Bloomberg — Ninguém jamais deseja conceder um cheque em branco a uma equipe de tecnologia. No entanto, para muitos CFOs, foi exatamente isso que lhes foi solicitado na corrida inicial para adotar a inteligência artificial (IA). Agora, após inúmeras contas inesperadas, encontrar uma maneira de controlar os custos tornou-se uma necessidade imperativa.
Trata-se de uma questão que vem ganhando força nos bancos, onde os orçamentos de tecnologia já estão sob pressão de demandas concorrentes que vão desde a modernização de sistemas de TI legados até a cibersegurança.
Algumas das maiores esperanças para melhorias de produtividade estão depositadas na IA autônoma, capaz de lidar com tarefas complexas sozinha, mas que é inerentemente difícil de orçar, já que a quantidade de poder de computação que cada tarefa consome pode ser imprevisível.
“Na verdade, não acredito que alguém na organização tenha um bom domínio sobre isso — se eu for fazer algo, qual será o meu custo?”, afirmou Bhavi Mehta, sócio da Bain e líder global da empresa para análises avançadas em serviços financeiros.
⟶ Assine as newsletters da Bloomberg Línea e receba as notícias do dia em primeira mão no e-mail.
“À medida que a IA avança em direção a um raciocínio mais sofisticado e a fluxos de trabalho autônomos, os recursos necessários para uma determinada tarefa podem variar significativamente. Isso torna cada vez mais importante compreender o custo juntamente com o valor comercial, à medida que os bancos ampliam o uso da IA”, acrescentou ele.
Apenas 12 dos 50 maiores bancos globais acompanhados pela empresa de benchmarking de IA Evident atribuíram publicamente retornos projetados ou realizados à adoção da IA, de acordo com seu último relatório. No entanto, é raro encontrar um CEO que não destaque os benefícios potenciais.
O aumento dos investimentos na tecnologia foi mencionado durante as teleconferências sobre os resultados do terceiro trimestre em vários bancos norte-americanos, do Citigroup (C) ao Goldman Sachs, mas apenas alguns executivos apresentaram números precisos sobre seus gastos com IA ou sobre os benefícios financeiros que ela está gerando.
Assim, à medida que o setor passa da fase de experimentação para a de implantação, a Bloomberg News conversou com mais de uma dezena de engenheiros, executivos e consultores sobre suas experiências e estratégias.
Leia também: Brasil domina infraestrutura de IA na América Latina, mas Chile lidera ranking da Cepal
Adaptar o modelo à tarefa
Embora o “tokenmaxxing” — a prática de engenheiros utilizarem IA o máximo possível — tenha se tornado notório, isso nem sempre é a causa do aumento desmedido no uso de tokens.
Quando o sistema de monitoramento do Deutsche Bank sinalizou que funcionários individuais estavam consumindo volumes excepcionalmente grandes de tokens, verificou-se que muitos deles estavam realizando um trabalho útil, afirmou Christoph Rabenseifner, diretor de estratégia do banco para tecnologia, dados e inovação.
Em vez de interromper esse uso, o banco direcionou-o para uma finalidade mais produtiva. Além disso, testou uma tarefa em um modelo menor e especialmente treinado, em vez de um grande modelo de ponta, reduzindo os custos em várias vezes, acrescentou Rabenseifner.
O Banco Santander executa grandes modelos de fronteira apenas para verificar se um aplicativo atende ao seu padrão de qualidade e, em seguida, transfere as cargas de trabalho comprovadas para modelos mais leves e econômicos. A abordagem ajudou a reduzir os custos de execução de cerca de € 5 para € 0,03 por processo de aprovação de empréstimo, afirmou Ignacio Bernal, diretor de inteligência artificial do banco.
“Quando se transfere a IA de projetos-piloto para a produção em um banco global, o custo de inferência deixa de ser um erro de arredondamento e passa a ser uma linha de custo operacional real”, afirmou Bernal, observando que alguns processos são executados milhões de vezes por ano, elevando significativamente as despesas com computação.
