INTELIGÊNCIA ARTIFICIAL. PENSAMENTO CRÍTICO.Acompanhe por RSS
AnálisesANÁLISE COM FONTES

IA generativa no Itaú e na Benefit Street: quais resultados e controles estão documentados?

Compare o alcance, os ganhos e os controles relatados nos dois casos, distinguindo resultados declarados de metas e de evidências ainda ausentes para o Brasil.

EM POUCAS LINHAS

  • A primeira fase do ia.i envolveu cerca de 300 mil clientes; alcançar toda a base era uma meta, não um resultado.
  • O Itaú relata governança centralizada pela IARA e ganhos de eficiência em etapas jurídicas, sem detalhar a medição.
  • Na Benefit Street, a primeira análise de contratos é seguida de revisão humana; seus tempos não são comparáveis aos ganhos do Itaú.
  • Ambos os relatos vêm da fornecedora e não constituem validação independente.

Duas páginas publicadas pela OpenAI sobre o Itaú e a Benefit Street Partners em 16 de outubro de 2026 descrevem usos de IA generativa em serviços financeiros. A coincidência de publicação não significa que as iniciativas começaram juntas. Também não transforma os números apresentados pela fornecedora e pelas organizações retratadas em resultados auditados. A leitura útil para instituições brasileiras é separar o que cada caso diz ter colocado em operação, o que espera alcançar e o que ainda precisaria ser medido.

Itaú: fase inicial não é cobertura total

A página do Itaú situa o começo da trajetória descrita em 2024, com recursos da Inteligência Itaú para necessidades financeiras específicas. Apresenta o ia.i como uma etapa posterior: uma interface conversacional por texto ou voz que reúne interações sobre contas, crédito, cartões e outros serviços, com encaminhamento a atendimento humano especializado quando necessário. Portanto, 16 de outubro de 2026 é a data do relato, não o lançamento de toda essa trajetória.

Segundo a OpenAI, aproximadamente 300 mil clientes participaram da primeira fase do ia.i. O banco esperava disponibilizar a experiência a toda a base até o fim de 2026; essa expansão era uma meta futura na data da publicação. Simulações, contratações e análises financeiras recorrentes também aparecem como capacidades planejadas. Não se deve apresentar essas funcionalidades ou a cobertura integral como entregas já verificadas.

O mesmo relato atribui à solução do departamento jurídico um repositório de mais de 90 milhões de documentos, mais de 2 milhões de tarefas executadas por mês e ganhos de eficiência de 20% a 80% em etapas de processos. São três medidas de coisas distintas: tamanho do acervo, volume de trabalho e eficiência declarada em partes do fluxo. A página não detalha, para essa faixa de ganhos, a linha de base, os critérios de seleção das etapas ou uma medição independente. Ela tampouco autoriza concluir que o atendimento ao cliente ficou 20% a 80% mais eficiente. Expectativas descritas para equipes de relacionamento, como atendimento mais rápido, não devem ser somadas aos resultados jurídicos.

IARA: o que o controle descrito cobre

Para coordenar o uso de modelos, o Itaú diz ter criado a IARA, plataforma de governança e orquestração. Segundo a descrição, equipes acessam diferentes modelos conforme políticas internas, e a OpenAI é uma das fornecedoras disponíveis. A página relaciona essa arquitetura a controle de custo por token, precisão das respostas e aplicação de políticas de IA responsável; também menciona observabilidade e acompanhamento contínuo.

Isso descreve uma intenção de controle e componentes da arquitetura, não uma demonstração pública de que todas as respostas sejam corretas ou livres de vieses. Para avaliar o alcance prático da governança, faltariam, por exemplo, critérios de aprovação dos usos, taxas de erro por tarefa e registros de como falhas chegam à revisão e à correção. Esses são pontos de verificação, não controles adicionais cuja existência esteja comprovada pela página. Para outra discussão sobre o que relatos empresariais mostram — e deixam sem medir —, veja a análise de casos de IA em segurança.

