A inteligência artificial já faz parte da linha de defesa dos bancos. A tecnologia é usada para identificar padrões, correlacionar eventos, detectar comportamentos suspeitos e acelerar respostas a incidentes. Mas, à medida que os sistemas se tornam mais autônomos, surge um novo desafio: a mesma IA utilizada para proteger instituições financeiras também pode ser empregada por criminosos para realizar ataques.
Essa foi uma das principais discussões do painel “IA na linha de defesa: do monitoramento ao combate em tempo real”, realizado nesta terça-feira (25), no Febraban Tech 2026, em São Paulo. O debate reuniu Adriano Volpini, do Itaú Unibanco; Ciro Menezes Barreiros, da Caixa; Cristiano Adjuto, do Bradesco; Leandro Ferreira Granja, do Santander Brasil; e Marcelo Henrique, do Banco do Brasil, com moderação de Mona Dorf, da Febraban. A programação do evento colocou o painel dentro da trilha “A guerra invisível da cibersegurança”.
A discussão mostrou que o setor financeiro está avançando de uma lógica baseada apenas no monitoramento para modelos capazes de interpretar sinais, antecipar riscos e responder com velocidade. Ao mesmo tempo, os executivos destacaram que autonomia não significa ausência de controle humano.
Detectar para agir
No Itaú, a IA já é aplicada em diferentes pontos da estratégia de segurança e prevenção a crimes financeiros. Um dos movimentos destacados no painel é justamente a capacidade de analisar ataques e responder em tempo real. A evolução, porém, ainda ocorre com supervisão humana. Em situações de incidentes de segurança, a decisão não é simplesmente entregue ao algoritmo. A expectativa apresentada no debate é que, com o amadurecimento dos modelos, parte dessas etapas possa ganhar maior autonomia.
A velocidade é um dos principais ganhos. Em vez de analisar isoladamente uma ocorrência, os modelos podem cruzar diferentes sinais e identificar padrões que indicam uma possível fraude ou ataque.
No Santander, essa capacidade de correlacionar eventos foi apresentada como um dos caminhos para chegar a sinais mais precisos de fraude.A tecnologia amplia a capacidade de análise, mas a instituição ainda busca alcançar o nível de confiança necessário para automatizar decisões. A questão é especialmente relevante quando uma decisão equivocada pode bloquear uma operação legítima ou afetar diretamente a experiência do cliente.
A evolução dos mecanismos de defesa acontece em paralelo ao avanço das ferramentas utilizadas pelos atacantes. Leandro Granja, CISO do Santander Brasil, resumiu a lógica do cenário ao defender que a capacidade de combate precisa acompanhar a sofisticação dos ataques: a IA que defende também pode atacar.
Nesse ambiente, uma das estratégias passa por utilizar a própria inteligência artificial para testar e desafiar modelos existentes. A ideia é identificar vulnerabilidades antes que elas sejam exploradas externamente.
Esse movimento amplia o conceito de segurança. Não basta proteger aplicações, redes e dados. É preciso monitorar também os próprios modelos de IA, seus agentes, acessos e comportamentos. Nesse cenário, as instituições precisam definir quem controla os agentes de IA, quais informações eles podem acessar, que ações podem executar de forma autônoma e como identificar comportamentos fora do esperado.
Nova camada de proteção
Para o Bradesco, a evolução da IA cria uma nova camada que precisa ser incorporada à arquitetura de segurança. A instituição trabalha com o princípio de que modelos e sistemas de inteligência artificial precisam receber proteção semelhante à aplicada a outros ativos críticos. Isso inclui controle de acessos e monitoramento das ações realizadas pelos sistemas.
O desafio também envolve ataques aos próprios modelos, incluindo o uso de dados manipulados ou falsos para comprometer seu funcionamento. Se antes a prioridade era proteger os sistemas, agora é necessário proteger também a camada de inteligência que passa a operar sobre eles.
