Bons pagadores antes invisíveis poderiam ser melhor avaliados; pequenas e médias empresas poderiam apresentar dados de forma mais ampla
Bons pagadores antes invisíveis poderiam ser melhor avaliados; pequenas e médias empresas poderiam apresentar dados de forma mais ampla
Por Charles M. Machado – SC
A próxima fronteira do crédito não estará em quem possui mais dados, mas em quem conseguir transformar abundância informacional em inteligência responsável.
Durante décadas, a indústria financeira operou sob uma convicção aparentemente simples: quanto mais informações disponíveis sobre um cliente, melhor seria a decisão de crédito. A lógica fazia sentido.
Em um mercado historicamente marcado por assimetria informacional, informalidade, baixa profundidade cadastral e dificuldade de leitura da real capacidade de pagamento de empresas e consumidores, a escassez de dados sempre foi um dos grandes obstáculos à expansão responsável do crédito.
O avanço do Open Finance reforçou essa expectativa. A possibilidade de acessar, mediante consentimento, históricos financeiros mais completos, movimentações bancárias, relacionamento com instituições, produtos contratados e padrões de comportamento econômico criou a promessa de um mercado mais eficiente, competitivo e inclusivo.
Em tese, bons pagadores antes invisíveis poderiam ser melhor avaliados; pequenas e médias empresas poderiam apresentar sua realidade financeira de forma mais ampla; instituições financeiras poderiam precificar melhor o risco; e o crédito poderia deixar de depender apenas de garantias tradicionais ou de cadastros incompletos.
Em grande medida, essa transformação já começou. Segundo a Febraban, em fevereiro de 2025 o Open Finance brasileiro completou quatro anos com 62 milhões de consentimentos ativos e mais de 2,3 bilhões de comunicações bem-sucedidas por semana entre instituições.
A própria entidade passou a tratar o Brasil como o maior ecossistema de Open Finance do mundo em escopo e volume operacional. Mais recentemente, o painel público do Open Finance Brasil já indicava números ainda superiores de consentimentos ativos, demonstrando a velocidade de amadurecimento da infraestrutura de dados financeiros no país.
Mas toda revolução tecnológica carrega uma ironia. O mercado financeiro passou décadas tentando resolver o problema da falta de dados. Agora começa a enfrentar um desafio oposto: o excesso de dados disponíveis.
A questão central já não é apenas saber se a instituição consegue acessar informações. A pergunta mais relevante passa a ser outra: quais dados realmente importam para uma boa decisão de crédito?
Nem todo dado tem valor preditivo. Nem todo comportamento digital revela capacidade de pagamento. Nem toda correlação estatística representa uma relação econômica legítima.
E nem toda informação disponível deve ser usada apenas porque pode ser tecnicamente processada.
É nesse ponto que a inteligência artificial entra como ferramenta poderosa, mas também como fonte de novos riscos. Modelos de IA podem identificar padrões, cruzar bases, antecipar tendências e separar sinais relevantes de ruídos informacionais. Podem melhorar a análise de risco, reduzir custos operacionais e ampliar o acesso ao crédito.
Contudo, também podem reproduzir vieses, criar discriminações indiretas, dificultar a explicação das decisões e transferir para sistemas automatizados escolhas que continuam tendo impacto profundamente humano.
A IA pode ajudar no crédito
O crédito nunca foi uma decisão neutra. A concessão ou a negativa de crédito pode determinar se uma empresa sobrevive, se uma família reorganiza suas dívidas, se um empreendedor consegue crescer ou se um consumidor permanece excluído do sistema financeiro. Quando essa decisão passa a ser mediada por algoritmos, a eficiência não pode ser o único critério de avaliação.
Do ponto de vista legal, o Brasil já possui bases relevantes para esse debate.
A Lei Geral de Proteção de Dados prevê, em seu artigo 20, o direito do titular de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, inclusive decisões destinadas a definir perfil de crédito.
A própria Autoridade Nacional de Proteção de Dados já tratou o tema como ponto sensível na discussão sobre inteligência artificial e decisões automatizadas.
Além disso, no setor financeiro, a Resolução CMN nº 4.949/2021 estabelece princípios de ética, responsabilidade, transparência e diligência no relacionamento das instituições financeiras com clientes e usuários.
Esses princípios não perdem força quando a decisão passa a ser tomada com apoio de modelos estatísticos ou sistemas de IA. Ao contrário: tornam-se ainda mais importantes. A automação não elimina o dever de explicar, governar, auditar e responder pelas decisões tomadas.
