Bancos e IA generativa: como Itaú, Bradesco e BB lideram

Itaú, Bradesco e Banco do Brasil já não tratam IA generativa como piloto de inovação: os três integraram a tecnologia à operação central, com ganhos de produtividade relatados pela imprensa especializada e, ao mesmo tempo, redução de postos de trabalho — segundo a Forbes (forbes.com.br), o setor bancário brasileiro registrou 26 mil vagas extintas desde 2020.

Itaú: IA generativa como infraestrutura, não experimento

Segundo reportagem da Forbes (forbes.com.br), o Itaú passou a tratar a IA generativa como "camada estrutural" — um componente permanente da arquitetura de tecnologia do banco, presente em múltiplos sistemas simultaneamente.

Essa escolha de linguagem importa. Um projeto-piloto tem prazo de validade e métrica de sucesso isolada. Uma camada estrutural, não: ela se espalha por processos de crédito, atendimento, compliance e desenvolvimento de software ao mesmo tempo.

Na prática, isso muda a forma como a área de tecnologia do banco planeja investimento. Em vez de aprovar orçamento para "um projeto de IA", o Itaú passa a tratar a capacidade de IA generativa como parte do orçamento de infraestrutura recorrente — no mesmo patamar de nuvem, segurança ou dados.

Bradesco reconstrói a operação para humanos e agentes coexistirem

O Bradesco foi além da adoção pontual de ferramentas. Conforme reportagem da Forbes sobre o banco (forbes.com.br), a instituição reestruturou processos internos para que funcionários humanos e agentes de IA trabalhem lado a lado, em vez de a IA simplesmente automatizar uma tarefa isolada.

Um dos resultados citados pela reportagem é expressivo: a Forbes relata ganho de até 80% de tempo em tarefas de modernização de código, número atribuído pela publicação ao próprio Bradesco e não verificado de forma independente por terceiros. Isso não significa que 80% dos empregos de desenvolvedor desapareceram — significa que, segundo essa fonte, o tempo gasto em uma tarefa específica (atualizar sistemas legados, por exemplo) caiu nessa proporção quando agentes de IA assumem parte do trabalho repetitivo.

Por que modernização de código é o ponto de partida mais comum?

Modernização de código costuma ser a primeira aposta de bancos com IA generativa porque é um problema técnico bem definido, com regras claras e alto volume repetitivo — características em que modelos de linguagem já têm desempenho comprovado, ao contrário de decisões que exigem julgamento humano complexo, como análise de crédito de alto risco.

Bancos como o Bradesco carregam décadas de sistemas legados escritos em linguagens antigas. Reescrever ou documentar esse código manualmente consome muitas horas de engenharia. Agentes de IA generativa, treinados para ler, explicar e traduzir código, encurtam essa etapa — daí o ganho de tempo relatado pela Forbes.

Banco do Brasil: escala via treinamento massivo

O Banco do Brasil escolheu um caminho diferente de Itaú e Bradesco: em vez de concentrar a narrativa em arquitetura de tecnologia, o banco investiu pesado em capacitação de pessoas. Segundo o Let's Money (letsmoney.com.br), a Academia BB — programa interno de formação — treinou 36 mil funcionários em IA agêntica e mantém 12 mil agentes Copilot ativos na operação.

Isso significa que o Banco do Brasil não trata IA generativa apenas como ferramenta de TI: trata como competência organizacional que precisa ser disseminada em escala, com um número de agentes de IA ativos que, segundo essa fonte, já supera o quadro de muitas empresas de médio porte.

Como a IA está mudando o backoffice bancário?

O backoffice — área que processa operações, concilia dados e cuida de compliance sem contato direto com o cliente — é hoje o setor onde a IA generativa avança mais rápido nos bancos brasileiros, segundo reportagem do Mobile Time sobre o tema (mobiletime.com.br).

Diferente do atendimento ao cliente, onde erros de IA geram exposição pública imediata, o backoffice permite testar agentes de IA em ambiente controlado, com supervisão humana antes de qualquer decisão final. Isso o torna terreno fértil para experimentação em escala — e explica por que Itaú, Bradesco e Banco do Brasil concentram parte relevante dos investimentos ali antes de expandir para áreas voltadas ao cliente final.

A contrapartida: 26 mil empregos bancários extintos, segundo a Forbes

Nenhuma dessas iniciativas existe isolada de um custo humano concreto. A Forbes (forbes.com.br) registra 26 mil postos de trabalho bancário extintos no Brasil desde 2020 — número atribuído pela própria reportagem e não verificado de forma independente por terceiros neste texto. Segundo a mesma fonte, esse período coincide, mas não se explica inteiramente pela adoção de IA generativa: fatores como fusões, fechamento de agências físicas e migração para canais digitais também pesam nessa conta.

O ponto central para quem lidera empresas fora do setor bancário: a coexistência entre corte de vagas e investimento pesado em treinamento (como os 36 mil funcionários do BB, segundo o Let's Money) não é contradição — é a mesma estratégia vista por dois ângulos. Bancos reduzem funções repetitivas e realocam orçamento para qualificar quem permanece a trabalhar junto de agentes de IA.

Isso significa que toda automação bancária elimina empregos?

Não necessariamente. Os casos de Bradesco e Banco do Brasil, conforme relatado por Forbes e Let's Money, mostram que parte da estratégia é reduzir tarefas repetitivas dentro de uma função — como codificação manual de rotina — sem eliminar a função inteira, redirecionando o profissional para atividades de supervisão, ajuste e decisão que a IA ainda não realiza sozinha.

O que isso significa para empresas fora do setor bancário

O setor bancário brasileiro tem escala, orçamento e dados suficientes para acelerar a adoção de IA generativa antes da maioria dos setores. Mas o padrão que Itaú, Bradesco e Banco do Brasil deixam à mostra serve como referência para qualquer empresário:

• Tratar IA como infraestrutura contínua, não como projeto com data de término, muda o tipo de retorno que se pode esperar dela.
• Ganhos de produtividade tendem a aparecer primeiro em tarefas técnicas bem definidas — como modernização de sistemas — antes de chegar a decisões que exigem julgamento humano.
• Investir em capacitação da equipe para trabalhar ao lado de agentes de IA é parte do custo real da adoção, não um extra opcional.
• Redução de postos de trabalho é uma possibilidade real dessa transição, e ignorá-la no planejamento é um erro de gestão, não só um dilema ético.

Nenhuma empresa fora do setor financeiro precisa da escala de um Itaú ou de um Banco do Brasil para começar. Mas a lógica de tratar IA generativa como camada estrutural — e não como experiência isolada — vale para negócios de qualquer tamanho que queiram resultado permanente, não apenas uma demonstração pontual de tecnologia.