Outro ponto comum ao debate foi o equilíbrio entre segurança e experiência do cliente.
Na Caixa, a escala é um desafio adicional. Como banco público, a instituição atende públicos com diferentes perfis e necessidades, o que exige modelos capazes de atuar em grande volume sem criar uma jornada excessivamente complexa.
A IA pode contribuir para identificar riscos e tornar os processos mais eficientes, mas precisa manter a operação compreensível para o cliente.
O Banco do Brasil trouxe preocupação semelhante. Investimentos em proteção dos canais precisam ser acompanhados por uma arquitetura capaz de preservar a experiência do usuário. Uma camada de segurança mal desenhada pode gerar atrito, impedir operações legítimas e, consequentemente, prejudicar o próprio negócio.
Por isso, a tecnologia precisa ser combinada com contexto de negócio. O objetivo não é simplesmente detectar o maior número possível de comportamentos suspeitos, mas distinguir situações de risco de operações legítimas.
Autonomia com governança
A expansão da autonomia dos sistemas de IA também trouxe uma preocupação recorrente no painel: até onde deixar uma máquina decidir?
Para a Caixa, processos mais críticos exigem limites de autonomia proporcionais ao risco. Quanto maior a criticidade da operação, maior deve ser o nível de governança e controle.
O debate também apontou que colocar IA sobre processos antigos, complexos e volumosos não significa que todos os problemas serão automaticamente resolvidos. Em ambientes bancários, modelos precisam conviver com sistemas legados e processos críticos.
No Banco do Brasil, a governança apareceu como elemento necessário tanto para a implantação quanto para o período posterior. Modelos precisam ser constantemente testados, monitorados e controlados.
A preocupação se estende à auditabilidade. “Em um ambiente no qual decisões passam a ser tomadas ou influenciadas por algoritmos, é necessário conseguir entender o funcionamento do modelo e reconstruir o caminho percorrido quando algo dá errado”, explicou Marcelo Henrique, do Banco do Brasil.
Explicabilidade entra na linha de defesa
A confiança nos modelos foi apontada como uma das condições para ampliar a autonomia da IA.
No Santander, um dos desafios está justamente em demonstrar que determinado modelo continuará adequado ao longo do tempo. “Isso exige acompanhar variáveis, avaliar resultados e estabelecer mecanismos de governança”, justificou Leandro Ferreira Granja, do Santander Brasil.
Segundo o especialista, a explicabilidade ganha ainda mais importância nesse processo. “Se uma decisão automatizada produzir um resultado inadequado, o banco precisa conseguir identificar o que aconteceu, corrigir o problema e, quando necessário, ajustar o modelo”, completou.
A segurança envolve também governança, processos, pessoas e responsabilidade sobre as decisões automatizadas. Mas, a transformação não acontece apenas nos sistemas. Os executivos destacaram a necessidade de formar profissionais mais híbridos, capazes de combinar conhecimentos de tecnologia, segurança, negócio e inteligência artificial. O treinamento contínuo das equipes passa a ser parte da própria estratégia de defesa.
A Caixa também apontou o letramento digital como componente importante, enquanto o debate reforçou que upskilling (o desenvolvimento contínuo de novas competências) será permanente em áreas de tecnologia e segurança.
No fim, a discussão do Febraban Tech mostrou que a corrida não terá um ponto final. Os modelos de defesa evoluem, os ataques evoluem e os mecanismos de proteção precisam evoluir novamente. A IA pode acelerar esse ciclo e permitir que os bancos identifiquem ameaças em uma velocidade que seria difícil alcançar apenas com equipes humanas. Mas o avanço da tecnologia traz uma exigência adicional: quanto mais autonomia os sistemas ganham, maior precisa ser a capacidade de governá-los.
Segundo os especialistas, a cibersegurança entrou em uma nova fase. Não se trata apenas de usar IA para proteger o sistema financeiro, mas de garantir que a própria inteligência artificial seja segura, monitorável, explicável e confiável.
