A inteligência artificial apareceu no FEBRABAN TECH 2026 como uma camada em construção dentro da operação bancária. Ao longo dos três dias, os debates se concentraram em agentes capazes de executar tarefas, interfaces conversacionais, integração de dados, infraestrutura, segurança e limites de autonomia.
Os investimentos dimensionam esse movimento. Os bancos brasileiros projetaram um orçamento de R$ 50,4 bilhões em tecnologia em 2026. Desse total, cerca de R$ 3 bilhões serão direcionados a inteligência artificial, Analytics e Big Data, enquanto os investimentos em migração para cloud devem alcançar R$ 3,9 bilhões, com crescimento de 30% em relação ao ano anterior.
A maturidade, porém, ainda varia entre as instituições. Na experiência do cliente, apenas 20% dos bancos indicam uma integração de IA em larga escala ou otimizada. Outros 60% permanecem em exploração inicial ou escala limitada.
Essa diferença entre investimento, adoção e capacidade operacional ajuda a organizar cinco sinais deixados pelo evento sobre o futuro da IA no setor financeiro e em outras operações de alta complexidade.
Resumo do FEBRABAN TECH 2026
O FEBRABAN TECH 2026 indicou que o futuro da IA será construído sobre cinco movimentos: agentes integrados a fluxos completos, interfaces conversacionais conectadas à execução, dados e cloud preparados para escala, governança incorporada à arquitetura e profissionais capacitados para operar, supervisionar e proteger esses sistemas.
1. Agentes começam a organizar fluxos completos
A velocidade na execução de tarefas rotineiras já é o principal benefício percebido pelos bancos com a adoção da IA, citado por 92% das instituições na Pesquisa FEBRABAN de Tecnologia Bancária 2026. No campo dos agentes inteligentes, as aplicações mais recorrentes estão na automação de processos internos, apontada por 76% dos bancos, e no atendimento por chatbots e voicebots e na geração de relatórios e documentos, ambos com 71%.
Esses números mostram uma adoção ainda concentrada em atividades frequentes, com regras conhecidas e resultados que podem ser medidos. A evolução tende a ocorrer pelo encadeamento dessas tarefas, com um agente capaz de consultar bases, interpretar solicitações, acionar ferramentas, produzir recomendações e encaminhar decisões para aprovação ou execução.
No painel de abertura com CEOs dos principais bancos brasileiros, a IA é mencionada como uma ferramenta presente em diferentes unidades de negócio. O Nubank, por exemplo, relatou um aumento de quase 90% na capacidade de entrega de código após incorporar novas ferramentas aos fluxos de engenharia e aos critérios de qualidade da instituição.
A implicação prática está no desenho da iniciativa. Projetos de agentes precisam começar pela leitura do fluxo completo, com definições prévias sobre sistemas, tarefas, validação e indicadores.
O case da MATH sobre governança de IA e ecossistema de agentes é um exemplo desse cenário em ação. A criação de agentes especializados, orientados por contexto e regras da operação, reduziu o retrabalho em 88% e gerou ganhos de tempo superiores a 40% nas entregas. O resultado veio da combinação entre especialização, integração e governança aplicada ao fluxo.
2. Interfaces conversacionais têm capacidade transacional
Os aplicativos consolidaram o celular como principal canal bancário. Em 2025, 78% das transações do setor ocorreram por dispositivos móveis, dentro de um ambiente em que 83% de todas as operações já são digitais.
O próximo ponto observado no evento está na forma como o cliente inicia a jornada. Em vez de procurar uma função entre menus, o usuário descreve uma necessidade em linguagem natural e a interface é capaz de interpretar a intenção, acessar o contexto financeiro e direcionar a pessoa para a informação ou operação adequada.
O Itaú começou a disponibilizar a ia.i para 300 mil usuários e prevê alcançar 3 milhões de clientes antes de levar a ferramenta a toda a base de pessoas físicas do Superapp. A solução combina texto, voz e navegação tradicional para responder perguntas, oferecer orientações e encaminhar o usuário para funcionalidades adequadas.
No Bradesco, a BIA registrou aproximadamente 74 milhões de transações no primeiro semestre de 2026, segundo o painel de CEOs. A evolução para interações conversacionais dentro do aplicativo e do WhatsApp mostra que essas interfaces já participam de jornadas com volume operacional relevante.
