Tecnologia

[Febraban Tech 2026] IA generativa nas empresas: o que muda quando a tecnologia sai do piloto?

Publicado em 23 set 2026. 11 minutos de leitura

Home Fluid Home Blog [Febraban Tech 2026] IA generativa nas...

Testar IA generativa nas empresas ficou fácil. Difícil é fazer a tecnologia deixar de ser um experimento e passar a fazer parte da operação. Essa foi uma das questões que norteou o painel da Dock, AWS e Anthropic no Febraban Tech 2026. Além de discutir o potencial dos modelos, a conversa colocou em foco o que acontece depois dos primeiros testes: como preparar as equipes, redesenhar processos, criar produtos e, principalmente, levar os casos de uso para uma escala que faça sentido para o negócio.

Para as empresas, esse movimento envolve escolhas que vão muito além da tecnologia. Quem pode experimentar? Como controlar custos e acessos? Quais dados estão prontos para alimentar os modelos? E como transformar uma boa prova de conceito em uma solução que realmente opere no dia a dia?

Foi a partir desses questionamentos que os executivos Eduardo Marcinari, Head of Sales for Financial Services da AWS, Daniel Peralles, Chief Product Technology Officer da Dock, e Marcelo Alvarenga, GTM LATAM da Anthropic, compartilharam experiências para avançar na adoção de IA generativa nas empresas.

Neste artigo, reunimos os principais pontos apresentados no painel e analisamos o que muda quando a IA generativa deixa de ser apenas uma ferramenta e passa a fazer parte da estratégia das empresas.

O que muda com a IA generativa nas empresas?

A adoção de inteligência artificial pelas empresas já não é mais uma novidade. Afinal, organizações já utilizam modelos preditivos, automação e machine learning há anos.

A diferença trazida pela IA generativa está na capacidade de ampliar o acesso à tecnologia e permitir que mais profissionais utilizem recursos avançados diretamente em suas atividades. E isso muda a dinâmica da inovação.

Uma área de negócio pode experimentar uma solução. Um desenvolvedor pode acelerar a criação de uma aplicação. Uma equipe operacional pode redesenhar uma atividade. E novas soluções e produtos financeiros podem ser desenvolvidos em ciclos muito mais curtos. Mas como fazer com que essas iniciativas não permaneçam isoladas?

Como destacou Eduardo Marcinari, da AWS, muitas empresas estão implementando IA em pontos específicos de seus processos, mas ainda enfrentam dificuldades para conectar essas iniciativas em uma jornada de transformação.

Da produtividade individual à transformação da empresa

Uma das primeiras aplicações da IA generativa nas empresas tende a acontecer no nível individual. Profissionais utilizam ferramentas para pesquisar informações, escrever conteúdos, analisar dados, programar ou executar tarefas que antes consumiam mais tempo.

Esse ganho de produtividade é relevante, mas representa apenas uma parte do potencial da tecnologia. O ponto de virada acontece quando a empresa começa a olhar para os processos como um todo.

Segundo Marcelo Alvarenga, da Anthropic, ainda existem ganhos importantes a serem capturados com a automação de processos existentes. Mas a maior oportunidade está na transformação: repensar processos a partir de uma “folha em branco” e considerar quais etapas podem ser eliminadas, redesenhadas ou executadas de uma maneira completamente diferente.

Essa abordagem desloca o foco da transformação, partindo de ganhos de eficiência sobre processos existentes para o redesenho da própria forma de operar.

Em outras palavras, trata-se de questionar como os processos poderiam ser desenhados, considerando a IA generativa como parte de sua arquitetura desde o início.

IA generativa pode acelerar o desenvolvimento de produtos

O uso de IA generativa no redesenho de processos também amplia a capacidade de desenvolver produtos e software. Durante o painel, Alvarenga citou a experiência da Anthropic como exemplo de como a tecnologia pode acelerar diferentes etapas do ciclo de desenvolvimento.

