Goldman Sachs planeja implantar o modelo Claude, da Anthropic, em tarefas de contabilidade de operações e no onboarding de clientes — movimento que, segundo uma reportagem do American Banker, faz parte de uma tendência entre grandes bancos de adotar inteligência artificial generativa para aumentar a eficiência. O foco está em processos operacionais do back office que historicamente dependem de grandes equipes para atividades como revisão de documentos, reconciliação e checagens de conformidade.
Algumas instituições já usam IA generativa em atividades de conhecimento. O JPMorgan Chase fornece aos funcionários uma suíte de modelos de linguagem para recuperação de informações e análise de dados; o assistente Erica do Bank of America responde a dúvidas internas de tecnologia e recursos humanos; e o Citi e o próprio Goldman utilizam IA para auxiliar desenvolvedores com programação. A novidade recente, segundo a reportagem, é a aplicação dessa tecnologia em tarefas operacionais como contabilidade de operações e know-your-customer (KYC).
Automatizando os casos de exceção
Processos passíveis de automação no setor tendem a ser baseados em regras: coletam dados, validam-nos frente a bases internas e externas e reúnem documentação necessária. Em teoria, sistemas tradicionais já tentaram automatizar esse trabalho, mas, como observa Marco Argenti, diretor de tecnologia do Goldman, mesmo quando regras resolvem a maioria dos casos, uma pequena parcela de transações foge aos parâmetros definidos — o que pode representar milhares de ocorrências em grande escala. Ele cita, por exemplo, a verificação de identidade em KYC, na qual pequenas discrepâncias ou documentos próximos do vencimento geram exceções que exigem julgamento.
Argenti defende que redes neurais conseguem lidar com essas microdecisões ao aplicar raciocínio contextual onde regras fixas falham ou não fornecem resposta clara. Nessa visão, a IA generativa complementa sistemas baseados em regras em vez de substituí-los. O ganho operacional, portanto, vem da redução do número de casos que demandam intervenção humana e do menor tempo para resolver exceções.
A experiência com programação
A experiência prévia do Goldman com versões internas do Claude voltadas para desenvolvimento de software influenciou a decisão de expandir o uso da IA para outras áreas operacionais. Desenvolvedores utilizam uma versão do Claude com o agente Devin, da Cognition, para auxiliar na programação: humanos definem especificações e parâmetros regulatórios, o agente gera código e os desenvolvedores revisam os resultados. O agente também é usado para executar testes e validações de código, alterando o fluxo de trabalho dos times de desenvolvimento ao operar conforme instruções definidas — o que traz ganhos de produtividade e acelera a entrega de projetos.
Para contabilidade de operações e onboarding, equipes do Goldman e da Anthropic observaram fluxos de trabalho com especialistas do domínio para identificar gargalos. Os agentes implementados revisam documentos, extraem entidades, determinam se documentação adicional é necessária, avaliam estruturas de propriedade e podem acionar checagens de conformidade subsequentes. Essas tarefas costumam ser documentais e exigir julgamentos individuais; ao automatizar a extração e a avaliação preliminar, os agentes reduzem o tempo que analistas gastam em trabalhos de comparação.
Segundo Indranil Bandyopadhyay, analista principal da Forrester, a reconciliação em contabilidade de operações exige a comparação de dados fragmentados em livros internos, confirmações de contraparte e análises de extratos bancários, dependendo de extrações e correspondências precisas de números e textos. A capacidade do Claude de processar janelas de contexto amplas e seguir instruções o torna adequado a esses fluxos. No onboarding, tarefas como ler passaportes e documentos de registro societário e cruzar várias fontes beneficiam-se da habilidade da IA em extrair dados estruturados e sinalizar inconsistências, reduzindo a carga de trabalho.
Bandyopadhyay ressalta que plataformas contábeis e de compliance continuam sendo os sistemas canônicos de registro; o Claude atua na camada de workflow, cuidando da extração e da comparação para que analistas humanos tratem as exceções. Nesse arranjo, o valor operacional em ambientes regulamentados como o bancário está nessa divisão de tarefas.
Riscos, auditoria e supervisão humana
Jonathan Pelosi, chefe de serviços financeiros na Anthropic, afirma que o Claude é treinado para expor incertezas e fornecer atribuição de fontes, criando um rastro de auditoria que ajuda a mitigar o problema de “alucinações”. Bandyopadhyay também enfatiza a importância da supervisão humana e da validação, defendendo o desenho de sistemas que detectem erros precocemente.
Marco Argenti rejeita a ideia de que sistemas de IA sejam intrinsecamente mais fáceis de enganar do que pessoas, argumentando que engenharia social explora vulnerabilidades humanas e que a IA pode identificar anomalias sutis em escala. Ele reitera a necessidade de combinar julgamento humano com escrutínio automatizado nas equipes — um modelo que, segundo ele, permite ampliar a capacidade operacional sem aumento proporcional de pessoal, mesmo reconhecendo os desafios comuns às implantações de IA.
Em resumo, no setor bancário a IA generativa aparece como uma ferramenta para acelerar o processamento de documentos, reduzir o tempo de tratamento de exceções e aumentar o throughput em fluxos de alto volume, mantendo, contudo, a necessidade de supervisão humana e a dependência dos sistemas oficiais de registro.
