Uso de inteligência artificial no mercado financeiro exige controle de custos e análise humana
Adoção acelerada de IA por empresas do setor traz desafios de orçamento, segurança de dados e necessidade de supervisão profissional.
Por Redação Diário Local
A rápida adoção da inteligência artificial (IA) por empresas do mercado financeiro impõe desafios que vão além da tecnologia, exigindo controle rigoroso de custos e capacidade de análise humana. O uso dessas ferramentas traz ganhos de velocidade, mas também demanda investimentos em gestão e supervisão para evitar desperdícios de orçamento e erros de interpretação.
O tema foi debatido no painel “IA e Dados de Mercado”, realizado durante a Expert XP. No encontro, profissionais destacaram que a implementação de novas aplicações pode esgotar recursos financeiros caso não haja priorização e mensuração clara do impacto no negócio.
Por que o custo da IA vai além da implementação?
Controlar os gastos com inteligência artificial envolve entender o retorno dessa velocidade em termos de receita e eficiência. Sem essa métrica, a ferramenta pode ser vista apenas como uma conveniência, sem gerar valor real para a instituição.
Outro fator que eleva o custo operacional é o processo de conferência. Como os sistemas autônomos geram códigos e análises, é necessário que profissionais realizem a verificação constante do que foi produzido, o que representa uma parcela relevante das despesas de algumas empresas.
A gestão de recursos, também referida como "token economics", é apontada como um ponto crítico. Sem um filtro de investimento, o consumo de processamento e o uso de modelos podem consumir o orçamento antes mesmo de a empresa capturar o valor esperado da tecnologia.
Quais são os riscos de segurança e de análise?
A governança e a segurança de dados são preocupações centrais, especialmente no compartilhamento de informações de clientes com sistemas de IA. A ampliação do acesso a esses dados sem regras de controle pode transformar a busca por produtividade em uma fonte de risco para a exposição de informações sensíveis.
Existe ainda o problema das "alucinações" e erros dos modelos, que podem gerar dados incorretos e reproduzi-los em escala. Acompanhar a origem e a qualidade das informações torna-se, portanto, uma tarefa essencial para garantir a integridade dos processos.
No campo das decisões, a dependência excessiva da tecnologia pode comprometer o julgamento. Modelos de linguagem podem construir explicações que parecem plausíveis, mas que não possuem relação causal com os dados, o que pode induzir investidores a replicar interpretações equivocadas.
Para os especialistas, a automação deve ocorrer em etapas, passando de sistemas que apenas informam para modelos que atuam como "copilotos" sob supervisão. O objetivo, os limites e as políticas de atuação continuarão dependendo de decisões humanas, tornando a capacidade analítica um diferencial indispensável no futuro.