O impacto vai além da produtividade. Ao assumir parte das atividades operacionais, a IA permite que as equipes concentrem mais esforços na definição de problemas, na experimentação e nas decisões de produto. Com ciclos mais rápidos, as empresas também podem repensar a alocação de recursos e o próprio modelo de desenvolvimento.

Mas velocidade, por si só, não é suficiente. A rápida evolução dos modelos e das ferramentas aumenta a necessidade de estruturas capazes de acompanhar esse ritmo.

Para transformar experimentação em capacidade de negócio, é preciso combinar agilidade, segurança e governança, com dados organizados, processos de teste e uma arquitetura preparada para escalar.

Na prática, é preciso criar as condições que permitam experimentar rápido e escalar com controle.

O papel das pessoas na adoção de IA generativa nas empresas

A adoção de IA também exige mudanças na organização do trabalho. A liderança precisa estabelecer prioridades, governança e condições para experimentação, enquanto as equipes incorporam a tecnologia a casos de uso concretos.

Daniel Peralles citou a adoção, na Dock, do conceito de learning by doing e de uma plataforma desenvolvida para facilitar a criação de agentes e a experimentação pelos colaboradores.

A tendência é ampliar o papel de profissionais capazes de compreender processos de forma integrada e usar a IA para resolver diferentes etapas de um problema.

É o perfil dos chamados system thinkers: pessoas com visão sistêmica, capacidade de decisão e domínio das novas ferramentas.

Governança de IA: como inovar com segurança?

Quanto maior a utilização de IA generativa, maior também é a importância de estabelecer mecanismos de controle. Isso envolve questões como:

Segurança;
Acesso aos modelos;
Proteção de dados;
Monitoramento;
Controle de custos;
Testes;
Validação de agentes;
Definição de guardrails.

A discussão do painel trouxe uma abordagem que resume esse equilíbrio, com a ideia de centralizar a governança e descentralizar a inovação.

Isso significa que a empresa pode manter estruturas centrais para definir políticas, segurança e controles, enquanto permite que diferentes áreas experimentem novas aplicações. Essa combinação é especialmente importante para empresas que desejam sair da fase de pilotos.

No caso da IA agêntica, por exemplo, a confiança é um elemento fundamental para ampliar o nível de autonomia da tecnologia. Para isso, os agentes precisam ser testados em ambientes controlados, passar por processos de validação e operar dentro de parâmetros definidos.

Assim, governança não precisa significar velocidade menor. Quando a infraestrutura de segurança e controle já está preparada, é mais fácil permitir que as equipes experimentem mais e avancem mais rapidamente.

Dados são a base para escalar a inteligência artificial

IA sem dados contextualizados tem alcance limitado. Para escalar o uso da tecnologia, as empresas precisam garantir que seus dados estejam organizados, integrados e sob governança.

Em relação ao uso da IA no setor financeiro, essa relação é direta: dados confiáveis sustentam decisões sobre crédito, fraude, pagamentos, atendimento e produtos.

Como resumiu Daniel Peralles no painel, os dados alimentam os “cérebros” que permitem à IA gerar resultados adaptados a cada contexto de negócio.

IA generativa no mercado financeiro: da operação aos produtos

A transformação proporcionada pela IA generativa pode atravessar diferentes etapas da cadeia de serviços financeiros, da operação ao desenvolvimento de novos produtos:

Na operação, a tecnologia pode automatizar atividades e contribuir para o redesenho de processos, tornando fluxos mais eficientes e adaptáveis.
No desenvolvimento, pode acelerar etapas de programação, testes e implementação, reduzindo o tempo necessário para transformar uma ideia em uma nova funcionalidade.
Nas áreas de negócio, pode ampliar a capacidade de analisar informações, identificar padrões e apoiar decisões com base em diferentes fontes de dados alternativos.
Na experiência do cliente, pode viabilizar novos formatos de atendimento, produtos e serviços mais adaptados às necessidades de cada público.

Essa amplitude ajuda a entender por que o impacto da IA generativa não se limita às áreas de tecnologia. À medida que a adoção avança, a inteligência artificial pode passar a fazer parte da infraestrutura de operação, desenvolvimento e inovação das empresas financeiras.

