Itaú cresce uso de IA em 88% e reduz custo com tokens em 65%

A inteligência artificial começa a ganhar escala dentro do Itaú acompanhada por uma preocupação que vai além da quantidade de casos de uso: encontrar a tecnologia adequada para cada problema, controlar custos e criar uma estrutura capaz de transformar experimentações em aplicações de uso massivo. O banco já reúne mais de 800 iniciativas envolvendo IA e registrou crescimento de aproximadamente 88% no uso da tecnologia no primeiro semestre de 2026 em comparação ao mesmo período de 2025.

Os números foram apresentados por André Palma, diretor de TI do Itaú e CEO da ZUP, durante entrevista à TI Inside na FEBRABAN TECH. No mesmo período, segundo o executivo, o uso de machine learning cresceu 30%, movimento que demonstra uma ampliação da adoção das tecnologias dentro da instituição.

A trajetória ganhou força depois do avanço da IA generativa a partir de 2022. Na sequência daquele movimento, Itaú e ZUP cocriaram a StackSpot AI, criando um ambiente que permitiu ao banco desenvolver experimentos e aprendizado enquanto estruturava governança e guardrails para a expansão da tecnologia.

Para Palma, esse espaço de experimentação também possui um componente relacionado às pessoas. Permitir que profissionais utilizem as ferramentas e aprendam com elas faz parte da evolução da adoção, desde que a experimentação aconteça acompanhada pelos controles necessários.

IA começa a mudar a relação com o cliente

Uma das iniciativas mais recentes dessa estratégia é a Inteligência Itaú, chamada de IAI, lançada poucas semanas antes da entrevista. A solução foi desenvolvida para criar uma experiência conversacional dentro do super app do banco.

A estratégia, segundo Palma, não foi distribuir diferentes inteligências artificiais entre produtos específicos. O objetivo foi construir uma IA responsável pela relação com o cliente, mantendo o usuário no centro da interação.

A proposta é permitir que o relacionamento não comece necessariamente pela escolha de um produto bancário. A IA passa a considerar o contexto do cliente e amplia a interação para além de uma resposta específica, buscando facilitar o uso e contribuir para sua vida e saúde financeira.

A solução já começou a ser utilizada por alguns clientes e, segundo Palma, encontra-se em processo de expansão.
Esse movimento acompanha uma mudança mais ampla na forma como o banco enxerga inteligência artificial. Dados e machine learning fazem parte da trajetória tecnológica da instituição há décadas, mas a etapa atual começa a deslocar o foco de simplesmente produzir uma boa resposta.

Para Palma, o potencial está cada vez mais ligado à orquestração e à capacidade de olhar de forma mais ampla para aquilo que a tecnologia pode entregar. É nesse contexto que entram também os ambientes agênticos, tanto na interação com clientes quanto nos processos internos.

De semanas para horas

Na operação interna, essa mudança começa a alcançar a própria forma de desenvolver produtos e tecnologia. Palma explicou que o banco está reimaginando sua jornada de produção com o objetivo de fazer com que ciclos que atualmente podem levar semanas eventualmente aconteçam em horas.

A redução do tempo não é apresentada apenas como ganho de velocidade. A expectativa é liberar capacidade para que as equipes analisem mais experiências possíveis para os clientes, estudem seu comportamento e aprofundem a relação com eles.

Em um dos casos compartilhados pelo executivo, ligado à comunidade de seguros, o banco passou a trabalhar com o conceito de squads híbridas e a revisar o processo de ponta a ponta.

Segundo Palma, essa abordagem apresentou ganhos de 80% a 90% na velocidade de entrega de valor de uma feature. Em partes específicas da engenharia de software e do processo de desenvolvimento, os resultados chegaram a uma ordem de 20 a 30 vezes mais velocidade em relação à maneira como o trabalho era realizado anteriormente.

A experiência também levou a uma discussão sobre a própria evolução dos métodos de trabalho. Em vez de simplesmente acrescentar IA a uma etapa existente, a instituição passou a avaliar o fluxo completo e a maneira como os processos podem ser reconstruídos para aproveitar melhor a tecnologia.

Mais de mil modelos disponíveis

A escala, entretanto, cria uma nova equação financeira e tecnológica. Atualmente, segundo Palma, o Itaú possui mais de mil modelos disponíveis para utilização.

Isso não significa que o modelo mais sofisticado precise ser aplicado em todos os casos. Pelo contrário: encontrar a melhor relação entre resposta e custo-benefício tornou-se parte da estratégia.

