1. Introdução: O fim da ilusão do "cérebro único"

Nos últimos anos, a IA empresarial foi dominada por uma única promessa: que uma plataforma abrangente poderia automatizar todos os processos cognitivos em uma instituição financeira, incluindo risco, compliance, atendimento ao cliente e operações.

A ideia é atraente. Para bancos limitados por dados fragmentados e custos crescentes, a visão de um núcleo de inteligência unificado sugere simplicidade e eficiência. Mas a lógica institucional das finanças caminha na direção oposta. Os sistemas financeiros são construídos sobre segregação de autoridade, rastreabilidade do raciocínio e responsabilidade regulatória. Concentrar toda a tomada de decisão dentro de um único modelo opaco conflita com esses fundamentos.

Evidências do campo reforçam essa restrição. Mesmo quando grandes fornecedores lançam suítes de IA integradas, os primeiros adotantes no setor bancário estão se movendo em direção a arquiteturas de agentes distribuídos: sistemas especializados e explicáveis coordenados através de camadas de governança, em vez de absorvidos em um único cérebro. O uso de trabalhadores digitais específicos de domínio pelo BNY Mellon (WSJ 2025) e pilotos de orquestração multiagente observados pelo FinRegLab (2025) ilustram essa mudança.

O futuro da IA institucional dificilmente será monolítico. Está emergindo como um ecossistema federado de agentes, interoperável através de protocolos abertos, governado por tecidos de orquestração e responsável sob normas regulatórias em evolução.

2. Os sinais de mudança

Vários desenvolvimentos em 2025 apontam para este modelo multiagente:

Protocolos abertos de interoperabilidade

O Protocolo Agent2Agent (A2A) da Linux Foundation, lançado em junho de 2025, permite comunicação segura entre agentes de IA de diferentes fornecedores (Linux Foundation 2025). Apoiado por Microsoft, AWS, Anthropic e Hugging Face, representa o primeiro esforço coordenado para criar uma linguagem compartilhada para sistemas autônomos. Em paralelo, o Model Context Protocol (MCP), introduzido pela Anthropic e agora adotado pela AWS e outros, define interfaces padronizadas para acesso a ferramentas e gerenciamento de memória (AWS Open Source Blog 2025). Juntos, esses protocolos começam a fazer pela inteligência o que HTTP e TCP/IP fizeram pela troca de informações.

Sinais de adoção empresarial

O Wall Street Journal relatou que o BNY Mellon e outras grandes instituições já estão implantando trabalhadores digitais: agentes específicos de função que realizam tarefas de reconciliação e compliance (WSJ 2025). Estes são limitados em escopo, mas demonstram como sistemas agentes podem coexistir com infraestrutura legada.

Pesquisa do setor financeiro

Um estudo de setembro de 2025 do FinRegLab descreveu a IA agentica como "a próxima onda chegando na tomada de decisão financeira", mas enfatizou desafios persistentes em torno de governança, explicabilidade e integração (FinRegLab 2025).

Restrições de capacidade

De acordo com o Relatório de IA Bancária 2025 da EY, 58% das instituições financeiras citam escassez de habilidades tecnológicas como seu principal obstáculo para escalar a IA (EY 2025). Isso explica por que a maioria das organizações dependerá de modelos de sourcing híbridos que combinam agentes desenvolvidos internamente com soluções de fornecedores conectadas através de padrões abertos.

Estes são sinais de experimentação, não de maturidade, mas juntos marcam uma mudança estrutural.

3. De ferramentas para trabalho digital

Agentes de IA diferem de ferramentas de automação anteriores porque realizam tarefas que se assemelham ao trabalho cognitivo: avaliar crédito, detectar fraudes, gerar relatórios ou aconselhar clientes. Eles operam de forma semi-autônoma sob supervisão humana, governados por parâmetros como custo, precisão e compliance.

Em termos econômicos, os agentes representam unidades de capacidade produtiva. As instituições avaliarão cada vez mais não pelo custo de propriedade ou licença, mas pela qualidade da decisão por unidade de custo: quão eficiente e confiável cada agente converte dados em resultados acionáveis e compatíveis.

Isso reformula a inteligência como um recurso econômico, em vez de um ativo fixo, sujeito a competição, precificação e regulamentação.