O futuro das empresas na era da IA generativa

Como vimos, a inteligência artificial generativa traz novas ferramentas ao mesmo tempo em que altera a forma como as empresas lidam com produtividade, processos, desenvolvimento e inovação.

A discussão apresentada por Dock, AWS e Anthropic no Febraban Tech 2026 mostra que essa transformação envolve diferentes frentes:

Preparar pessoas;
Redesenhar processos;
Desenvolver produtos;
Organizar dados;
Estabelecer estruturas de governança.

Para o mercado financeiro, essa transformação abre espaço para operações mais eficientes, desenvolvimento mais ágil de produtos e serviços e experiências mais adaptadas às necessidades dos clientes.

Mas capturar esse potencial exige conectar tecnologia, pessoas, processos e negócio, criando condições para experimentar com velocidade e escalar com segurança, dados e governança.

Como fornecedora de infraestrutura para serviços financeiros, a Dock atua nessa jornada, ajudando empresas a criar, operar e escalar produtos e serviços financeiros.

Nesse contexto, a IA generativa adiciona uma nova camada de transformação: a possibilidade de desenvolver e evoluir soluções financeiras em uma velocidade cada vez maior, sem abrir mão dos requisitos necessários para operar em escala.

FAQ: perguntas frequentes sobre IA generativa nas empresas

O que é IA generativa nas empresas?

IA generativa é uma categoria de inteligência artificial capaz de criar conteúdos, códigos, análises e outros resultados a partir de comandos e informações fornecidas pelos usuários. Nas empresas, pode ser utilizada para aumentar produtividade, transformar processos, apoiar decisões e desenvolver novos produtos e serviços.

Como a IA generativa pode ser usada nas empresas?

Entre as possibilidades estão automação e transformação de processos, desenvolvimento de software, análise de informações, atendimento, criação de conteúdos, desenvolvimento de produtos e uso de agentes capazes de executar tarefas dentro de determinados parâmetros.

Quais são os desafios da adoção de IA generativa?

Entre os principais desafios estão a preparação das equipes, governança, segurança, qualidade dos dados, controle de custos, integração com sistemas existentes e capacidade de transformar experimentos em soluções escaláveis.

Qual é a importância dos dados para a IA generativa?

Os dados fornecem o contexto necessário para que modelos e agentes possam gerar resultados adequados ao negócio. Por isso, organização, qualidade, integração e governança de dados são fundamentais para escalar aplicações de IA.

Como as empresas podem começar uma estratégia de IA?

Uma estratégia de IA pode começar pela preparação das pessoas e pela identificação de casos de uso relevantes, avançando para a transformação de processos e, posteriormente, para aplicações voltadas a produtos e clientes. Ao longo dessa jornada, segurança, governança e dados devem fazer parte da estrutura desde o início.

O que muda com a IA generativa no mercado financeiro?

No mercado financeiro, a IA generativa pode impactar operações, desenvolvimento de produtos, atendimento, análise de dados em tempo real e diferentes etapas da jornada dos clientes. A tecnologia também pode acelerar a criação e evolução de serviços financeiros, desde que utilizada dentro de uma estrutura adequada de segurança, governança e dados.

IA generativa: o que você viu neste artigo

A IA generativa está passando da fase de experimentação para uma etapa de transformação das empresas. O principal desafio é conectar iniciativas isoladas e criar uma jornada integrada de IA.
A tecnologia pode transformar processos, e não apenas automatizar atividades existentes.
Pessoas precisam ser preparadas para incorporar a IA ao trabalho e desenvolver uma visão mais sistêmica.
Governança, segurança e dados são fundamentais para escalar aplicações e agentes de IA.
A velocidade de desenvolvimento de produtos pode aumentar significativamente com o uso adequado da tecnologia. A combinação entre velocidade e controle é essencial para transformar a experimentação em valor para o negócio.
No mercado financeiro, a IA generativa pode impactar operações, produtos, serviços e experiências dos clientes.