No Money20/20, o painel “The Future of Open Banking — Defending Competition, Choice, and Innovation” marcou um ponto de virada: Open Banking deixou de ser “conector técnico” e virou infraestrutura de competição. Para a MATH, que atua em eficiência e visão estratégica com dados e IA, a mensagem é direta: abertura com segurança + interoperabilidade real + IA aplicada aceleram inclusão, personalização e ROI — sem perder governança.
Participantes do painel:
Mike Reust, President, Betterment
Penny Lee, President & CEO, Financial Technology Association — moderadora
A Betterment nasceu para democratizar investimentos e hoje atende +1 milhão de clientes com tecnologia para carteiras e aconselhamento digital. O painel mediado por Penny Lee tratou de como Open Banking + IA remodelam o setor em um cenário de disputa entre bancos tradicionais e fintechs — com dados do consumidor no centro da experiência, sob consentimento e governança.
Open Banking reduz barreiras, amplia competição e habilita recomendação personalizada com IA.
Abertura com propósito e segurança é pilar estratégico; “custos tecnológicos” não justificam travas de acesso.
IA é motor do aconselhamento financeiro de próxima geração — para ampliar, não substituir, humanos.
Regulação baseada em princípios deve punir práticas anticompetitivas (como fricções artificiais em integrações).
Compliance + IA exigem auditoria contínua e rastreabilidade de decisões (caixa-preta não escala com responsabilidade).
Futuro híbrido: expertise humana + automação inteligente para democratizar o padrão CFP em escala.
Sai o fluxo lento (microdepósitos, dias de espera); entram conexões seguras em tempo real.
Contexto financeiro completo = recomendações mais precisas e jornadas sem atrito.
Travamento via custo não se sustenta: APIs modernas têm TCO comparável a serviços essenciais e eliminam screen scraping.
O que fazer agora
Mapear integrações por prioridade de impacto (score de receita/risco/UX).
Migrar para APIs padronizadas (OAuth2/OIDC, consent management) e telemetria de latência/erros.
Criar SLA de dados com parceiros (atualização, qualidade, disponibilidade).
Regular para garantir acesso justo e punir fricções anticompetitivas (ex.: tokens OAuth que expiram toda semana “por segurança” mas, na prática, quebram integrações).
Segurança e escolha do consumidor não competem — coexistem quando há padrões claros.
O que fazer agora
Definir política de interoperabilidade (interno/externo) alinhada a princípios: mínimo privilégio, consentimento explícito, auditabilidade.
Habilitar reporting regulatório automatizado (logs, trilhas, evidências por evento de consentimento).
ML + otimização casam com construção/balanceamento de portfólios.
O desafio não está nos primeiros 80%, mas nos últimos 20%: personalização contextual e entendimento humano.
A engenharia deve experimentar com propósito (novas features, sinais de vida financeira, metas e trade-offs).
O que fazer agora
Evoluir de regra estática para recomendação contextual (renda, objetivo, risco, eventos de vida).
Medir uplift de personalização (A/B por persona/meta) e explainability (camadas SHAP/LIME ou similares).
Recomendação precisa ser adequada ao perfil e alocação do cliente.
Modelos operam como caixas-pretas; é preciso rastreabilidade, observabilidade e trilha de decisão.
O que fazer agora
Implementar governança de modelos (catálogo, versão, feature store, monitoring de drift/alucinação).
Criar controles pré-/pós-recomendação (suitability checks, override humano, justificativas armazenadas).
Estabelecer aprovadores e auditoria contínua (risk/compliance) com SLA de resposta.
IA não substitui consultores; amplia sua capacidade de atender com qualidade padrão CFP em escala.
Resultado: democratização do aconselhamento premium com custos controlados e maior cobertura.
O que fazer agora
Assistentes de aconselhamento (IA) para pré-análise e pré-recomendação, com handoff claro para humanos.
Jornadas híbridas: chatbot/voz para triagem, consultor para decisões de maior materialidade.
Métricas de valor: NPS por complexidade do caso, aderência à meta, custo por recomendação.
🔹 Leia também
De KYC a KYT: confiança em velocidade de máquina no compliance financeiro
A Curva de Brooks e o Paradoxo da Eficiência: por que IA quebra o limite da escala humana
🎧 Ouça no DoTheMATH
💡 Explore — MATH AI Platform
Da abertura segura de dados à recomendação auditável.
Conectores e consent management para Open Banking.
Feature store + modelos de recomendação com observabilidade.
Explainability + trilha de decisão para suitability/compliance.
Dashboards de eficiência
Agende um diagnóstico de 30 minutos para mapear dados, integrações e governança de recomendação no seu ambiente.