4. O papel dos protocolos abertos

A importância do A2A e do MCP está em sua capacidade de permitir interoperabilidade sem consolidação. Eles criam formatos compartilhados para descoberta, autenticação e troca de dados entre agentes de diferentes fornecedores.

Na prática:

  1. Cada agente expõe um Agent Card descrevendo suas capacidades e credenciais de confiança (Aisera 2025).
  2. Camadas de orquestração institucional roteiam tarefas entre agentes de acordo com política e permissão.
  3. O protocolo gerencia negociação, tratamento de erros e registro.
  4. Todas as interações são verificáveis criptograficamente, garantindo trilhas de auditoria.

Isso permite que as instituições combinem agentes internos e externos com segurança. Por exemplo, um agente de compliance desenvolvido internamente pode consultar um agente de avaliação de risco fornecido por um fornecedor através da mesma interface de protocolo.

No entanto, a interoperabilidade permanece incompleta. Padrões concorrentes, incluindo a iniciativa Agent Protocol do W3C, podem fragmentar a adoção, e testes de produção em larga escala ainda são limitados.

5. O tecido de orquestração: governança como infraestrutura

Dentro de uma instituição regulada, múltiplos agentes não podem funcionar sem uma camada de governança e controle conhecida como Agent Orchestration Fabric. Esta camada fornece:

  • Gerenciamento de identidade para cada agente e modelo
  • Aplicação de políticas definindo permissões de dados e ações
  • Roteamento e coordenação entre agentes e supervisores humanos
  • Registro e explicabilidade para auditoria e retreinamento
  • Gerenciamento de ciclo de vida para implantação, suspensão e aposentadoria

Conceitualmente, este tecido serve como o sistema nervoso institucional para o trabalho digital. Ele transforma autonomia em comportamento governado e é essencial para o compliance regulatório.

6. Construir versus comprar: uma matriz de decisão emergente

A questão estratégica para a maioria das instituições não é se devem usar agentes, mas quando construí-los e quando comprá-los.

Desenvolvimento interno (Construir)

As instituições tendem a construir agentes quando dependem de dados proprietários ou lógica de decisão que define vantagem competitiva, quando operam em domínios de alto risco, como risco e compliance, onde a explicabilidade é obrigatória, quando a integração com sistemas legados requer conhecimento institucional, ou quando desejam minimizar o lock-in de fornecedores e manter o controle.

Aquisição externa (Comprar)

As instituições normalmente compram agentes quando a função não é diferenciadora, quando a velocidade para valor supera a personalização, quando as habilidades internas de IA são insuficientes (EY 2025), ou quando os fornecedores fornecem interoperabilidade certificada através do A2A ou MCP.

Realidade híbrida

A maioria das organizações financeiras adotará ambas as estratégias. Elas construirão agentes soberanos para domínios de decisão principais e integrarão externos para tarefas periféricas ou de rápida movimentação. Protocolos abertos tornam essa mistura tecnicamente viável e compatível com governança.

7. Cooperação e competição entre agentes

Padrões abertos criam uma nova dinâmica de competição cooperativa. Agentes de diferentes provedores podem interagir enquanto ainda competem em desempenho, custo e compliance.

  • Cooperação permite que agentes compartilhem contexto e deleguem subtarefas através de fronteiras de fornecedores, melhorando a eficiência geral.
  • Competição garante que cada agente seja selecionado com base em confiabilidade e eficiência, introduzindo um mecanismo semelhante ao mercado para inteligência.
  • Ao longo do tempo, o benchmarking de desempenho poderia permitir marketplaces que publiquem métricas padronizadas para precisão e confiabilidade de agentes, embora tais mercados permaneçam hipotéticos hoje.

O resultado é uma emergência gradual de liquidez de inteligência, onde a capacidade de tomada de decisão pode ser realocada muito como capital financeiro, embora restrições práticas e regulatórias permaneçam substanciais.

