Tecnologia

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

Publicado em 23 set 2026. 23 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.

¿Qué cambia con la IA generativa en las empresas?

La adopción de inteligencia artificial por parte de las empresas ya no es una novedad. Al fin y al cabo, las organizaciones llevan años utilizando modelos predictivos, automatización y machine learning.

La diferencia que aporta la IA generativa radica en su capacidad para ampliar el acceso a la tecnología y permitir que más profesionales utilicen recursos avanzados directamente en sus actividades. Y esto cambia la dinámica de la innovación.

Un área de negocio puede probar una solución. Un desarrollador puede acelerar la creación de una aplicación. Un equipo operativo puede rediseñar una actividad. Y se pueden desarrollar nuevas soluciones y productos financieros en ciclos mucho más cortos. Pero ¿cómo conseguir que estas iniciativas no permanezcan aisladas?

Como destacó Eduardo Marcinari, de AWS, muchas empresas están implementando IA en puntos específicos de sus procesos, pero todavía enfrentan dificultades para conectar estas iniciativas en un proceso de transformación.

De la productividad individual a la transformación de la empresa

Una de las primeras aplicaciones de la IA generativa en las empresas suele producirse en el nivel individual. Los profesionales utilizan herramientas para buscar información, redactar contenidos, analizar datos, programar o ejecutar tareas que antes requerían más tiempo.

Este aumento de la productividad es relevante, pero representa solo una parte del potencial de la tecnología. El punto de inflexión se produce cuando la empresa empieza a considerar los procesos en su conjunto.

Según Marcelo Alvarenga, de Anthropic, todavía existen importantes ganancias que pueden obtenerse mediante la automatización de los procesos existentes. Sin embargo, la mayor oportunidad reside en la transformación: replantear los procesos desde una «hoja en blanco» y considerar qué etapas pueden eliminarse, rediseñarse o ejecutarse de una manera completamente diferente.

Este enfoque desplaza el foco de la transformación, pasando de obtener ganancias de eficiencia en los procesos existentes a rediseñar la propia forma de operar.

En otras palabras, se trata de cuestionar cómo podrían diseñarse actualmente los procesos, considerando la IA generativa como parte de su arquitectura desde el principio.

La IA generativa puede acelerar el desarrollo de productos

El uso de IA generativa para rediseñar procesos también amplía la capacidad de desarrollar productos y software. Durante el panel, Alvarenga citó la experiencia de Anthropic como ejemplo de cómo la tecnología puede acelerar distintas etapas del ciclo de desarrollo.

El impacto va más allá de la productividad. Al asumir parte de las actividades operativas, la IA permite que los equipos concentren más esfuerzos en la definición de problemas, la experimentación y las decisiones sobre productos. Con ciclos más rápidos, las empresas también pueden replantearse la asignación de recursos y el propio modelo de desarrollo.

Pero la velocidad, por sí sola, no es suficiente. La rápida evolución de los modelos y las herramientas aumenta la necesidad de contar con estructuras capaces de seguir ese ritmo.

Para transformar la experimentación en capacidad de negocio, es necesario combinar agilidad, seguridad y gobernanza, con datos organizados, procesos de prueba y una arquitectura preparada para escalar.

En la práctica, es necesario crear las condiciones que permitan experimentar rápidamente y escalar con control.

El papel de las personas en la adopción de IA generativa en las empresas

La adopción de IA también exige cambios en la organización del trabajo. El liderazgo debe establecer prioridades, gobernanza y condiciones para la experimentación, mientras que los equipos incorporan la tecnología a casos de uso concretos.

Daniel Peralles mencionó la adopción, en Dock, del concepto de learning by doing y de una plataforma desarrollada para facilitar la creación de agentes y la experimentación por parte de los colaboradores.

La tendencia es ampliar el papel de los profesionales capaces de comprender los procesos de forma integral y utilizar la IA para resolver distintas etapas de un problema.

Es el perfil de los llamados system thinkers: personas con visión sistémica, capacidad de decisión y dominio de las nuevas herramientas.

Gobernanza de IA: ¿cómo innovar con seguridad?

Cuanto mayor es el uso de IA generativa, mayor es también la importancia de establecer mecanismos de control. Esto implica cuestiones como:

Seguridad;
Acceso a los modelos;
Protección de datos;
Monitoreo;
Control de costos;
Pruebas;
Validación de agentes;
Definición de guardrails.

El debate del panel planteó un enfoque que resume este equilibrio: centralizar la gobernanza y descentralizar la innovación.

Esto significa que la empresa puede mantener estructuras centrales para definir políticas, seguridad y controles, al tiempo que permite que distintas áreas experimenten con nuevas aplicaciones. Esta combinación es especialmente importante para las empresas que desean salir de la fase piloto.

En el caso de la IA agéntica, por ejemplo, la confianza es un elemento fundamental para ampliar el nivel de autonomía de la tecnología. Para ello, los agentes deben probarse en entornos controlados, someterse a procesos de validación y operar dentro de parámetros definidos.

Así, la gobernanza no tiene por qué implicar una menor velocidad. Cuando la infraestructura de seguridad y control ya está preparada, resulta más fácil permitir que los equipos experimenten más y avancen con mayor rapidez.

Los datos son la base para escalar la inteligencia artificial

La IA sin datos contextualizados tiene un alcance limitado. Para escalar el uso de la tecnología, las empresas deben garantizar que sus datos estén organizados, integrados y sujetos a gobernanza.

En relación con el uso de la IA en el sector financiero, esta relación es directa: los datos fiables sustentan las decisiones sobre crédito, fraude, pagos, atención al cliente y productos.