Entre 2024 e 2025, o Itaú conseguiu reduzir em 65% seus custos com tokens. Palma explica que o resultado não veio apenas da redução do valor unitário do consumo, mas também da decisão de utilizar modelos de IA especificamente onde eles são necessários e na camada adequada.

Tecnologias já existentes e dominadas, com custos mais controlados, continuam fazendo sentido em determinados problemas. Modelos de IA entram principalmente onde podem criar diferenciação, apoiar novos modelos de criação ou estabelecer uma relação diferente com o cliente.

A estratégia, portanto, não passa por substituir indiscriminadamente tecnologias anteriores por IA generativa. O objetivo é encontrar o equilíbrio entre custo-benefício e o tipo de experiência que cada aplicação pode proporcionar.

Escalar começa pela definição do problema

Essa lógica leva a uma pergunta anterior à própria escolha da tecnologia: qual problema precisa ser resolvido?

Para Palma, delimitar claramente o escopo é fundamental. A empresa precisa entender se aquele problema realmente pode produzir impacto para o negócio e, de preferência, se a solução possui potencial para alcançar uma adoção mais ampla.

Dentro da estratégia de ZUP e Itaú, o executivo cita o conceito de IA massificada. A ideia é desenvolver soluções junto aos clientes que possam ser expandidas rapidamente.

Quando as pessoas começam a identificar valor individual no uso de determinada ferramenta, a adoção pode acontecer de maneira mais orgânica. Isso gera benefícios para a companhia, para os clientes e, consequentemente, para a evolução dos negócios.

A massificação, entretanto, depende da existência de uma estrutura que permita ampliar o acesso sem abandonar controles.

Governança como condição para a escala

Na visão de Palma, governança é mandatória nessa jornada. Para o mercado financeiro, isso significa construir uma fundação capaz de preservar os dados da instituição, controlar o uso das tecnologias e garantir que o valor seja entregue de maneira segura.

Plataforma, governança e uma base estruturada aparecem, portanto, como peças necessárias para sustentar a expansão. A estratégia também precisa respeitar as políticas e exigências regulatórias aplicáveis à operação do banco.

O executivo também destacou a importância de Responsible AI para que as respostas oferecidas aos clientes sejam adequadas e seguras.

O desafio cresce quando uma iniciativa que funciona bem em uma área precisa alcançar a organização inteira. Palma descreve essa passagem como a busca por transformar um “ótimo local” em um “ótimo global”.

Isso exige mudanças no comportamento das pessoas, conhecimento técnico para utilizar novas plataformas e, novamente, guardrails, segurança e governança que orientem a utilização.

Outro componente da estratégia é tratar as próprias plataformas internas como produtos. A lógica é que uma ferramenta que entrega uma boa experiência e agrega valor ao cotidiano tende a conquistar usuários e ampliar sua adoção de maneira mais natural.

Essa abordagem também permite que diferentes perfis — de produto e design a tecnologia e áreas de negócio — tenham acesso às novas capacidades. O Itaú vem experimentando essa democratização de maneira controlada e acompanhando como o comportamento das pessoas evolui diante da transformação.

Experimentar, mas com clareza

Para executivos que ainda buscam estruturar a adoção e a escala da inteligência artificial, Palma aponta como ponto de partida a delimitação do escopo e a clareza sobre o problema que precisa ser resolvido.

Isso inclui reconhecer os limites atuais da tecnologia e escolher a ferramenta e o modelo adequados para cada situação, em vez de partir da premissa de que inteligência artificial precisa necessariamente ser aplicada a todos os problemas.

Ao mesmo tempo, o executivo defende a continuidade da experimentação. Nem todos os projetos precisam funcionar na primeira tentativa. Experimentos que não alcançam o resultado esperado também podem produzir aprendizado para as próximas iniciativas.

A experiência do Itaú mostra uma jornada em que aumentar a quantidade de aplicações é apenas uma parte da escala. O avanço também passa por reduzir custos, escolher entre diferentes tecnologias, reimaginar processos e criar condições para que soluções que funcionam localmente consigam alcançar outras partes da organização.

Com mais de 800 iniciativas em andamento e uma estratégia que combina IA generativa, machine learning e mais de mil modelos disponíveis, o desafio passa a ser menos simplesmente colocar inteligência artificial dentro do banco e mais identificar onde ela efetivamente gera valor e qual é a melhor forma de levá-la à escala.

 

FONTE: Tiinside, por Raquel Verderosi