O Canadian Imperial Bank of Commerce constatou que seus modelos mais potentes, incluindo o Opus, da Anthropic, podem custar 3.000 dólares canadenses (US$ 2.130) por funcionário por mês, uma despesa que pode aumentar rapidamente quando se trata de milhares de funcionários.
Leia também: Barclays vai eliminar 5.000 vagas com avanço da IA após resultado abaixo do esperado
Como medida de controle de custos, o banco restringiu o acesso a algumas centenas de funcionários, ao mesmo tempo em que limitou seu mais recente espaço de trabalho integrado, o CAI 2.0 — ainda em fase de testes — a 250 usuários, cada um dos quais pode gastar entre 4 dólares canadenses e 250 dólares canadenses por mês.
“É uma ferramenta poderosa demais para que 50.000 pessoas simplesmente a utilizem sem controle”, afirmou Jaime Tatis, diretor de dados e inteligência artificial do CIBC, em uma entrevista concedida em julho.
A IA agêntica está se tornando um dos principais fatores para o aumento dos custos. Os grandes bancos anunciaram 19 casos de uso de IA agêntica no primeiro trimestre de 2026, um aumento em relação aos oito do trimestre anterior, de acordo com a Evident. No segundo trimestre, o número caiu pela metade — não porque os bancos estejam perdendo o entusiasmo pelos agentes, mas porque as empresas estão solicitando que eles realizem tarefas mais complexas.
O Wells Fargo, por exemplo, deseja que a IA agêntica domine 1.100 etapas do processo de hipotecas antes de implantá-la em todos os fluxos de trabalho, segundo o relatório da Evident.
Leia também: Como a alta de investimentos em IA afeta taxas de juros nos EUA e mercados financeiros
Ao contrário das ferramentas convencionais de IA, os sistemas com IA agêntica executam de forma autônoma tarefas complexas e com várias etapas, que incluem a análise de demonstrações financeiras, o acompanhamento de mutuários, a verificação de documentos e a detecção de atividades de lavagem de dinheiro. Esse processamento exige recursos computacionais significativos, o que se traduz em um consumo mais intenso de tokens e, por sua vez, eleva os custos mensais.
Em uma instituição financeira asiática, depois que algumas equipes esgotaram sua cota de tokens na primeira semana, o banco decidiu reunir os tokens e criar um agente que reduz as solicitações antes que elas cheguem ao modelo, de acordo com um executivo sênior da área de dados que pediu para não ser identificado ao falar sobre assuntos internos.
Considere alternativas
A questão dos custos trouxe os modelos chineses à tona. Uma nota do JPMorgan Private Bank, de julho, afirmou que um modelo GLM da Z.AI, de Pequim, apresentou desempenho comparável ao do melhor modelo disponível em março, custando mais de 80% menos do que o modelo de ponta mais caro da época.
Os maiores bancos de Cingapura estão testando diversos modelos. A estrutura de IA neutra do United Overseas Bank está aberta a fornecedores chineses, e o DBS Group Holdings afirma não depender excessivamente de nenhum fornecedor específico, seja ele dos Estados Unidos ou da China.
Os órgãos reguladores têm manifestado algumas preocupações. O órgão de supervisão bancária do Canadá solicitou recentemente que sua equipe elaborasse padrões mínimos para o uso de modelos de IA de ponta pelas instituições financeiras, inclusive no que diz respeito à segurança, enquanto a vice-presidente de Supervisão do Federal Reserve dos Estados Unidos, Michelle Bowman, alertou os bancos para que reforcem seus sistemas contra ameaças impulsionadas pela IA.