Esse é o ponto essencial: a inteligência artificial pode auxiliar a decisão de crédito, mas não deve servir como escudo para decisões incompreensíveis, discriminatórias ou juridicamente frágeis.
A chamada “caixa-preta” dos algoritmos é um dos maiores desafios da próxima etapa do crédito digital.
Modelos mais complexos podem ser tecnicamente eficientes, mas pouco explicáveis. Para o cliente, isso pode significar receber uma negativa de crédito sem compreender os fundamentos da decisão.
Para a instituição, pode significar dificuldade de demonstrar a racionalidade, a proporcionalidade e a conformidade do modelo utilizado.
Para o regulador, pode significar a necessidade de desenvolver novas formas de supervisão sobre riscos que não aparecem apenas no balanço, mas também na arquitetura dos sistemas.
O Banco Central já vem observando os riscos associados ao uso crescente de IA no Sistema Financeiro Nacional, especialmente em relação à governança de dados, explicabilidade e risco de modelos opacos. A preocupação é legítima: quanto mais relevante se torna a automação no processo decisório, maior deve ser a responsabilidade sobre sua construção, validação e monitoramento.
Na prática, o uso ético e legal da IA no crédito exigirá ao menos cinco cuidados fundamentais: qualidade dos dados, finalidade, explicabilidade, prevenção de vieses discriminatórios e governança.
O primeiro cuidado é a qualidade dos dados. Modelos inteligentes alimentados por dados ruins apenas sofisticam erros antigos.
Dados desatualizados, incompletos, enviesados ou descontextualizados podem gerar decisões aparentemente técnicas, mas materialmente injustas.
O segundo é a finalidade. Dados coletados no ambiente do Open Finance devem ser utilizados dentro dos limites do consentimento, da necessidade e da finalidade informada ao titular. A abundância informacional não autoriza o uso irrestrito de qualquer dado para qualquer propósito.
O terceiro é a explicabilidade. A instituição não precisa necessariamente revelar segredos industriais ou códigos proprietários, mas deve ser capaz de explicar, de forma compreensível, os principais fatores que influenciaram uma decisão relevante de crédito. Sem algum grau de explicação, não há transparência efetiva.
O quarto é a prevenção de vieses discriminatórios. Algoritmos podem reproduzir desigualdades históricas mesmo sem utilizar diretamente critérios proibidos ou sensíveis.
Determinados padrões de consumo, localização, renda, escolaridade ou comportamento financeiro podem funcionar como substitutos indiretos de fatores discriminatórios.
Vantagem na interpretação
Por isso, modelos de crédito precisam ser testados não apenas quanto à precisão, mas também quanto aos seus impactos sociais.
O quinto é a governança. A decisão automatizada precisa deixar trilhas de auditoria, critérios de validação, responsáveis internos, mecanismos de contestação e processos de revisão. A tecnologia pode acelerar a análise, mas a responsabilidade continua sendo da instituição que a utiliza.
A próxima fronteira do crédito, portanto, não estará apenas em quem possui mais dados ou modelos mais sofisticados. Estará em quem conseguir combinar tecnologia, prudência, ética e responsabilidade jurídica.
O Open Finance abriu uma nova etapa de circulação de dados no sistema financeiro brasileiro. A inteligência artificial poderá transformar esses dados em inteligência econômica. Mas a qualidade dessa transformação dependerá da capacidade das instituições de compreender que o dado, isoladamente, não decide nada.
Quem decide é o modelo construído sobre ele, a finalidade atribuída a ele e a governança aplicada ao seu uso.
Durante muito tempo, a vantagem competitiva esteve em obter informações que os concorrentes não tinham. Agora, com a democratização progressiva do acesso aos dados, a vantagem passa a estar na interpretação. E mais do que isso: na interpretação responsável.
O crédito sempre foi uma atividade voltada à redução de incertezas. A diferença é que, no passado, o desafio era decidir com poucas informações.
Hoje, o desafio é decidir em meio a informações demais. Nesse novo ambiente, o risco não está apenas na ausência de dados, mas no excesso de confiança em dados mal compreendidos.
A inteligência artificial pode tornar o crédito mais eficiente, inclusivo e competitivo. Mas também pode torná-lo mais opaco, desigual e impessoal. A diferença entre esses dois caminhos não será definida apenas pela tecnologia, mas pela ética, pelo Direito e pela governança.
