O sucesso da implantação da IA depende de dados confiáveis e objetivos claros, com curadoria humana para validar, contextualizar e garantir a assertividade na tomada de decisões. A integração de dados, IA e avaliação humana se tornou essencial no atendimento ao consumidor, e isso passa por interoperabilidade com novos modelos de governança.
“O próximo passo é sair da economia da atenção para entrar na economia da decisão”, disse Eduardo Sasaki, diretor de Dados e IA do Banco Santander Brasil, acrescentando que as empresas precisarão aprender a se relacionar com consumidores que transferem parte de suas escolhas para agentes conversacionais. “Se eles estão delegando a decisão, como é que nós, vamos nos relacionar com essas pessoas que estão delegando a um agente conversacional uma decisão?”.
Essa mudança amplia uma discussão que já acontece dentro das corporações. Até onde podemos entregar uma decisão à IA e quando entra um humano? Esse foi um dos temas abordados no painel “IA, dados e humanos na nova arquitetura da decisão”, no CONAREC 2026. Além de Sasaki, participaram Charles Lorenzi, CEO da Weduka; Diogenes Justo, Global Data & AI Director da Alpargatas; e Natália Heimann, superintendente de Dados & Analytics para Crédito e Cobrança da B3. O debate foi mediado por Alessandra Montini, diretora do Labdata-FIA.
Quando a IA pode avançar sozinha
No Santander, a IA já atua de forma autônoma em processos específicos. Sasaki citou as reclamações de fraude em cartões, onde um agente de IA reduziu em 90% o tempo de atendimento e toma aproximadamente 95% das decisões sem intervenção humana. A autonomia é possível porque o problema é delimitado e controlado.
O objetivo muda quando uma decisão pode produzir consequências maiores para o cliente. Nesses casos, a IA funciona como uma espécie de “segundo cérebro” para o atendente ou gerente, mas a pessoa permanece na ponta do processo.
A B3 tem a mesma preocupação. De acordo com Natália, repetição, grande volume de dados e uma métrica de sucesso clara ajudam a determinar quando a tecnologia pode avançar sozinha. “Quando você tem esse cenário, a IA navega bem. Mais uma vez, você confia muito. O risco é baixo, automatiza sem peso na consciência.”
Mas, a qualidade da informação é a condição básica para essa lógica. Natália destacou que um modelo sofisticado não corrige uma base ruim. “Se o dado não estiver íntegro, você só vai escalar erro no seu modelo.” Na sua opinião, o julgamento humano ganha importância nos cenários de maior risco, incluindo impactos de reputação e imagem.
IA não substitui o problema de negócio
Sasaki acredita que a capacidade de automatizar, portanto, não deveria definir o que será automatizado. Ele explicou que, no Santander, a arquitetura começa pelo negócio e primeiro é preciso determinar o problema, a ambição e como o resultado será mensurado. Dados, tecnologia e IA entram depois como ferramentas, acompanhadas de uma camada de controle, risco, compliance e governança.
“Não existe estratégia de IA e de dados se você não tiver isso na essência”, completou. O banco estabeleceu um compromisso global de capturar 1 bilhão de euros por meio de dados e IA até 2028, sendo cerca de 70% ligados à eficiência e 30% à geração de novos negócios ou receitas.
Lorenzi também questionou o uso da IA quando não há um problema claro a ser resolvido. Segundo o CEO da Weduka, velocidade não deve significar aplicar IA indiscriminadamente. “Olha para a cultura e para o objetivo específico do negócio, tenha certeza de que você está criando solução para um problema e não problema para uma solução.”
Na Weduka, uma das aplicações combina IA e curadoria humana para monitorar e atualizar grandes bases de conhecimento usadas no atendimento. O sistema acompanha, entre outros pontos, quais informações foram utilizadas, se a resposta foi adequada e se o problema está na pergunta, no documento ou no próprio modelo, reduzindo o esforço necessário para manter a base atualizada.
Curadoria e presença humana
Muita tecnologia também pode dificultar as decisões. Quanto mais alternativas disponíveis, maior pode ser o esforço necessário para escolher entre elas. Justo observou esse efeito na Alpargatas.
“Hoje temos muito mais alternativas para decisões de tomar e isso torna mais moroso o processo de tomar decisão e não mais rápido”, disse. A resposta, segundo ele, passa pela curadoria e pela presença humana no processo.
Um exemplo está na escolha de nomes de novos produtos da Alpargatas. Com cerca de 2 mil produtos e variações no portfólio, a empresa aplicou um agente de IA a um processo bem delimitado. A solução não assumiu toda a atividade, mas ajudou a automatizar mais de 80% dela.
Justo acrescentou a essa equação a autenticidade. Com muitas ferramentas usadas para produzir conteúdo e apoiar decisões, o que carrega uma contribuição humana, de verdade, pode ganhar valor. “A autenticidade pode ser cada vez mais um grande diferencial.”
Interação entre máquinas
A próxima etapa deve tornar essa arquitetura ainda mais complexa. Se consumidores começarem a delegar tarefas a agentes e as empresas também tiverem seus próprios agentes, será preciso estabelecer limites para a interação entre essas máquinas.
Sasaki defendeu que experiências como Pix e Open Finance mostram um caminho possível porque funcionam com padrões comuns de interoperabilidade, segurança, consentimento, finalidade e escopo. “O que vai permitir uma comunicação agente com agente no futuro é se a gente conseguir fazer um ecossistema, uma arquitetura que seja interoperável.”
Já Natália disse que a IA tende a dominar decisões repetitivas e de baixo risco, liberando as pessoas para atividades mais estratégicas. Na leitura de Justo, a evolução também dependerá de organizações abertas a aprender com seus próprios colaboradores e com usos da tecnologia que surgem de diferentes áreas.