Leia também: Com queda após IPO, Elice revela teste de confiança de empresas de infraestrutura de IA
Isso torna os modelos menos avaliados, especialmente os estrangeiros, mais difíceis de justificar perante os conselhos de administração. Os diretores de risco também temem que os agentes de IA, uma vez implantados, possam se comportar de maneira imprevisível dentro dos próprios sistemas do banco, uma preocupação que ganhou força nos últimos meses.
O National Australia Bank citou preocupações com segurança e governança ao considerar alternativas aos modelos de IA desenvolvidos nos Estados Unidos, incluindo os chineses, conforme noticiou a Bloomberg News em agosto.
Estratégia de supervisão
Durante a corrida inicial aos serviços em nuvem, há mais de uma década, os bancos levaram pelo menos cinco anos para controlar os custos que aumentavam com o uso e colocá-los sob uma linha orçamentária dedicada, de acordo com J.R. Storment, CEO da Tokenomics Foundation.
O que é diferente agora é que os CFOs estão reagindo aos picos de custo da IA dentro de 6 a 18 meses após a adoção, o que dificulta estabelecer um preço definitivo para modelos de IA premium, acrescentou ele.
Nitin Madan, ex-CFO das operações da Barclays na Índia, lembra-se bem dessa pressão. Quando perguntou a seus colegas da área de tecnologia quais modelos de IA planejavam implantar e quanto custariam, foi informado de que tais perguntas estavam “deixando todos desconfortáveis”, disse Madan.
À medida que novas ferramentas e atualizações de IA chegam ao mercado em rápida sucessão, Madan afirmou que os gastos com IA em todo o setor não podem ser distribuídos ao longo de vários anos, como ocorre com a maioria dos custos de software, de modo que afetam os lucros imediatamente. Ninguém pode afirmar com segurança se os modelos atuais ainda estarão em uso daqui a três anos, acrescentou ele.
Leia também: Como o sonho da IPO da Anthropic pode ser ofuscado por empresas de computação em nuvem
No JPMorgan Chase, alguns funcionários estavam “gastando mais com tokens do que ganhavam de salário” e, mesmo assim, a empresa não estava restringindo o uso da IA naquela época, disse Zachery Anderson, diretor de dados e análises da divisão de pagamentos do banco, à Semafor em junho.
Desde então, o JPMorgan estabeleceu limites mensais de gastos de US$ 2.000 no Claude Code, da Anthropic, para determinados engenheiros, informou o Business Insider neste mês.
O CFO do banco, Jeremy Barnum, afirmou na teleconferência sobre os resultados financeiros da instituição, realizada este mês, que suas despesas anuais com IA eram de cerca de US$ 700 milhões, embora seja difícil determinar um valor exato, uma vez que a tecnologia está agora disseminada por todo o banco.
Em muitos outros bancos, a liderança também passou de tratar os gastos com IA como praticamente ilimitados para buscar maneiras de contê-los.
Alex, um engenheiro sênior de aprendizado de máquina de um grande banco europeu, foi solicitado a limitar os gastos com IA de sua equipe em fevereiro deste ano. O gatilho foi uma conta de 80 mil euros que a equipe havia acumulado após desenvolver um chatbot avançado e implantá-lo em milhares de fluxos de trabalho.
O valor, embora não fosse exorbitante para um grande banco, indicou ao CFO que poderia se transformar em milhões se não fosse controlado. Para Alex, que pediu para não ser identificado pelo nome completo a fim de evitar repercussões profissionais, a questão rapidamente passou de “se o chatbot funcionava” para “se o banco tinha condições de mantê-lo em operação em grande escala”.
Leia também: Anthropic planeja destinar parte de suas ações a novo fundo de ‘bem público’
Para reduzir custos, ele reformulou o chatbot de modo que ele armazenasse em cache as respostas às perguntas mais frequentes e as apresentasse sempre que um usuário as fizesse novamente. As solicitações mais simples eram encaminhadas para modelos de código aberto.
Apenas as solicitações que consumiam muitos tokens — aquelas que exigiam pesquisas mais aprofundadas — eram encaminhadas para modelos premium de plataformas como o ChatGPT ou o Claude. Isso reduziu a conta da IA em cerca de um terço.