8. Restrições e incertezas

Apesar do momentum, grandes incertezas persistem:

Domínio Desafio Principal Evidência / Observação
Interoperabilidade Padrões concorrentes (A2A, MCP, W3C) arriscam fragmentação Pilotos empresariais permanecem específicos de fornecedor (AWS 2025)
Governança e responsabilidade Falta de estruturas regulatórias definidas para agentes autônomos FinRegLab (2025) observa ausência de mecanismos de responsabilização
Superfície de segurança Credenciais de agentes e permissões de API expandem vetores de ataque CyberArk (2025) identifica "proliferação de identidade de máquina"
Fronteiras de dados Memória persistente e contexto entre agentes levantam questões de compliance Microsoft (2025) destaca debate sobre retenção de memória
Integração legada Infraestrutura bancária central limita orquestração em tempo real Everest Group (2025) cita integração como uma barreira importante

A trajetória em direção a ecossistemas de agentes totalmente interoperáveis provavelmente será gradual e dependente do caminho.

9. Implicações estratégicas

Para instituições financeiras

  • Construir infraestrutura de governança antes de escalar o uso de agentes.
  • Envolver-se com alianças de padrões abertos para influenciar normas de interoperabilidade.
  • Mapear capacidades para determinar onde a inteligência deve ser construída ou obtida.
  • Certificar e monitorar agentes como funcionários digitais auditáveis.
  • Redefinir métricas de eficiência em torno de resultados de decisão, não redução de pessoal.

Para fornecedores

  • Adotar protocolos abertos cedo para permanecer compatível com arquiteturas institucionais.
  • Focar em especialização e explicabilidade como diferenciadores.
  • Fornecer métricas de desempenho transparentes para permitir benchmarking.

Para reguladores

  • Reconhecer agentes como atores semi-autônomos que requerem estruturas de identidade e responsabilização.
  • Incentivar interoperabilidade e transparência para prevenir captura de mercado.
  • Mover de supervisão pós-evento para verificação contínua através de registro padronizado.

10. Trajetória provável

Fase Cronograma Características
Experimentação piloto 2025–26 Pilotos multiagente limitados em compliance, atendimento ao cliente e risco
Formação de tecido de governança 2027–28 Instituições formalizam camadas de orquestração e monitoramento
Padronização de protocolo 2028–29 A2A e MCP ganham maturidade; certificações de interoperabilidade emergem
Integração de mercado 2030+ Agentes comparados como unidades de serviço; governança e regulamentação amadurecem

11. Conclusão: Evidência sobre ideologia

As evidências de 2025 sugerem que o modelo agentico de IA está se movendo do conceito para implementação cautelosa em finanças. Protocolos abertos como A2A e MCP estão fornecendo a base técnica para interoperabilidade, enquanto instituições como BNY Mellon e FinRegLab demonstram uso operacional inicial.

No entanto, fragmentação, risco de segurança e regulamentação incerta permanecem restrições significativas. Se os sistemas multiagente se tornarão dominantes dependerá menos da capacidade tecnológica e mais de como governança, confiança e interoperabilidade amadurecem.

A inteligência em finanças está começando a se comportar como um mercado econômico: distribuído, competitivo e governado pela confiança. O caminho racional para as instituições não é hype ou hesitação, mas experimentação estruturada fundamentada em evidências e padrões abertos.

Referências

  1. Aisera. "Agent Cards: Padronizando Capacidades de Agentes de IA." Documentação Técnica, 2025.
  2. AWS Open Source Blog. "Adoção do Model Context Protocol em IA Empresarial." AWS Blog, 2025.
  3. CyberArk. "Proliferação de Identidade de Máquina: O Novo Desafio de Segurança." Relatório de Pesquisa em Segurança, 2025.
  4. EY. "Relatório de IA Bancária 2025: Habilidades Tecnológicas e Desafios de Escala." EY Global Financial Services, 2025.
  5. Everest Group. "Barreiras de Integração Legada na Implantação de Agentes de IA." Análise da Indústria, 2025.
  6. FinRegLab. "IA Agentica na Tomada de Decisão Financeira: Desafios de Governança e Integração." Estudo de Pesquisa, Setembro 2025.
  7. Linux Foundation. "Protocolo Agent2Agent (A2A): Habilitando Agentes de IA Interoperáveis." Especificação Técnica, Junho 2025.
  8. Microsoft. "Retenção de Memória e Contexto Entre Agentes em IA Financeira." Whitepaper Técnico, 2025.
  9. Wall Street Journal. "BNY Mellon Implanta Trabalhadores Digitais para Operações Financeiras." Seção de Tecnologia WSJ, 2025.