas do mercado de renda fixa nos anos 1980, Fink concluiu que os gestores precisavam de uma ferramenta capaz de testar cenários, medir impactos e identificar vulnerabilidades antes que elas se transformassem em prejuízo.
Foi dessa preocupação que surgiu o Aladdin. A plataforma passou a reunir indicadores econômicos, balanços corporativos, oscilações de preços, exposições de carteira e eventos geopolíticos em um único sistema de análise de risco. O objetivo não era escolher quais ativos comprar ou vender, mas responder a uma pergunta que se tornava cada vez mais difícil em mercados cada vez mais complexos: quanto risco uma carteira realmente estava assumindo?
Hoje, o desafio deixou de ser exclusivo dos gestores. A democratização dos investimentos transferiu parte dessa complexidade para o investidor comum. À medida que bancos digitais, corretoras independentes e plataformas abertas ampliaram o acesso ao mercado financeiro, milhões de brasileiros passaram a conviver com um universo de ações, fundos, títulos privados, ETFs e ativos internacionais que antes permaneciam concentrados em segmentos de alta renda.
O problema deixou de ser entrar no mercado e passou a ser navegar por ele. É nesse contexto que a inteligência artificial muda de lugar na cadeia financeira. Ferramentas desenvolvidas para ajudar gestores a interpretar mercados começam a ser adaptadas para ajudar investidores a interpretar escolhas. A tecnologia deixa os bastidores de Wall Street e passa a ocupar a interface entre bancos, corretoras e clientes, transformando a forma como recomendações são produzidas, produtos são apresentados e decisões de investimento são tomadas.
Essa mudança inaugura uma nova etapa da digitalização do mercado financeiro. A primeira reduziu o custo das transações e democratizou o acesso aos investimentos. A segunda procura reduzir o custo da informação e da tomada de decisão, ampliando a capacidade dos investidores de compreender produtos mais complexos e construir carteiras mais diversificadas.
Os primeiros sinais dessa transformação já aparecem no comportamento dos próprios investidores. O mais recente Raio X do Investidor Brasileiro, da Anbima em parceria com o Datafolha, mostra que 9% dos investidores já utilizam ferramentas de inteligência artificial para buscar informações sobre investimentos. Embora ainda representem uma parcela pequena do mercado, eles apresentam um padrão de alocação bastante distinto. Entre os usuários de IA, 35% mantêm a poupança como principal aplicação financeira, ante 63% entre aqueles que não recorrem à tecnologia. Em contrapartida, cresce a participação em fundos de investimento, títulos privados e criptoativos. O levantamento não permite afirmar que a IA seja a causa dessa diferença, mas sugere que o acesso a ferramentas capazes de sintetizar informações e comparar alternativas está associado a carteiras mais diversificadas e a investidores mais dispostos a explorar produtos além da renda fixa tradicional.
O private banking em escala
Administrar grandes patrimônios exigia uma combinação difícil de escalar: horas de análise, reuniões frequentes, acompanhamento contínuo das carteiras e uma compreensão detalhada dos objetivos de cada cliente. Esse trabalho consumia tempo. E tempo era o principal custo da gestão de patrimônio. A consequência era uma lógica econômica relativamente simples. Quanto maior o patrimônio do cliente, maior fazia sentido dedicar horas de trabalho especializado à construção de recomendações individualizadas. Para os demais investidores, o mercado precisava operar de outra forma. Não por falta de interesse em conhecê-los melhor, mas porque isso simplesmente não fechava a conta.
A inteligência artificial começa a alterar exatamente essa equação. Ao assumir tarefas como leitura de relatórios, monitoramento de carteiras, consolidação de informações e preparação de análises, ela elimina parte do trabalho que antecede a conversa entre assessor e investidor. “A inteligência artificial aumenta a produtividade da gestão de patrimônio. O mesmo assessor passa a acompanhar mais clientes sem reduzir a qualidade da análise, porque boa parte do trabalho preparatório deixa de depender exclusivamente de esforço humano”, diz Guilherme Sant’Anna, diretor de distribuição e segmentos da XP.