Uma conversa só conclui a necessidade do cliente quando consegue acessar dados atualizados, produtos, políticas, sistemas transacionais e critérios de segurança. Também precisa ser capaz de reconhecer situações que pedem confirmação adicional ou validação de uma pessoa.
O futuro da interface bancária tende, portanto, a combinar intenção, contexto e execução. O design da jornada passa a considerar o que o cliente pretende resolver e qual sequência de sistemas, agentes e pessoas pode atender essa necessidade com o menor esforço.
3. Dados e cloud determinam a velocidade de escala
As instituições que participaram do painel de CEOs partiram de contextos tecnológicos diferentes. Bancos mais recentes nasceram em cloud, com uma arquitetura de dados preparada desde o início. Instituições com décadas de operação precisaram modernizar sistemas e construir novas camadas de integração.
Apesar das diferenças, as falas convergiram em um ponto: a IA depende da base que fornece contexto para modelos e agentes.
A previsão de R$ 3,9 bilhões em investimentos em migração para cloud ajuda a explicar por que infraestrutura continua no centro dessa agenda. Além disso, 84% das instituições já utilizam IA e IA generativa em suas infraestruturas de TI.
Para uma aplicação operar em escala, a arquitetura precisa sustentar fatores como qualidade, atualização, permissão, rastreabilidade e custo. Sem isso, um agente que consulta informações incompletas ou acessa uma regra desatualizada pode produzir uma resposta coerente e ainda assim tomar uma direção inadequada.
Esse risco cresce nos ambientes em que diferentes agentes compartilham memória, acionam ferramentas e transferem tarefas entre si. Cada etapa acrescenta dependências técnicas e operacionais. Por isso, integração, observabilidade e controle de acesso precisam ser desenhados junto com o fluxo.
A infraestrutura também influencia a capacidade de trocar modelos, distribuir cargas e controlar o custo de inferência. Essa relação entre arquitetura e resultado foi um dos sinais observados pela MATH no AI4 2026 e ganhou uma aplicação direta no contexto bancário durante o FEBRABAN TECH 2026.
4. Governança entra na arquitetura de execução
O painel de CEOs reforçou a necessidade de definir quanto de autonomia cada agente pode receber e em quais decisões a validação humana permanece obrigatória. Afinal, ética, reputação e responsabilidade institucional não podem ser delegadas a um sistema.
Por isso, políticas gerais precisam ser traduzidas em permissões, critérios de aprovação, limites financeiros, registros de execução, mecanismos de interrupção e responsáveis pelas decisões.
A discussão conduzida no evento por Joel Mokyr, um dos vencedores do prêmio Nobel de economia em 2025, acrescentou outra camada ao tema. A IA amplia a capacidade de criar hipóteses, alternativas e recomendações, mas o ganho real depende da existência de mecanismos confiáveis de verificação. Quando geração e validação utilizam as mesmas fontes e reproduzem os mesmos critérios, o sistema pode acelerar erros com aparência de consistência.
A análise do encontro publicada pela The Shift sobre IA e inovação mostra como esse problema aparece quando modelos participam de diferentes etapas de um mesmo processo. Sem uma verificação independente, o fluxo ganha velocidade e perde capacidade crítica.
O case de agentes da MATH mostra como guardrails, contexto especializado e modos guiados preservam a utilidade da solução mesmo quando políticas internas restringiram temporariamente o uso de agentes com maior autonomia.
Governança bem aplicada permite ajustar o nível de autonomia ao impacto de cada ação. Processos de baixo risco podem operar com mais independência. Decisões com efeito financeiro, regulatório, operacional ou reputacional recebem pontos adicionais de controle.
5. Pessoas e segurança formam a capacidade de operar IA
A expansão da IA altera funções, responsabilidades e critérios de decisão nas empresas. Por isso, a capacitação apareceu no FEBRABAN TECH 2026 como parte da infraestrutura necessária à adoção.
Ainda na Pesquisa FEBRABAN de Tecnologia Bancária 2026, os bancos estimam investir R$ 29,4 milhões em treinamento de IA e IA generativa em 2026, crescimento de 31%. Além disso, 70% das instituições já possuem ou estão desenvolvendo estratégias de requalificação profissional, enquanto 42% pretendem ampliar o número de profissionais de TI.
