IA dentro dos muros: construir agentes quando o dado não pode sair

Quase toda conversa com fornecedor de IA em serviço financeiro termina do mesmo jeito. A demo é boa, o time se interessa, e aí alguém do risco pergunta para onde vai o dado. A resposta é "a nossa nuvem", e a conversa acaba ali.

O instinto está certo. E é também por isso que times financeiros acabam acreditando que IA não é para eles, o que está errado. A restrição é real, e ela muda a arquitetura. Ela não elimina os casos de uso.

A restrição, dita direito

A política interna costuma ser alguma versão de: dado de cliente não sai da nossa infraestrutura, todo acesso é registrado, e a gente precisa conseguir explicar qualquer decisão automatizada para um regulador ou um auditor.

Três consequências saem daí.

Deploy não é opcional. O modelo roda dentro da sua VPC ou em infraestrutura que você controla, ou não roda. Isso descarta a maioria dos produtos de IA em SaaS, o que não é problema, porque não descarta os modelos em si. Todo provedor sério oferece um caminho de deploy que mantém o dado dentro da sua fronteira, e modelo de peso aberto roda onde você colocar.

Log é funcionalidade, não detalhe. Cada prompt, cada chamada de ferramenta, cada dado recuperado, cada resposta. Com dado pessoal mascarado no próprio log, não só na tela. Se você não consegue reconstruir por que o sistema disse o que disse, seis meses depois, você não tem um sistema auditável.

Autonomia tem teto. O agente pode coletar, resumir, propor e rascunhar. Onde dinheiro se move ou onde um cliente é negado, um humano assina. Isso não é limitação técnica, é escolha de governança, e construir esse ponto de passagem direito é a maior parte do projeto.

Os três problemas que valem a pena mesmo assim

Atendimento que escala junto com o headcount

Time de atendimento em serviço financeiro cresce na proporção da base de clientes, porque as perguntas são repetitivas mas as respostas são específicas. Saldo, extrato, status de uma operação, segunda via. O bot atual diz "não entendi" mais vezes do que ajuda, então o cliente aprende a pular direto para o humano, e o bot vira quebra-molas.

A diferença entre esse bot e um agente é acesso ao dado. Bot de script casa palavra-chave com árvore de decisão. Agente lê a pergunta, consulta o sistema de registro daquele cliente e responde com o número real dele. Quando a pergunta toca algo sensível, ou quando a confiança está baixa, ele passa para uma pessoa com a conversa já resumida.

Cada turno vai para log de auditoria. Dado pessoal é mascarado antes do log ser escrito.

Análise de fraude que faz o cliente honesto esperar

Uma operação bate na regra de risco e vai para a fila. Um analista chega nela em algum momento. Enquanto isso o cliente legítimo, que é a esmagadora maioria daquela fila, fica travado e começa a considerar o seu concorrente.

Um agente pode abrir o caso na hora: falar com o cliente, pedir a documentação, validar o que dá para validar automaticamente contra as fontes que você já assina, e liberar os casos de baixo risco ou entregar ao analista um caso já montado. O analista para de coletar documento e passa a exercer julgamento, que é para isso que você contratou.

A regra de escalonamento é o projeto inteiro. Nada é negado automaticamente. Os limites de liberação são definidos pelo seu time de risco, não pela gente, e ficam visíveis e alteráveis sem deploy.

Análise que mora em planilha

Risco tem uma planilha. Compliance tem outra. Comercial tem uma terceira. A conciliação entre core banking, BPO e ERP acontece na mão no fechamento. Alguém pergunta sobre o resultado de uma linha de produto específica e a resposta leva dias, quando a decisão já foi tomada sem ela.

A solução aqui é a mesma de todo setor: aterrissar as fontes em um warehouse e botar uma camada conversacional em cima, para que risco, compliance e comercial perguntem em linguagem normal e recebam resposta em segundos. O que muda em serviço financeiro é o que fica em volta: controle de acesso por linha, para cada pessoa consultar só o que o papel dela permite, log de consulta, e as regras de mascaramento aplicadas na camada de dado em vez da camada de apresentação.

Tem um quarto que aparece com frequência suficiente para citar: rascunhar as seções textuais de relatório regulatório e contábil a partir de dado estruturado. O agente monta, um humano revisa e assina. Dias viram horas, e a responsabilidade fica exatamente onde estava.

Por que o rigor extra não é imposto

Times fora do setor financeiro às vezes tratam essa disciplina como custo. Não é. Controle de acesso, log de auditoria, dado pessoal mascarado, limite de escalonamento explícito e decisão reproduzível são justamente o que permite deixar um sistema rodando sozinho sem ansiedade.

A versão financeira desse trabalho é só a versão em que alguém confere. Isso fez os nossos projetos financeiros serem mais bem construídos do que aqueles em que ninguém ia olhar.

O catálogo do que construímos para serviços financeiros tem a lista completa com as travas detalhadas.

Se a sua política diz que o dado fica dentro e te disseram que isso significa sem IA, trinta minutos bastam para mapear o seu stack e a sua situação regulatória e dizer o que de fato está disponível para você. NDA antes da call se precisar.