Como resumió Daniel Peralles durante el panel, los datos alimentan los «cerebros» que permiten a la IA generar resultados adaptados a cada contexto de negocio.

IA generativa en el mercado financiero: de las operaciones a los productos

La transformación que proporciona la IA generativa puede abarcar distintas etapas de la cadena de servicios financieros, desde las operaciones hasta el desarrollo de nuevos productos:

En las operaciones, la tecnología puede automatizar actividades y contribuir al rediseño de procesos, haciendo que los flujos sean más eficientes y adaptables.
En el desarrollo, puede acelerar las etapas de programación, pruebas e implementación, reduciendo el tiempo necesario para transformar una idea en una nueva funcionalidad.
En las áreas de negocio, puede ampliar la capacidad de analizar información, identificar patrones y respaldar decisiones basadas en diferentes fuentes de datos alternativos.
En la experiencia del cliente, puede hacer posibles nuevos formatos de atención, productos y servicios más adaptados a las necesidades de cada público.

Esta amplitud ayuda a entender por qué el impacto de la IA generativa no se limita a las áreas de tecnología. A medida que avanza su adopción, la inteligencia artificial puede pasar a formar parte de la infraestructura de operaciones, desarrollo e innovación de las empresas financieras.

El futuro de las empresas en la era de la IA generativa

Como hemos visto, la inteligencia artificial generativa aporta nuevas herramientas y, al mismo tiempo, modifica la forma en que las empresas abordan la productividad, los procesos, el desarrollo y la innovación.

El debate presentado por Dock, AWS y Anthropic en Febraban Tech 2026 muestra que esta transformación abarca distintas áreas:

Preparar a las personas;
Rediseñar procesos;
Desarrollar productos;
Organizar datos;
Establecer estructuras de gobernanza.

Para el mercado financiero, esta transformación abre oportunidades para lograr operaciones más eficientes, desarrollar productos y servicios con mayor agilidad y ofrecer experiencias más adaptadas a las necesidades de los clientes.

Sin embargo, aprovechar este potencial exige conectar tecnología, personas, procesos y negocio, creando las condiciones necesarias para experimentar con rapidez y escalar con seguridad, datos y gobernanza.

Como proveedor de infraestructura para servicios financieros, Dock participa en este proceso, ayudando a las empresas a crear, operar y escalar productos y servicios financieros.

En este contexto, la IA generativa añade una nueva capa de transformación: la posibilidad de desarrollar y evolucionar soluciones financieras a una velocidad cada vez mayor, sin renunciar a los requisitos necesarios para operar a escala.

FAQ: preguntas frecuentes sobre la IA generativa en las empresas

¿Qué es la IA generativa en las empresas?

La IA generativa es una categoría de inteligencia artificial capaz de crear contenidos, códigos, análisis y otros resultados a partir de instrucciones e información proporcionadas por los usuarios. En las empresas, puede utilizarse para aumentar la productividad, transformar procesos, respaldar decisiones y desarrollar nuevos productos y servicios.

¿Cómo se puede utilizar la IA generativa en las empresas?

Entre sus posibilidades se encuentran la automatización y transformación de procesos, el desarrollo de software, el análisis de información, la atención al cliente, la creación de contenidos, el desarrollo de productos y el uso de agentes capaces de ejecutar tareas dentro de determinados parámetros.

¿Cuáles son los desafíos de la adopción de IA generativa?

Entre los principales desafíos se encuentran la preparación de los equipos, la gobernanza, la seguridad, la calidad de los datos, el control de costos, la integración con los sistemas existentes y la capacidad de transformar experimentos en soluciones escalables.

¿Cuál es la importancia de los datos para la IA generativa?

Los datos proporcionan el contexto necesario para que los modelos y agentes generen resultados adecuados al negocio. Por ello, la organización, la calidad, la integración y la gobernanza de los datos son fundamentales para escalar las aplicaciones de IA.

¿Cómo pueden las empresas iniciar una estrategia de IA?

Una estrategia de IA puede comenzar con la preparación de las personas y la identificación de casos de uso relevantes, para avanzar hacia la transformación de procesos y, posteriormente, hacia aplicaciones orientadas a productos y clientes. A lo largo de este proceso, la seguridad, la gobernanza y los datos deben formar parte de la estructura desde el principio.

¿Qué cambia con la IA generativa en el mercado financiero?

En el mercado financiero, la IA generativa puede influir en las operaciones, el desarrollo de productos, la atención al cliente, el análisis de datos en tiempo real y distintas etapas del recorrido de los clientes. La tecnología también puede acelerar la creación y evolución de servicios financieros, siempre que se utilice dentro de una estructura adecuada de seguridad, gobernanza y gestión de datos.

IA generativa: lo que has visto en este artículo

La IA generativa está pasando de la fase de experimentación a una etapa de transformación de las empresas. El principal desafío consiste en conectar iniciativas aisladas y crear un proceso integrado de IA.
La tecnología puede transformar procesos, no solo automatizar actividades existentes.
Es necesario preparar a las personas para incorporar la IA al trabajo y desarrollar una visión más sistémica.
La gobernanza, la seguridad y los datos son fundamentales para escalar aplicaciones y agentes de IA.
La velocidad de desarrollo de productos puede aumentar significativamente con el uso adecuado de la tecnología. La combinación de velocidad y control es esencial para transformar la experimentación en valor para el negocio.
En el mercado financiero, la IA generativa puede influir en las operaciones, los productos, los servicios y las experiencias de los clientes.