No fim, o verdadeiro avanço não estará em conceder crédito mais rapidamente. Estará em conceder crédito melhor: com mais precisão, mais transparência, mais responsabilidade e mais respeito à dignidade de quem continua sendo o destinatário final de toda decisão financeira — a pessoa humana.
Visão Geral
A indústria financeira, historicamente, baseava suas decisões de crédito na quantidade de informações disponíveis. A premissa era que mais dados significavam melhores avaliações. Em um cenário de escassez de informações, informalidade e dificuldade em avaliar a capacidade de pagamento, essa escassez era um grande obstáculo para a expansão do crédito.
O Open Finance surgiu como uma promessa de mudar esse cenário, permitindo o acesso a históricos financeiros mais completos, movimentações bancárias e padrões de comportamento econômico. A expectativa era que bons pagadores antes “invisíveis” fossem melhor avaliados, que pequenas e médias empresas pudessem apresentar sua situação financeira de forma mais clara e que o crédito se tornasse menos dependente de garantias tradicionais.
De fato, o Open Finance no Brasil tem apresentado um crescimento expressivo, com milhões de consentimentos ativos e um volume considerável de comunicações entre instituições financeiras, consolidando o país como um ecossistema de Open Finance globalmente relevante.
No entanto, essa evolução traz um novo desafio: o excesso de dados. A questão principal deixa de ser a dificuldade em acessar informações e passa a ser a capacidade de identificar quais dados realmente importam e possuem valor preditivo para uma boa decisão de crédito. Nem toda informação disponível ou comportamento digital reflete diretamente a capacidade de pagamento, e nem toda informação deve ser utilizada apenas por ser tecnicamente processável.
É neste ponto que a inteligência artificial (IA) se apresenta como uma ferramenta poderosa. A IA pode analisar padrões, cruzar dados e antecipar tendências, aprimorando a análise de risco e ampliando o acesso ao crédito. Contudo, a IA também introduz novos riscos, como a reprodução de vieses, discriminações indiretas e a dificuldade em explicar as decisões tomadas por algoritmos.
A decisão de conceder ou negar crédito tem um impacto humano significativo. Quando mediada por algoritmos, a eficiência não pode ser o único critério. A Lei Geral de Proteção de Dados (LGPD) e resoluções do Conselho Monetário Nacional (CMN) já estabelecem bases para a revisão de decisões automatizadas e para a conduta ética das instituições financeiras. Esses princípios se tornam ainda mais cruciais com o uso da IA.
Um dos maiores desafios é a “caixa-preta” dos algoritmos, onde modelos complexos podem ser eficientes, mas difíceis de explicar. Isso pode levar a negativas de crédito sem justificativa clara para o cliente, dificultar a comprovação da racionalidade e conformidade do modelo para a instituição e exigir novas formas de supervisão por parte dos reguladores.
O Banco Central demonstra preocupação com os riscos da IA no Sistema Financeiro Nacional, especialmente em relação à governança de dados, explicabilidade e opacidade dos modelos. Para um uso ético e legal da IA no crédito, cinco cuidados são fundamentais: qualidade dos dados, finalidade, explicabilidade, prevenção de vieses discriminatórios e governança.
A qualidade dos dados é essencial, pois dados ruins geram erros sofisticados. A finalidade do uso dos dados deve respeitar o consentimento e os limites informados ao titular. A explicabilidade exige que as instituições sejam capazes de explicar os principais fatores que influenciaram uma decisão relevante de crédito. A prevenção de vieses discriminatórios é crucial, pois algoritmos podem reproduzir desigualdades históricas através de fatores indiretos. Por fim, a governança assegura que decisões automatizadas deixem trilhas de auditoria, critérios de validação e mecanismos de responsabilidade.
A próxima fronteira do crédito reside na capacidade de combinar tecnologia com prudência, ética e responsabilidade jurídica. Enquanto o Open Finance democratiza o acesso aos dados, a IA pode transformá-los em inteligência econômica. A vantagem competitiva mudará da posse de dados para a interpretação responsável destes.
O desafio atual é decidir em meio a um volume excessivo de informações, onde o risco pode advir do excesso de confiança em dados mal compreendidos. A IA tem o potencial de tornar o crédito mais eficiente e inclusivo, mas também pode aumentar a opacidade e a desigualdade se não for utilizada de forma ética e transparente. O avanço real estará em conceder crédito de forma mais precisa, transparente, responsável e com respeito à dignidade humana.
Créditos: Misto Brasil