É essa mudança que torna possível algo que até poucos anos atrás parecia contraditório: levar parte da lógica do private banking para investidores de varejo. Não significa oferecer o mesmo nível de atendimento reservado a grandes fortunas. Significa tornar escaláveis atividades que antes eram incompatíveis com operações de grande volume.
“Soluções como consultoria automatizada, recomendações personalizadas e assistentes virtuais podem chegar a investidorescom menor poder aquisitivo, o que ajuda a aproximar o público em geral de serviços que, até pouco tempo, estavam concentrados nos segmentos de maior patrimônio”, diz Zeca Doherty, diretor-executivo daAnbima.
Hoje, porém, o uso de assistentes de IA para se informar sobre investimentos ainda está concentrado em públicos mais jovens, de maior renda e majoritariamente masculinos: 49% dos usuários pertencem à Geração Z, 36% sãoMillennials, 58% estão nas classes A/B e e 67% são homens.
Essa mudança ajuda a explicar por que a corrida atual das instituições financeiras pouco tem a ver com a criação de novos produtos. Agora, a inteligência artificial busca reduzir outro custo, muito menos visível e muito mais difícil de atacar: o custo de compreender clientes. Não por acaso, levantamento da FStech e da Hitachi Vantara mostra que 66% das instituições financeiras já utilizam inteligência artificial no relacionamento com clientes e 63% em análise de risco e crédito.
O fim das carteiras genéricas
A expansão do mercado financeiro brasileiro também produziu um efeito curioso. Quanto mais investidores chegavam às plataformas, menos cada um deles podia ser tratado como indivíduo.
Construir uma recomendação personalizada exige conhecer objetivos, patrimônio, fluxo de renda, tolerância a perdas, horizonte de investimento e mudanças constantes na vida financeira do cliente. Esse trabalho consome tempo. A solução encontrada pelo mercado foi simplificar a realidade. Milhões de investidores passaram a ser representados por algumas categorias relativamente amplas: conservador, moderado e arrojado. O modelo atendia às exigências regulatórias e permitia distribuir produtos em escala. Mas fazia uma concessão importante: tratava como semelhantes investidores que compartilhavam apenas uma característica, sua tolerância ao risco.
Na prática, duas pessoas classificadas como moderadas podiam viver situações completamente diferentes. Uma acumulava patrimônio para comprar um imóvel. Outra investia pensando na aposentadoria. Uma terceira buscava proteger o capital obtido com a venda de uma empresa. Sob a lógica tradicional, todas transitavam pela mesma prateleira de recomendações.
A inteligência artificial altera essa equação porque reduz o custo de produzir contexto. Segundo Paulo Corrêa, economista-chefe e sócio da Valor Investimentos, a mudança mais relevante não está na identificação de novos ativos, mas na capacidade de ampliar o número de variáveis incorporadas antes que uma recomendação seja feita. “Historicamente, o mercado trabalhou com algumas categorias de perfil de investidor. Com a inteligência artificial, é possível incorporar muito mais variáveis e chegar a um nível de personalização que antes seria inviável.”
Patrimônio, renda, objetivos financeiros, comportamento diante da volatilidade, histórico de movimentações, composição da carteira e até mudanças recentes na vida financeira deixam de ser analisados como informações isoladas. Passam a formar um retrato continuamente atualizado do investidor. A consequência parece discreta, mas altera a lógica da distribuição de investimentos. É justamente essa mudança que explica os investimentos realizados pelas grandes plataformas.
Na XP, a inteligência artificial foi incorporada ao trabalho dos assessores por meio da TATA, plataforma desenvolvida para organizar informações, analisar carteiras e preparar reuniões. O objetivo não é substituir o profissional, mas aumentar sua capacidade de compreender clientes cuja complexidade cresceu muito mais rapidamente do que o tamanho das equipes.
