Em 2026, a maioria das instituições financeiras já conta com app mobile, Pix, abertura digital de conta e algum nível de automação. No entanto, a diferença entre organizações que conseguem escalar eficiência e aquelas que só acumulam complexidade já não está nos produtos digitais visíveis aos olhos do cliente. Está em uma camada que transforma operações em Inteligência.
Essa camada invisível é a Jornada de Dados que conecta a base tecnológica às decisões estratégicas.
O paradoxo do grande investimento em IA
Os números são impressionantes:
- O setor de serviços financeiros responderá por mais de 20% dos investimentos globais em IA até 2028 (IDC).
- Empresas com fortes capacidades digitais e de IA obtêm retornos aos acionistas de 2 a 6 vezes maiores (McKinsey).
- 75% das organizações já estão usando IA generativa em algum nível, um crescimento de 36% em relação a 2023 (IDC).
Mas há um problema: segundo o Gartner, 60% das organizações não conseguirão realizar o valor esperado de suas iniciativas de IA até 2027. E grandes empresas, globalmente, capturaram apenas 31% do aumento de receita esperado e 25% da economia de custos de suas transformações digitais, segundo a McKinsey.
O problema não está na tecnologia em si, mas na fundação
A maioria das instituições financeiras trata dados como consequência da tecnologia, não como fundação dela. O resultado aparece em alguns sintomas recorrentes no mercado:
- Sintoma 1: Complexidade crescente sem inteligência proporcional – Quanto mais um banco digitaliza, mais sistemas adiciona. Quanto mais sistemas adiciona, mais difícil se torna manter uma visão unificada do cliente, da operação e do risco. Pagamentos processam em segundos, mas podem levar dias para serem reconciliados. Motores de antifraude sofisticados geram alertas que ninguém consegue priorizar por falta de contexto consolidado.
- Sintoma 2: Múltiplas versões da verdade – Diferentes sistemas guardam diferentes versões sobre o mesmo cliente, a mesma transação, o mesmo risco. Decisões são baseadas em dados de D-1 ou D-2, não em tempo real. A governança ainda é predominantemente reativa (compliance), quando poderia ser também proativa (habilitadora de decisão).
- Sintoma 3: IA experimental que não escala – Projetos-piloto de IA que funcionam bem em laboratório, mas podem nunca chegar à produção porque os dados estruturados e governados necessários para escalar simplesmente não existem. Como diz o Gartner: frameworks de governança de dados inadequados impedem que 60% das organizações realizem valor com IA.
A solução: Da base à decisão
A boa notícia? Instituições financeiras que tratam modernização tecnológica como jornada integrada, não como projetos isolados, conseguem resultados mensuráveis e sustentáveis.
Esse caminho costuma seguir uma lógica progressiva: Base → Plataformas → Dados → IA → Decisão. Cada camada habilita a próxima. Pular etapas pode até gerar uma ilusão de progresso, mas não gera transformação real.
- Camada 1: Base tecnológica que não trava a evolução – Sistemas precisam conversar. Modernizar core, pagamentos e canais, integrar legados e eliminar gargalos é condição básica para visibilidade e escala.
- Camada 2: Plataformas que geram dados utilizáveis – Produtos digitais precisam ser estruturados para gerarem dados utilizáveis. Produtos digitais precisam gerar dados estruturados e utilizáveis, não apenas logs. O desafio não é criar produtos, mas garantir que evoluam sem acumular débito técnico.
- Camada 3: Dados estruturados: O teto de Inteligência – Sem dados estruturados, governados e orquestrados, IA é experimental (não escalável), automação é operacional (não inteligente) e decisão é reativa (não preditiva).
- Camada 4: IA que escala porque a base permite – A partir de uma jornada de dados madura, a IA deixa de ser ciência de dados pontual e passa a gerar valor em escala: risco preditivo, copilotos digitais com contexto completo, automação inteligente e personalização real.
- Camada 5: Decisões melhores, mais rápidas – O objetivo final é tomar melhores e mais rápidas decisões. De aprovação de crédito em 24hrs para aprovações em tempo real, dashboards de inadimplência semanal para alertas imediatos, de campanha periódica de produtos para ofertas personalizadas.
Como Começar (do jeito eficiente)
Não existe jornada única, mas existem princípios claros:
1. Faça um diagnóstico honesto de maturidade de dados: Mapeie fontes, qualidade, governança e gaps de integração. Sem esse diagnóstico, você está decidindo às cegas.
2. Comece pela decisão de negócio que precisa melhorar: Não pela tecnologia disponível. Qual decisão você precisa tomar melhor ou mais rápido? Essa pergunta define a jornada.
3. Integre antes de inovar: Base e dados estruturados precedem IA experimental. Como dizemos na Radix: IA sobre dados ruins = decisões ruins, mais rápido.
4. Entregue em camadas mensuráveis: Cada etapa precisa ter resultado de negócio verificável. Não espere o projeto completo para gerar valor.
5. Escale o que funciona, ajuste o que não comprova valor: Abordagem agnóstica à tecnologia, comprometida com resultado.
A Próxima onda de liderança no setor financeiro
Produtos digitais deixaram de ser diferencial competitivo e tornaram-se requisitos básicos, o que diferencia é a capacidade de aprender e decidir melhor a cada interação.
Bancos, fintechs e fundos que tratam dados como infraestrutura crítica, não como projeto de BI ou iniciativa de IA, constroem vantagem competitiva defensável. Segundo a McKinsey, bancos com confiança digital apresentaram retorno 7,8 vezes maior entre 2017 e 2024, comparados aos que não priorizaram essa transformação.
A escolha que define o futuro já não é se modernizar. É como modernizar.
Da base à decisão. De dados a resultado.
Sobre o autor
Luiz Penedo é Head de Novos Negócios da Radix, com 16 anos de experiência na liderança de estratégias tecnológicas para organizações que operam em ambientes altamente regulados e orientados por dados. Sua atuação está concentrada na convergência entre tecnologia, dados e decisão executiva, apoiando empresas na construção de fundações digitais que viabilizam a escala de inteligência artificial com governança, confiabilidade e impacto mensurável.
Agende um diagnóstico de maturidade de dados aqui.