Tasso Lugon é CEO da Banestes DTVM e especialista em tecnologia, inovação e transformação digital |  Foto: Divulgação

A gestão de riscos sempre foi o coração do sistema bancário. Desde os primeiros bancos, a capacidade de avaliar quem iria pagar um empréstimo, estimar perdas e precificar corretamente o risco definiu quais instituições prosperariam e quais desapareceriam.

Durante muito tempo, essas decisões dependiam quase exclusivamente da experiência humana. Gerentes analisavam renda, garantias, histórico financeiro e, em muitos casos, recorriam à intuição construída ao longo dos anos. O chamado “feeling” tinha peso real na concessão de crédito.

Esse cenário mudou de forma acelerada. Hoje, bancos processam bilhões de dados diariamente e utilizam modelos matemáticos avançados para apoiar decisões. A inteligência artificial passou a ser aplicada em áreas como crédito, prevenção a fraudes e gestão de grandes carteiras financeiras.

Os sistemas tradicionais de score de crédito representaram um avanço importante ao trazer objetividade e escala. Ao cruzar dados financeiros com históricos de inadimplência, esses modelos reduziram a subjetividade das decisões. Ainda assim, apresentavam limitações claras: dependiam de informações estruturadas, atualizadas com baixa frequência, e não captavam mudanças rápidas no comportamento das pessoas.

Além disso, milhões de brasileiros ficaram por anos fora desse sistema por não possuírem histórico bancário formal. Trabalhadores informais e pessoas sem conta em banco simplesmente não existiam para o crédito tradicional.

Os modelos preditivos mais recentes ajudam a mudar esse cenário. Eles incorporam dados alternativos, como pagamento regular de contas de água e luz, compras em plataformas digitais, recargas de celular e padrões de uso de aplicativos. Esses sinais revelam disciplina financeira mesmo em quem nunca teve relacionamento com bancos.

Outra aplicação relevante está no combate às fraudes. Sistemas antigos, baseados em regras fixas, costumavam bloquear transações legítimas. Já os modelos atuais analisam padrões de comportamento em tempo real e conseguem identificar anomalias em poucos milissegundos, reduzindo prejuízos e melhorando a experiência do cliente.

Essas tecnologias também são usadas para prever riscos maiores. Bancos simulam cenários econômicos adversos para entender como suas carteiras reagiriam a crises, algo essencial para cumprir exigências regulatórias e evitar colapsos.

Apesar dos avanços, o uso intensivo de dados traz desafios, como o risco de vieses algorítmicos. Por isso, cresce a cobrança por transparência e explicabilidade nas decisões automatizadas.

No fim, o “feeling” não desapareceu, mas perdeu protagonismo. Em um mercado cada vez mais complexo, decisões baseadas em dados se tornaram a principal linha de defesa para a solidez do sistema financeiro.

MATÉRIAS RELACIONADAS:

CONVERGÊNCIA

Os robôs estão se aproximando cada vez mais dos seres humanos

CONVERGÊNCIA

Ética e IA: um desafio urgente

CONVERGÊNCIA

Pix é o mais usado do Brasil e agora inspira o mundo

CONVERGÊNCIA

Bancos entram no jogo para conquistar a geração Z