“O conceito em que acreditamos é o do assessor aumentado. A inteligência artificial assume tarefas operacionais e analíticas, enquanto o profissional se concentra naquilo que continua sendo essencialmente humano: construir confiança, ajudar o cliente a navegar momentos de volatilidade e fazer planejamento financeiro de longo prazo”, afirma Guilherme Sant’Anna, diretor de distribuição e segmentos da XP.
Além dos assessores, na XP a tecnologia passou a acompanhar investidores iniciantes, identificando padrões de comportamento, sugerindo conteúdos e sinalizando momentos em que eles podem precisar de orientação. Na prática, atividades que antes exigiam acompanhamento contínuo de um profissional passam a ser executadas de forma automatizada, permitindo que um número maior de clientes receba algum grau de personalização.
O Inter percorreu um caminho semelhante. A Seven nasceu para responder dúvidas sobre produtos financeiros, mas gradualmente deixou de atuar apenas como um canal de atendimento. Hoje ajuda especialistas a identificar mudanças no comportamento dos investidores, interpretar padrões de uso da plataforma e antecipar momentos em que o cliente provavelmente precisará de orientação.
Durante muito tempo, conhecer profundamente milhões de clientes era economicamente inviável porque exigia milhões de horas de trabalho especializado. Em vez de substituir o assessor, ela amplia a quantidade de investidores que cada profissional consegue acompanhar sem abrir mão de um atendimento individualizado.
O resultado é um paradoxo. A tecnologia que prometia reduzir a importância dos intermediários financeiros acabou reforçando seu papel. À medida que algoritmos passam a executar tarefas repetitivas e analíticas, cresce o valor das atividades que dependem de julgamento, interpretação e construção de confiança. Um levantamento da Vanguard com mais de 1.500 investidores americanos ilustra essa mudança. Entre os clientes que já trabalham com assessores humanos, 93% afirmam que continuariam preferindo esse modelo de atendimento caso precisassem trocar de profissional. Mais revelador é o comportamento dos usuários de plataformas digitais: 88% dizem que estariam dispostos a migrar para um assessor humano à medida que suas necessidades financeiras se tornassem mais complexas.
No C6 Bank, análises produzidas por inteligência artificial passam obrigatoriamente pela validação de especialistas antes de serem encaminhadas aos clientes. “Se um cliente solicita uma análise específica ou um relatório sobre determinada classe de ativos, a inteligência artificial pode produzir esse material. Mas ele não é enviado automaticamente. Existe uma etapa de validação por profissionais especializados”, afirma Igor Rongel, chefe de investimentos do banco.
O grande problema, porém, é que o avanço da inteligência artificial ocorre mais rapidamente do que a construção de regras específicas para acompanhá-lo. A Comissão de Valores Mobiliários (CVM) afirma que o uso crescente de IA em atividades como recomendação de investimentos, gestão de carteiras e interação com clientes vem sendo monitorado de perto, mas avalia que o tema ainda está em fase de amadurecimento regulatório.
Para a autarquia, princípios já consolidados – como dever fiduciário, suitability, transparência, controles internos e gestão de riscos – continuam válidos independentemente da tecnologia utilizada. “O uso de inteligência artificial não transfere para os algoritmos a responsabilidade pelas recomendações nem reduz as obrigações das instituições financeiras perante os investidores”, diz o presidente da CVM, Otto Lobo.
Quando conhecer o cliente significa influenciar suas escolhas
Toda inovação relevante no mercado financeiro alterou a forma como informação circula entre instituições e investidores. O home broker reduziu a distância entre o investidor e a bolsa. Os bancos digitais diminuíram o custo de acessar serviços financeiros. A inteligência artificial inaugura uma transformação diferente: ela reduz a distância entre as instituições e o comportamento de seus clientes.
Pela primeira vez, bancos e corretoras conseguem observar, em escala, não apenas quais investimentos um cliente possui, mas como ele toma decisões. Que tipo de conteúdo consulta antes de investir. Em quais momentos procura orientação. Como reage a perdas. Quanto tempo leva para alterar sua carteira depois de uma mudança de cenário.
