Uma oferta financeira perde relevância quando chega sem relação com a necessidade do cliente. A inteligência artificial pode apoiar a leitura de informações e a preparação de ações, mas não transforma dados disponíveis em autorização para qualquer uso.
Em um post sobre IA no setor bancário, Robson Del Fiol defendeu aproximar dados e relacionamento. Este artigo organiza essa tese em perguntas de implementação, sem reproduzir promessas de desempenho ou atribuir resultados a um banco específico.
Separe assistência de decisão
Um assistente que ajuda o gerente a localizar informações é diferente de um sistema que aprova crédito. Antes de iniciar, descreva exatamente o papel da IA: buscar, resumir, sugerir ou executar?
Quanto maior o impacto da ação, mais importantes são a rastreabilidade, os critérios de revisão e a possibilidade de contestação. A decisão de usar IA não elimina as obrigações da instituição nem a responsabilidade pelas informações apresentadas ao cliente.
Quatro perguntas para um caso de uso
- Qual necessidade será atendida? Uma hipótese de relacionamento deve começar com um problema do cliente, não apenas com a meta de uma campanha.
- Quais dados são necessários e permitidos? Considere finalidade, base legal, acesso autorizado e qualidade. Ter um dado não significa que ele possa ser reutilizado livremente.
- Qual evidência sustenta a sugestão? O profissional precisa distinguir informação consultada de uma inferência feita pela ferramenta.
- Quem pode agir e revisar? Registre as ações permitidas e o caminho para interromper ou corrigir o processo.
Esse recorte evita tratar personalização como uma justificativa genérica para coletar ou cruzar tudo.
Comece pelo apoio ao profissional
Exemplo ilustrativo: um assistente prepara um resumo de informações autorizadas para uma reunião de atendimento, indicando a origem e a atualização de cada item. O gerente confere o resumo, conversa com o cliente e decide o próximo passo.
Esse exemplo não pressupõe aprovação automática, recomendação de investimento nem ganho de receita. Sua vantagem potencial precisa ser avaliada na operação real, incluindo erros, tempo de conferência e adequação da comunicação.
Uma base técnica é permitir consultas com escopo limitado e critérios claros. O artigo sobre agentes de IA e bancos de dados apresenta o tema; uma implantação em instituição financeira exige controles adicionais próprios do ambiente.
Não confunda resposta fluente com evidência
Uma explicação bem escrita pode estar desatualizada ou incorreta. Exija fontes verificáveis para os fatos utilizados, sinalize lacunas e defina situações em que a ferramenta deve deixar de responder.
Acompanhe respostas incorretas, acessos indevidos, sugestões rejeitadas e intervenções humanas. O artigo sobre limites e supervisão de agentes ajuda a separar o que pode ser delegado do que precisa de aprovação.
Contexto sem perder confiança
Explique de forma compreensível o papel da automação no atendimento. Evite mensagens que apresentem uma hipótese como certeza sobre a vida ou a situação financeira de alguém.
No tratamento de dados pessoais, considere a LGPD e os direitos aplicáveis a decisões automatizadas. As obrigações concretas dependem do caso de uso; este texto não substitui análise jurídica, de segurança ou das regras setoriais pertinentes.
Como avaliar o piloto
Escolha uma tarefa delimitada, compare a qualidade com o processo atual e registre o custo de revisão. Procure melhoria de atendimento e redução de erros, não apenas aumento de mensagens enviadas. A implantação deve ser interrompida quando os riscos observados excederem os limites definidos.
Para equipes comerciais que desejam discutir IA aplicada ao relacionamento B2B, conheça a Palestra de Vendas B2B com IA.
Referências
- Post original de Robson Del Fiol no LinkedIn.
- LGPD — texto oficial, incluindo o artigo 20.
- NIST — AI Risk Management Framework: referência geral de gestão de riscos, não uma regra bancária específica.
