Bancos médios e fintechs que escalam agentes de IA sem estrutura de governança correm o risco de descobrir a falha depois do incidente, não antes. A Gartner projeta que 40% das empresas vão rebaixar ou desligar agentes autônomos até 2027 por esse exato motivo. O que resolve isso não é desacelerar a adoção de IA, é separar ambientes de teste e produção, versionar cada decisão do agente, e aplicar controle de acesso proporcional ao nível de autonomia de cada um, antes que a regulação (que já está se movendo) exija isso como fato consumado.
O investimento cresceu mais rápido que a governança
Os bancos brasileiros aumentaram em 61% o investimento em IA, analytics e big data em 2025, segundo a Pesquisa Febraban de Tecnologia Bancária, realizada pela Deloitte. Mas a maturidade de adoção não acompanhou esse ritmo: cerca de 60% das instituições ainda estão em fases iniciais de uso de IA. Esse descompasso, entre dinheiro entrando rápido e processo de controle amadurecendo devagar, é exatamente o cenário que a Gartner descreve como o gatilho mais comum de fracasso de agente de IA: a governança é tratada como binária (ou tudo liberado, ou tudo travado), quando deveria variar conforme o nível de autonomia de cada agente específico.
A janela para escalar com governança, em vez de reagir a ela depois de um incidente, está se fechando rápido, e não por acaso: o Banco Central já colocou o estudo de riscos do uso de IA por instituições financeiras como prioridade da sua agenda regulatória para 2025-2026, e a ANPD incluiu inteligência artificial entre os quatro eixos de fiscalização do seu Mapa de Temas Prioritários para 2026-2027.
Onde a maioria trava
Os problemas mais recorrentes não são sofisticados, são estruturais:
- O agente toma a decisão, mas ninguém consegue reconstruir o caminho de dados que levou a ela. Sem isso, uma auditoria vira exercício de arqueologia de log.
- Ambiente de teste e produção compartilham a mesma configuração. Uma mudança testada “rapidamente” pode ir parar em produção sem que ninguém tenha decidido isso formalmente.
- Sem versionamento, não é possível provar o que mudou entre uma decisão do agente e outra. Isso é especialmente grave quando o agente toma decisões de crédito, fraude ou atendimento.
- Acesso a dados sensíveis sem controle granular por perfil. Um agente com acesso amplo, sem RBAC, tem o mesmo nível de exposição de risco esteja ele fazendo uma tarefa trivial ou uma ação crítica.
- Governança tratada como regra única, quando deveria variar por autonomia. Um agente que só resume informação não representa o mesmo risco que um agente que executa uma transação sozinho, mas muitas empresas aplicam o mesmo controle para os dois.
O que muda com governança real
A resposta para cada um desses pontos não é complexa, é disciplina de arquitetura aplicada de forma consistente:
- Ambientes de desenvolvimento, homologação e produção genuinamente separados, sem atalho improvisado entre eles.
- Versionamento de cada fluxo e de cada decisão tomada por um agente, não só do código que o construiu.
- Logs e rastreabilidade completos, no formato que uma auditoria (interna ou do regulador) consegue de fato usar, não só um registro técnico disperso.
- RBAC nativo, com controle claro de quem acessa o quê, e por quê.
- Nível de governança proporcional ao nível de autonomia de cada agente, não uma regra única aplicada a todos.
O que já está mudando na regulação
Esta não é uma discussão teórica sobre “o futuro da regulação de IA”. Já está em movimento, com prazo definido:
Banco Central. A Agenda Regulatória do BC para o biênio 2025-2026 inclui o estudo dos riscos e impactos do uso de IA pelas instituições financeiras como uma de suas prioridades oficiais.
CMN e BCB. As Resoluções CMN nº 5.274/2025 e BCB nº 538/2025, ambas de dezembro de 2025, elevam as exigências de segurança cibernética e computação em nuvem para instituições financeiras: teste de intrusão anual, obrigatoriamente conduzido por profissional independente, com retenção de evidências por cinco anos, e prazo de adequação em 1º de março de 2026. Essas normas ainda tratam IA principalmente como vetor de ataque a monitorar, não como objeto direto de regulação, mas já elevam o patamar geral de auditabilidade tecnológica exigido pelo regulador, o que afeta diretamente qualquer arquitetura que inclua agentes autônomos.
ANPD. O Mapa de Temas Prioritários 2026-2027 da autoridade de proteção de dados elegeu inteligência artificial como um dos quatro eixos de fiscalização, com dezenas de ações previstas no biênio. Multas por infração à LGPD podem chegar a R$ 50 milhões, ou 2% do faturamento, o que for menor, por infração.
O padrão comum aos três: o regulador está deslocando o foco de “ter uma política escrita” para “demonstrar controle em operação, com evidência”. Isso é exatamente o que uma arquitetura de governança binária (tudo liberado ou tudo travado) não consegue sustentar.
Perguntas para fazer antes de colocar um agente em produção
- Consigo provar, com log, por que o agente tomou essa decisão específica?
- Meu ambiente de produção está genuinamente isolado do ambiente de teste?
- Sei exatamente quais dados o agente acessou, e quem tem permissão para autorizar isso?
- O nível de governança desse agente é proporcional ao que ele pode fazer, ou é a mesma regra aplicada a todos os agentes?
- Se o Banco Central ou a ANPD pedir o histórico de uma decisão específica amanhã, eu consigo entregar isso?
Se a resposta for “não” para mais de uma dessas perguntas, o risco não é hipotético, é o exato cenário que a Gartner descreve como gatilho de rebaixamento ou desligamento de agente.
Perguntas frequentes
Governança de IA é a mesma coisa que segurança da informação? Não. Segurança protege contra acesso indevido. Governança de agente de IA define quem pode autorizar o quê, com que nível de autonomia, e como isso fica documentado e auditável depois. São complementares, não substitutos um do outro.
As Resoluções CMN 5.274/2025 e BCB 538/2025 regulam agentes de IA diretamente? Não diretamente. Elas tratam agentes de IA principalmente como um vetor de ataque a ser monitorado dentro da política de segurança cibernética, não como objeto específico de regulação de agente autônomo. Mas elevam o padrão geral de evidência e auditabilidade exigido, o que afeta qualquer arquitetura de IA em produção.
Um banco pequeno ou uma fintech em estágio inicial já precisa se preocupar com isso? Sim, na medida em que já estiver rodando agente de IA com acesso a dado sensível ou decisão de negócio. O tamanho da empresa não muda a exigência regulatória, muda a escala do problema se a governança não existir desde o início.
A Fluid orquestra dados, sistemas, APIs e agentes de IA com governança real, pensada para o setor financeiro. Quer avaliar como isso se aplica à arquitetura específica da sua operação, antes que o prazo de adequação regulatória vire pressão de última hora? Agende uma conversa técnica com o time da Fluid.