Alguns bancos estão abordando o problema da previsão com maior antecedência. O banco francês BNP Paribas aprova todos os projetos de IA após o cálculo de seu custo operacional. A plataforma interna do grupo define um preço por token, multiplica-o pelos volumes esperados e compara o total com o valor que a ferramenta deve gerar, afirmou Hugues Even, diretor de dados do grupo bancário.
O BNP cobre a maior parte de suas necessidades de computação com seus próprios chips, adquiridos como investimentos plurianuais, e os complementa com provedores de nuvem. O BNP distribui a supervisão da IA por comitês presididos pelos diretores de tecnologia, risco, finanças e recursos humanos, além de um comitê de IA do grupo liderado pelo CEO “Cada um está recebendo sua fatia do bolo”, disse Even. O CFO controla o custo da implantação da IA em todo o grupo, acrescentou ele.
Foco na prestação de contas
Muitas instituições financeiras enfrentam a velocidade das mudanças, à medida que modelos mais novos e mais caros chegam antes que a integração anterior esteja concluída. E para ajudá-las a medir e conter os possíveis aumentos de custos, está surgindo um setor especializado.
A Ramp, que auxilia empresas a monitorar e controlar gastos com tokens, afirma que uma em cada três empresas que utilizam sua ferramenta descobriu onde poderia migrar de modelos de ponta mais caros para outros mais baratos, sem comprometer a qualidade.
A Rogo Technologies, uma startup de IA que trabalha com bancos, afirma que agrupa a demanda de seus clientes para negociar descontos com laboratórios de IA e permite que os bancos definam orçamentos de tokens até o nível de usuários individuais.
A Tokenomics Foundation, cujos membros incluem o JPMorgan, o Bank of New York Mellon, a KPMG e o Google Cloud, foi criada para estabelecer padrões setoriais compartilhados para o acompanhamento dos custos de IA, que costumam ser opacos. Ela busca medir o que as empresas recebem em troca.
O acesso também se tornou uma questão relacionada à contratação. No banco asiático, os candidatos a desenvolvedores perguntam, nas entrevistas de emprego, sobre seu orçamento para tokens, além do salário. Os engenheiros perguntam quais modelos terão à disposição e quais limites se aplicam, disse Madan, ex-CFO.
Leia também: De data center a chip: sob liderança de Jon Gray, Blackstone amplia investimento em IA
David Hardoon, que liderou a implantação de IA no Standard Chartered e agora é chefe de IA avançada para o Sudeste Asiático na Accenture, argumenta que toda grande organização precisa de um diretor de IA com autoridade real.
Embora vários bancos já tenham um, poucos conferiram à função poder suficiente para impor disciplina nas previsões e na implantação sem frear a inovação. Um diretor de IA poderia assumir essa responsabilidade, mas somente com autoridade para agir em toda a organização, afirmou Hardoon.
Por enquanto, manter o controle sobre a equação de custos durante a corrida do ouro da IA pode causar tensões internas, especialmente quando os executivos bancários sentem que não podem correr o risco de ficar para trás na adoção da tecnologia.
O raciocínio é: “Se não estivermos fazendo isso, nossos concorrentes estão fazendo”, afirmou Vitaly Gordon, CEO da Faros AI, uma empresa de software que auxilia bancos e empresas de tecnologia a vincular os gastos com IA aos resultados.
Essa mentalidade de corrida armamentista em todo o setor está se traduzindo em queima de caixa e causando uma situação em que, segundo ele, “na maioria dos casos, é apenas um CFO recebendo uma conta e gritando”.
-- Com a colaboração de Nil Codina Martinez.
Veja mais em Bloomberg.com
Leia também
Do moinho ao laboratório: Nita amplia portfólio para crescer além da farinha commodity
© 2026 Bloomberg L.P.