Essa capacidade representa um avanço importante para a qualidade das recomendações. Ao compreender melhor os objetivos e o comportamento de cada investidor, as instituições conseguem construir estratégias potencialmente mais aderentes ao seu momento de vida. Mas ela também desloca o centro da discussão. Até aqui, a principal preocupação era produzir recomendações mais inteligentes. Agora passa a ser compreender quem define a inteligência dessas recomendações.
Segundo João Rego, professor da FGV especializado em tecnologia e negócios digitais, a popularização dos grandes modelos de linguagem democratizou capacidades analíticas que antes pertenciam apenas às grandes instituições financeiras. Ao mesmo tempo, ela tornou menos visíveis as escolhas embutidas em cada algoritmo. “Todo modelo incorpora vieses. Mesmo quando uma instituição personaliza uma inteligência artificial, ela também incorpora sua visão de mercado, seus critérios de análise e, inevitavelmente, seus próprios incentivos.”
A CVM compartilha da mesma posição. Segundo a entidade, o conflito de interesses entre o prestador de serviço financeiro e o cliente pode ser ocasionado por falta de entendimento sobre o modelo que emitiu determinada recomendação de investimento, implicando em eventual falha de conformidade regulatória e gerando, segundo a autoridade, “anomalias de mercado”.
Uma recomendação pode ser adequada ao perfil do cliente, mas também pode refletir escolhas feitas durante o treinamento do modelo, como a priorização de determinados produtos, estratégias ou indicadores. Quanto mais sofisticada se torna a capacidade de compreender o investidor, maior também se torna a capacidade de influenciar suas decisões.
Quando todos aprendem da mesma forma: efeito manada
Existe um segundo risco, menos evidente, mas potencialmente mais relevante para o funcionamento dos mercados. A inteligência artificial promete tornar recomendações cada vez mais individualizadas. Paradoxalmente, pode fazer com que as instituições financeiras passem a interpretar o mercado de maneira cada vez mais semelhante.
Antes, decisões de investimento eram produzidas por milhares de analistas, gestores e economistas utilizando metodologias distintas. A diversidade de interpretações funcionava como um mecanismo natural de dispersão de riscos. Erros aconteciam, mas dificilmente se propagavam ao mesmo tempo por todo o sistema financeiro.
A inteligência inteligência artificial, porém, introduz uma nova dinâmica. À medida que bancos, corretoras e gestoras passam a recorrer a modelos treinados sobre bases de dados semelhantes e apoiados na mesma infraestrutura tecnológica, cresce a probabilidade de que diferentes instituições interpretem um mesmo evento de maneira parecida, e reajam de forma sincronizada. O risco é que a diversidade de análises, um dos mecanismos que historicamente ajudou a diluir choques no mercado, dê lugar a um comportamento mais homogêneo, conhecido como “efeito manada”.
O relatório mais recente da IOSCO, entidade que reúne reguladores dos principais mercados de capitais do mundo, identifica exatamente esse movimento como um dos principais desafios da adoção da inteligência artificial. A preocupação não está apenas na qualidade dos algoritmos, mas na concentração da infraestrutura tecnológica em poucos modelos, provedores e bases de dados. Em mercados financeiros, concentração costuma amplificar riscos. Uma interpretação equivocada feita por um analista afeta sua carteira de clientes. “Uma interpretação equivocada reproduzida simultaneamente por milhares de modelos pode alterar o comportamento de uma parcela significativa do mercado em questão de minuto”, diz Rego.
A preocupação também foi levantada pelo Comitê de Política Financeira do Banco da Inglaterra. Em relatório recente, a instituição alertou que o uso disseminado de modelos de IA pode levar diferentes participantes do mercado a “agir de forma semelhante durante períodos de estresse, amplificando choques”. O banco central passou a testar, em simulações, como esse comportamento sincronizado pode afetar a estabilidade financeira.
Por aqui, a questão também está no radar da CVM. “Embora episódios como os flash crashes tenham sido historicamente associados a algoritmos de negociação anteriores à IA generativa, a CVM avalia que a nova geração de sistemas amplia a necessidade de supervisão sobre governança, qualidade dos dados e explicabilidade dos modelos”, diz Lobo, da CVM.
