O Brasil chegou a junho de 2026 com 83,7 milhões de pessoas inadimplentes. Trata-se do maior número já registrado na série histórica do Mapa da Inadimplência da Serasa, após 18 meses consecutivos de alta. São mais de 332 milhões de dívidas em circulação, volume 43% superior ao de uma década atrás. E, por trás desse número, um dado que revela a profundidade do problema: 42% dos inadimplentes de hoje já estavam nessa situação há dez anos.
Esses números chegam até a Recovery – gestora de crédito do grupo Itaú e uma das maiores do País nesse segmento – na forma de carteiras, perfis, históricos e comportamentos, oferecendo uma leitura mais aprofundada do retrato de crédito do brasileiro. Em 2026, até maio, a empresa tinha sob gestão cerca de 34 milhões de clientes e 80 milhões de dívidas.
Para Helena Passos, head de Dados e Planejamento da Recovery e palestrante confirmada no CCX Seminário, esse volume é, antes de tudo, uma lente sobre o Brasil financeiro real. Brasil esse que é heterogêneo, em transformação e cada vez mais complexo de ler.
“A recuperação de crédito tem um papel cada vez mais estratégico no ecossistema financeiro”, afirma. “Quando uma dívida chega a essa etapa, ela já carrega um histórico e, muitas vezes, uma dificuldade real do consumidor em reorganizar o orçamento.”
Um perfil que não para de mudar
Durante anos, a inadimplência foi associada a um perfil relativamente homogêneo: consumidor de baixa renda, dívida de cartão, atraso recente. Esse retrato, segundo os dados da própria Recovery, já não representa a realidade da base.
O cartão de crédito segue como modalidade predominante. Em 2025, cerca de 19 milhões de clientes na base da empresa tinham dívidas nessa categoria. Mas o movimento mais relevante está em outro segmento: os chamados produtos bancários, que reúnem empréstimos pessoais, cheque especial e operações similares, que cresceram cerca de 7% no período, passando de 12,7 milhões para 13,5 milhões de clientes.
Em maio de 2026, esse segmento já somava 14,2 milhões de clientes sob gestão da Recovery, consolidando-se como segundo maior bloco da carteira.
“O crescimento de cerca de 7% nos produtos bancários mostra que a inadimplência não está restrita ao consumo do dia a dia; ela aparece também em empréstimos, cheque especial e outras operações financeiras”, observa Helena.
Outro dado que redefine o perfil da base: quase 20 milhões de clientes estão na faixa de mais de dez anos de atraso. Trata-se de um universo de consumidores em situação de endividamento crônico – que exige uma estratégia de recuperação completamente diferente da inadimplência recente.
A fragmentação também aparece na renda. A base da Recovery concentra mais clientes nas faixas de menor renda, mas os valores de dívida mais altos estão nas faixas de renda mais elevada.
Geograficamente, São Paulo lidera em volume. São 4,4 milhões de clientes em cartão e 3,8 milhões em produtos bancários em 2025. O estado é seguido por Rio de Janeiro, Bahia e Minas Gerais.
“Não existe uma única jornada de inadimplência“, resume Helena. “O que exige uma leitura mais segmentada.”
Quando o dado lê o contexto
A diversidade da base coloca um desafio concreto para a área de Dados e Planejamento. Afinal, como transformar volume de informação em inteligência que chegue até o consumidor de forma relevante?
A leitura começa pelas próprias carteiras. Tipo de dívida, valor em aberto, produto de origem, tempo de atraso, histórico de acordos e comportamento de pagamento formam a camada inicial de análise. Mas o que diferencia a abordagem da Recovery, segundo Helena, é a capacidade de combinar esses elementos para ir além do perfil de risco e alcançar algo mais próximo do contexto real.
“Uma dívida de cartão tem uma dinâmica muito diferente de uma dívida de veículo ou de uma carteira judicial. Cada produto exige uma abordagem de negociação diferente“, explica. O tempo de atraso, por exemplo, pesa diretamente na estratégia. Ou seja, dívidas recentes e dívidas com mais de dez anos não podem ser tratadas da mesma forma.
A partir dessa combinação de variáveis, a área identifica quais grupos têm maior propensão à negociação e quais condições tendem a gerar acordos mais duradouros. Não se trata apenas de prever quem vai pagar, mas de entender em que momento e sob quais condições uma negociação faz sentido para o consumidor.
Quando os dados indicam menor capacidade de pagamento ou maior complexidade da dívida, isso precisa se refletir concretamente nas condições oferecidas, como em descontos, prazos, valor de entrada e parcelas calibradas para caber no orçamento real.
“O dado ajuda a evitar propostas pouco realistas”, diz Helena.
Sustentabilidade da recuperação
Esse argumento é o centro da lógica que Helena descreve para a operação e aponta para uma mudança de perspectiva relevante dentro do setor.
Por muito tempo, a métrica dominante na recuperação de crédito foi o volume recuperado. O modelo funcionava na lógica da pressão e da escala: quanto mais contatos, mais acordos; quanto mais acordos, mais recuperação. O problema é que esse modelo gerava um efeito silencioso. Acordos que não cabiam no orçamento do consumidor, que quebravam nos primeiros meses e devolviam a pessoa ao ciclo de inadimplência.
“Um acordo que não cabe na realidade financeira do consumidor aumenta o risco de quebra e pode devolvê-lo ao ciclo de inadimplência“, afirma Helena. “Por isso, o uso dos dados contribui para uma recuperação mais eficiente e, ao mesmo tempo, mais responsável.”
A lógica é direta: recuperar um crédito de forma sustentável é melhor do que fechar um acordo que vai quebrar em 60 dias. Isso muda o que se mede e, consequentemente, o que se otimiza.
Os limites da personalização
A segmentação tem limites, segundo a executiva. O primeiro deles é a responsabilidade no uso dos dados. Personalizar não pode significar apenas maximizar a recuperação no curto prazo. O segundo é a sustentabilidade do acordo em si. Ou seja, condições que parecem personalizadas, mas que ainda não cabem na realidade financeira do consumidor, reproduzem o problema que tentam resolver. O terceiro é a clareza para o consumidor. Em um processo que já carrega tensão emocional, o consumidor precisa entender de forma simples quais são suas opções.
Há também um risco inerente à própria sofisticação analítica. Quando a tecnologia é usada apenas para ganhar escala ou aumentar a pressão, o resultado pode ser uma cobrança mais eficiente na superfície, mas desconectada da realidade de quem está do outro lado.
“Esse risco existe quando a tecnologia é usada apenas para ganhar escala ou aumentar a pressão”, reconhece Helena. “Usada da forma correta, a inteligência analítica deve melhorar a qualidade da decisão e tornar a recuperação mais adequada à realidade de cada perfil.”
O que vem pela frente
Olhando para os próximos anos, Helena descreve uma transição que já está em curso: a passagem de um modelo de cobrança reativo e massificado para um modelo preditivo, orientado por dados e centrado no consumidor.
O avanço do Open Finance, da Inteligência Artificial e da análise em tempo real abre possibilidades concretas. É o caso da oportunidade de antecipar momentos de maior risco, construir propostas mais adequadas antes que a dívida se aprofunde, e reduzir o atrito da negociação para ambos os lados.
“O diferencial não será mais quem recupera mais, mas quem recupera melhor com menor custo, menor atrito e maior sustentabilidade dos acordos”, projeta. “Em um País com níveis elevados de endividamento, a recuperação de crédito precisa combinar escala, tecnologia, educação financeira e responsabilidade.”
