72% das crises poderiam ter sido evitadas. A gestão de riscos tem um problema de timing.
Façamos o diagnóstico. Os gestores de risco das instituições financeiras trabalham com modelos atualizados uma vez por trimestre. Às vezes por mês, nos melhores casos. Enquanto isso, os sinais de risco - imprensa, mercados, redes sociais, dados ESG, fluxos internos - se movem em tempo real.
É como pilotar um avião olhando uma foto tirada há três meses.
Segundo o Gartner Risk Management (2024), 72% dos incidentes de risco relevantes poderiam ter sido detectados mais cedo. Não algumas horas. Semanas. Meses inteiros. O problema não é a incompetência das equipes de risco. É o ferramental.
Da planilha Excel ao sistema nervoso
A gestão de riscos clássica funciona em batch. Coletam-se os dados, agregam-se, analisam-se, produz-se um relatório. O relatório chega à mesa do CRO. Ele o lê (talvez). Ele toma uma decisão. O ciclo leva semanas.
A IA agêntica quebra esse ciclo. Um agente de detecção de riscos é um sistema em produção que monitora continuamente dezenas de fontes - dados de sinistros, mercados financeiros, imprensa, redes sociais, dados regulatórios, sinais ESG - e que correlaciona o que os humanos não conseguem correlacionar nessa velocidade.
O agente não apenas detecta. Ele contextualiza. Quando identifica um sinal, associa-o a um score de risco, estima o impacto potencial e formula uma recomendação. O gestor de risco recebe um dossiê, não um alerta bruto.
O que muda concretamente
Passamos da cartografia estática para a cartografia viva. Sua matriz de riscos não é mais um arquivo PowerPoint estático - é um dashboard em tempo real que evolui com os sinais.
Os retornos de campo são claros. 45% de redução no tempo de detecção de riscos emergentes. 60% de melhoria na precisão dos modelos. E sobretudo: 35% de redução das perdas ligadas a riscos operacionais não antecipados. Esse último número é dinheiro real - não um KPI cosmético.
O BCBS 239 exige, aliás, uma capacidade de agregação de dados de risco em tempo real que somente a IA pode entregar nessa escala. O regulador, por uma vez, empurra na direção certa.
Concentração de fornecedor: um caso real
Uma seguradora de construção percebe que um corretor concentra um volume anormal de sinistros em três subempreiteiros vinculados. A análise NLP dos relatórios de perícia revela formulações estranhamente similares entre as declarações. O agente correlaciona com os dados financeiros: superfaturamento de 12% em relação às tarifas de rede.
O alerta chega ao gestor de risco com o dossiê completo - as correlações, os valores, as evidências. Investigação confirmada em três semanas. 800k€ de fraude evitada apenas nesse caso.
Um gestor de risco sozinho jamais teria cruzado essas três fontes de informação. Não por falta de competência. Por falta de capacidade de processamento.
O que não funciona
Sejamos honestos. Projetos de risk analytics que fracassam, já vimos. E é sempre pelas mesmas razões.
Dados de qualidade insuficiente. O agente aprende com o histórico. Se seu histórico é incompleto, enviesado ou mal rotulado, ele reproduz seus pontos cegos em vez de eliminá-los. É preciso prever 2-3 meses de trabalho nos dados antes de falar em modelo.
Limites estáticos que se impõem ao agente. Um valor de 100k€ é normal para um corporate, anormal para uma pessoa física. Se você impõe regras rígidas, perde toda a vantagem da IA agêntica.
Alertas sem contexto. "Anomalia detectada na conta X" não serve para ninguém. O agente deve fornecer o desvio, o padrão de referência, as transações correlacionadas e o nível de risco estimado. Sem isso, os gestores de risco acabam ignorando os alertas - e aí é pior do que não ter sistema nenhum.
O cerne da questão
A gestão de riscos é uma função de prevenção, não de controle. Mas com as ferramentas atuais da maioria das instituições, é uma função de constatação post-mortem.
A IA agêntica não substitui o julgamento do gestor de risco. Ela fornece os sinais no momento certo, com o contexto certo, para que ele possa agir antes que o risco se materialize. É a diferença entre evitar uma crise e documentar suas consequências.