Quem responde quando o algoritmo erra?
À medida que a inteligência artificial deixa de apenas organizar informações e passa a participar da construção de recomendações de investimento, uma pergunta ganha espaço no debate regulatório: quem responde quando uma decisão apoiada por IA causa prejuízo ao investidor?
A resposta parece simples, mas está longe de ser consensual. O mercado financeiro estruturou sua regulação sobre um princípio relativamente claro: a responsabilidade pertence a quem presta o serviço. É esse entendimento que sustenta regras como suitability, dever fiduciário e mitigação de conflitos de interesse. A incorporação da inteligência artificial não elimina esses princípios, mas começa a testar seus limites.
Para Otavio Yazbek, advogado e professor do Insper especializado em regulação financeira, é preciso distinguir dois movimentos que frequentemente aparecem como um único fenômeno. “Quando falamos de inteligência artificial aplicada aos investimentos, estamos diante de duas transformações distintas. Uma é tornar mais eficiente a prestação de serviços já existentes. A outra envolve a criação de novos produtos e serviços baseados em IA, que podem exigir novas regras e supervisão regulatória.”
Na primeira situação, a inteligência artificial funciona como ferramenta de apoio. Ela resume relatórios, organiza informações, identifica padrões e auxilia o trabalho dos profissionais. Nesse caso, a responsabilidade jurídica permanece relativamente bem definida.
A segunda hipótese é mais complexa. À medida que sistemas passam a interpretar informações, estruturar recomendações e influenciar decisões de investimento, torna-se menos evidente onde termina o papel da tecnologia e onde começa a responsabilidade de quem a desenvolveu, contratou ou colocou em funcionamento.
Para Yazbek, esse é um debate que ainda está em construção. O avanço da inteligência artificial ocorre em ritmo mais acelerado do que a evolução das regras capazes de disciplinar seu uso, razão pela qual ainda não existe consenso internacional sobre como distribuir responsabilidades quando algoritmos passam a desempenhar funções tradicionalmente exercidas por profissionais do mercado.
A posição da CVM, por enquanto, é mais objetiva. Segundo a autarquia, o uso de inteligência artificial não altera as responsabilidades dos participantes do mercado. Princípios como dever fiduciário, suitability, transparência, controles internos e gerenciamento de riscos permanecem válidos independentemente da tecnologia utilizada. Em outras palavras, quem oferece o serviço continua responsável pelas recomendações feitas ao investidor, ainda que elas tenham sido produzidas com apoio de sistemas de IA.
Ao mesmo tempo, a CVM reconhece que a crescente utilização dessas ferramentas em atividades como recomendação de investimentos, gestão de carteiras e relacionamento com clientes introduz novos desafios de governança, explicabilidade dos modelos e prestação de contas. Por isso, a autarquia afirma acompanhar a evolução do tema em conjunto com reguladores internacionais no âmbito da IOSCO e reforçou sua estrutura técnica com a criação, neste ano, da Superintendência de Desenvolvimento de Inteligência (SDI), dedicada ao uso de ciência de dados e inteligência artificial tanto na supervisão quanto no desenvolvimento de ferramentas analíticas para o mercado.
A preocupação não é apenas teórica.
Em 2024, a Securities and Exchange Commission (SEC), reguladora do mercado de capitais dos Estados Unidos, multou duas consultorias de investimento por divulgar informações enganosas sobre o uso de inteligência artificial em seus processos. O episódio, que ficou conhecido como AI washing, marcou a primeira grande ação do regulador contra empresas que utilizaram a promessa da IA como argumento comercial sem conseguir demonstrar como a tecnologia era efetivamente empregada.
Mais do que um caso de propaganda enganosa, a decisão sinalizou uma mudança de postura dos reguladores. A discussão deixa de ser se as instituições utilizam inteligência artificial e passa a ser como a utilizam, quais decisões delegam aos algoritmos e quem responde quando essas decisões produzem consequências para o investidor.