Benefit Street: análise preliminar e decisão humana

O caso da Benefit Street Partners é identificado pela OpenAI como referente à América do Norte. O gestor Anant Kumar relata ter construído uma ferramenta que compara avaliações de um mesmo empréstimo em documentos públicos de companhias de investimento, usando o Codex para revisar código. Segundo ele, a primeira versão ficou pronta em um dia; com acréscimos e ajustes feitos ao longo de semanas, o tempo total estimado de desenvolvimento foi de 10 a 12 horas. O dia da primeira versão e as horas de trabalho estimadas não são medições intercambiáveis de produtividade.

Outra ferramenta descrita na página faz uma primeira análise de contratos de crédito. O processamento de um contrato enviado levaria cerca de 20 minutos, seguido de uma hora ou mais de revisão humana. A página afirma que a ferramenta foi reformulada com GPT‑6 Astra e está em um portal hospedado pela organização. Kumar diz que a IA ajuda a reunir e sintetizar informações, mas que a decisão final de investimento deve ser humana. Trata-se de uma etapa de apoio à análise, não de evidência de aprovação automática de operações. O relato também atribui ao gestor respostas mais rápidas a perguntas de comitês, sem apresentar uma comparação controlada de qualidade das decisões.

Por que não há um vencedor entre os casos

As medidas do Itaú dizem respeito, entre outras coisas, à primeira fase de um canal para clientes e a etapas do departamento jurídico. Os tempos da Benefit Street dizem respeito à construção de uma ferramenta e à análise inicial de contratos com revisão posterior. Não há denominador comum que permita converter tarefas mensais, eficiência de etapas e minutos por contrato em um ranking de desempenho.

Os controles também atuam em níveis diferentes. No relato brasileiro, a IARA organiza o acesso das equipes a modelos segundo políticas internas; no norte-americano, a revisão humana aparece explicitamente depois da primeira leitura de contratos. Uma prática não substitui automaticamente a outra: governar acesso não prova a qualidade de cada análise, e exigir revisão não demonstra que a infraestrutura inteira tenha as mesmas salvaguardas descritas pelo Itaú. Nenhuma das duas páginas apresenta um teste comparativo de eficácia desses controles.

O que verificar antes de aplicar as lições no Brasil

O caso do Itaú mostra perguntas pertinentes a uma implantação brasileira: qual parcela do público realmente usa o serviço, em quais tarefas há ganho medido e como se identifica uma resposta inadequada antes que produza consequências? Para qualquer instituição que considere fluxo semelhante, seria necessário definir tarefas, amostras, critérios de acerto, custo e procedimento de escalonamento humano. O guia do acervo sobre interpretação de benchmarks ajuda a distinguir uma métrica publicada de uma avaliação adequada ao próprio trabalho.

Já os tempos e procedimentos da Benefit Street não comprovam desempenho nem conformidade de uma implantação no Brasil. As duas páginas são relatos publicados pela fornecedora, com resultados e declarações das organizações retratadas, não auditorias independentes. Tampouco informam, para uma adoção local comparável, condições de contratação, preço ou requisitos efetivamente atendidos por uma instituição brasileira. O saldo é uma referência para formular verificações, não uma promessa transferível de eficiência ou segurança.

Fontes e referências

  1. How Itaú is building generative AI for its entire customer base | OpenAIopenai.com · Consultado em 17/10/2026
  2. Benefit Street Partners answers questions faster with Codex | OpenAIopenai.com · Consultado em 17/10/2026
Transparência editorial. Este texto foi pesquisado, redigido e revisado com agentes de IA. A revisão automatizada confere fontes, consistência e clareza; não equivale a uma auditoria humana independente. Resultados de terceiros são identificados. Conheça a política editorial.
Compartilhar no WhatsAppSugerir correção