Como a IA moderniza o crédito ao lado de sistemas bancários legados sem substituí-los

Qualquer intervenção no sistema central de um banco faz uma equipe de engenharia estremecer. As soluções legadas são rígidas, por isso uma única alteração pode levar um mês para percorrer todo o processo. A área de crédito, uma das principais fontes de receita de um banco, é a que mais sente esse problema.

Quem já colocou em produção uma versão em um sistema bancário central conhece o padrão: um novo produto exige um novo nível de aprovação, uma lista de documentos revisada, uma regra de pontuação ajustada e um fluxo de relatórios atualizado, e cada item mexe em código que funciona há décadas.

Por isso, novos produtos e atualizações são adiados mesmo quando todos concordam que são necessários: o risco de um erro sempre pesou mais do que o risco de esperar. Ou melhor, isso acontecia antes, pois ficar para trás diante da mudança tecnológica tornou-se hoje um risco muito maior.

Imagine, porém, uma plataforma de crédito separada, configurada por IA e implantada ao lado do sistema central. Os novos fluxos de crédito funcionam de forma independente e se conectam ao sistema central por meio de integrações. Dessa forma, as mudanças na infraestrutura de crédito tornam-se uma sequência de versões pequenas e testadas, e os erros aparecem nos testes antes de chegarem a um tomador real. Isso poderia aliviar a pressão sobre as equipes de engenharia?

A demanda cresce mais rápido do que os sistemas legados conseguem mudar

Segundo a The Business Research Company, o mercado de software de originação de empréstimos deve crescer a uma taxa anual composta de 11,8% até 2030. Para contextualizar, esse ritmo é quase igual ao do mercado mais amplo de software empresarial, conforme as projeções da Technavio. É um dado importante, considerando que o crédito costuma ser a área mais resistente a mudanças na estrutura tecnológica de um banco.

Um dos fatores desse crescimento é a rigidez dos sistemas centrais legados, que torna as mudanças no crédito mais lentas. Bancos e fintechs compram cada vez mais ferramentas que lhes permitem lançar produtos de crédito ao redor do sistema central, sem esperar meses pela aprovação de uma pequena atualização.

As equipes de engenharia sabem que um único erro pode custar muito caro. Em abril de 2018, o TSB Bank migrou os dados de seus clientes para uma nova plataforma, que falhou assim que entrou em operação. Uma parcela significativa dos clientes perdeu o acesso aos serviços bancários, e o banco sofreu grandes prejuízos. Muitas equipes de engenharia ainda mencionam esse caso sempre que planejam uma versão do sistema central.

Além disso, no crédito, os erros atingem diretamente o balanço patrimonial. Um limite de aprovação mal configurado aprova empréstimos que deveriam ter sido recusados ou afasta tomadores que atendiam aos requisitos. Qualquer um dos erros aparece como prejuízo ou receita perdida em poucas semanas.

Onde a IA amplia a capacidade no crédito

Os bancos geralmente começam a incorporar IA pelas integrações mais conhecidas e aparentemente seguras: chatbots e assistentes de atendimento na interface com o cliente. Um credor que acrescenta um chatbot assume um risco menos evidente. Às vezes, os modelos generativos fornecem respostas erradas com total confiança. Na AI Impact Survey 2026 da Grant Thornton, apenas 18% dos executivos bancários disseram confiar plenamente em seus controles de IA.

A vantagem da IA no crédito vem da rapidez com que um credor consegue mudar o que envolve a decisão de crédito. A decisão em si continua sob responsabilidade dos modelos de pontuação aprovados e dos comitês de crédito.

A rapidez sempre teve valor comercial. Alterar a infraestrutura de crédito em um sistema central legado exige de 12 a 18 meses de trabalho de engenharia, e os novos lançamentos ficam paralisados durante todo esse período. A substituição completa do sistema central leva de três a cinco anos. Enquanto isso, os tomadores procuram crédito em outro lugar.

O Relatório de 2026 sobre empresas empregadoras do Federal Reserve constatou que a parcela de pequenas empresas dos EUA solicitantes de crédito que buscaram financiamento em credores fintech on-line aumentou de 17% em 2020 para 29% em 2025, e muitas empresas citaram decisões mais rápidas como motivo.

A IA parte do requisito de negócio

Em vez de executar análises ou participar das decisões de crédito, a IA pode gerar enorme valor no trabalho de configuração que ajuda a lançar e atualizar produtos de crédito. A entrada é um requisito de negócio escrito pelos responsáveis pelo produto. Uma equipe de crédito descreve o que deseja: quem pode solicitar, quais documentos são obrigatórios, quais são os níveis de aprovação, quais dados entram na pontuação, o que será informado e quando.

A IA transforma cada ponto em configuração da plataforma: critérios de elegibilidade, uma lista de documentos, um fluxo de aprovação com seus níveis, conexões com as fontes de dados que alimentam a pontuação e um cronograma de relatórios. Em um sistema central legado, os engenheiros constroem cada um desses elementos manualmente, e toda mudança passa por um ciclo completo de lançamento. Com IA, o produto é construído recurso por recurso sobre uma base compartilhada. As equipes de engenharia e conformidade analisam e testam cada mudança antes da entrada em operação e mantêm a aprovação final.

O requisito pode ser totalmente independente do sistema central existente. A IA não precisa ler nem interpretar a lógica desse sistema, por isso um credor pode especificar um produto para o qual o sistema atual nunca foi projetado. Duas décadas de código não documentado permanecem intactas.

O novo fluxo de crédito funciona em uma plataforma separada, implantada ao lado do sistema central. As duas se conectam por integrações, enquanto o sistema central mantém seus registros e funções existentes. Nenhum código precisa ser reescrito antes do lançamento de um novo produto.

Construir com os dados que existem hoje

Muitos projetos de IA bancária, porém, ficam paralisados por causa dos dados. Mas não há necessidade real de um banco de dados enorme: é bom ter um, porém não é indispensável. A IA elabora as regras de análise de crédito e os requisitos de dados em torno das fontes existentes, e a equipe de risco os aprova antes de qualquer execução. Quando uma fonte não existe, ela define como coletá-la: cadastro do tomador, cadastro do garantidor, documentos obrigatórios e que podem ser enviados e fontes de dados externas.

Esse processo de “construção de dados” ajuda bancos e fintechs a ampliar seu inventário real de dados, incluindo as lacunas, e impede que as suposições dos fornecedores sobre o que já deveria ser coletado determinem o projeto.

A preparação dos dados deixa de ser uma condição prévia para lançar um produto de crédito e passa a fazer parte da mesma etapa de configuração.

Mudança de produto ou mudança do sistema central

Para a maioria dos credores, a questão prática é saber se novos produtos de crédito podem ser lançados e os existentes podem ser adaptados enquanto uma migração de vários anos do sistema central continua. Uma plataforma de crédito separada, configurada com IA com base nos requisitos de negócio, responde a essa pergunta. Um credor pode lançar e ajustar produtos de crédito a cada trimestre enquanto o programa do sistema central segue seu próprio cronograma. É nessa separação que a IA comprova hoje seu valor no crédito.