O investimento precisa alcançar as pessoas que conhecem os processos, as regras e os efeitos das decisões. Enquanto times de negócio ajudam a definir o contexto, as áreas de risco e compliance estabelecem limites e a tecnologia constrói integrações e mecanismos de observabilidade, o papel das lideranças é definir responsabilidades e acompanhar resultados.
A formação também precisa estar ligada a situações concretas. Um profissional responsável por crédito precisa compreender os sinais usados pelo sistema, os limites de autonomia e os critérios de revisão. Uma equipe de atendimento precisa saber quando utilizar a recomendação de um agente, solicitar outra análise ou encaminhar o caso.
Essa relação entre liderança, acesso às ferramentas e capacitação é aprofundada no artigo Cultura também faz parte da arquitetura da IA.
A segurança completa esse desenho. Segundo a pesquisa, 58% dos bancos já contam com pelo menos um especialista em cibersegurança no conselho de administração. Em 88% das instituições, as áreas de cibersegurança, prevenção a fraudes e prevenção à lavagem de dinheiro já trabalham de maneira integrada.
À medida que agentes recebem acesso a sistemas e executam ações, identidade, permissão e monitoramento tornam-se elementos do próprio fluxo.
Do FEBRABAN TECH para a operação
Os cinco pontos de destaque do evento formam uma mesma arquitetura. Agentes organizam o trabalho, interfaces conversacionais recebem a intenção, dados e cloud fornecem contexto, governança controla a execução e pessoas sustentam responsabilidade, adaptação e segurança.
Essa leitura dá continuidade à análise publicada pela MATH antes do evento, no artigo O que observar no FEBRABAN TECH 2026: 7 temas entre automação e resultado. Depois dos debates, ficou mais claro que a escala da IA depende da coordenação entre essas diferentes camadas.
Para as lideranças, o próximo passo pode começar por um fluxo de alto volume e impacto mensurável. A empresa precisa mapear a decisão envolvida, as informações utilizadas, os sistemas acessados, os riscos, os responsáveis e o indicador de resultado antes de definir o nível de autonomia do agente.
Na MATH, essa arquitetura orienta projetos que conectam dados, agentes, sistemas, governança e operação. O objetivo é transformar automação em uma capacidade que possa ser medida, controlada e ampliada com segurança.
Para ampliar essa discussão, acompanhe o DoTheMATH ao vivo do FEBRABAN TECH 2026. Gravados diretamente do evento, os episódios reúnem executivos do setor em discussões sobre agentes, dados, governança, tecnologia e operação.
[Confira a playlist do DoTheMATH no FEBRABAN TECH]
FAQ
1) Quais foram os principais sinais sobre IA no FEBRABAN TECH 2026?
O evento indicou o avanço dos agentes para fluxos operacionais, a expansão das interfaces conversacionais, a importância de dados e cloud, a incorporação da governança à arquitetura e o papel das pessoas e da segurança na escala da IA.
2) Como os bancos estão utilizando agentes de IA?
As principais aplicações estão na automação de processos internos, atendimento por chatbots e voicebots, geração de relatórios e documentos, suporte a colaboradores e produção de conteúdos. A evolução ocorre pela integração desses agentes a sistemas e etapas de decisão.
3) Por que dados e cloud são importantes para agentes de IA?
Dados e cloud fornecem contexto, disponibilidade, integração e capacidade de processamento. Uma base organizada também permite aplicar permissões, rastrear ações, atualizar informações e controlar custos operacionais.
4) Qual é o papel da governança na adoção de agentes?
A governança define quais ações podem ser executadas, quais decisões precisam de aprovação humana, quais fontes são autorizadas, como as ações serão registradas e quem responde por uma exceção ou resultado.
5) A liderança humana continuará necessária com agentes mais autônomos?
Sim. A liderança humana define objetivos, limites, responsabilidades e critérios de avaliação. Pessoas também atuam nos pontos em que uma decisão pode gerar impacto financeiro, regulatório, operacional ou reputacional.
6) Como uma empresa pode começar a preparar agentes para produção?
O primeiro passo é selecionar um fluxo com volume e impacto mensurável. Depois, a empresa deve mapear a decisão, os dados, os sistemas, os riscos, os responsáveis, os pontos de validação e a métrica que demonstrará o resultado.