Custos crescentes da inteligência artificial desafiam bancos de

À medida que os bancos ampliam o uso da inteligência artificial (IA), a alta imprevisibilidade dos custos gerados por modelos avançados tem se tornado um desafio crescente para Wall Street. Executivos financeiros enfrentam uma nova dor de cabeça ao tentar equilibrar o investimento em tecnologia de ponta com o controle dos gastos, sem comprometer a produtividade e a inovação.

Segundo especialistas e consultorias, muitos diretores financeiros concederam inicialmente um “cheque em branco” para as equipes de tecnologia durante a corrida de adoção da IA, especialmente em bancos, onde já existem demandas concorrentes por recursos, como a modernização de sistemas legados e a cibersegurança. Isso resultou em contas inesperadas e orçamentos pressionados.

O custo para executar tarefas com IA, em especial quando envolve IA agêntica capaz de realizar atividades complexas autonomamente, é difícil de prever devido à variação significativa no volume de processamento demandado. A quantidade de tokens necessários para cada operação pode variar, tornando essencial que as instituições acompanhem os custos em relação aos benefícios gerados.

Apesar do destaque que CEOs de grandes bancos dão à tecnologia, poucos divulgam valores gastos ou retornos financeiros precisos. Executivos de instituições como Citigroup e Goldman Sachs confirmaram o aumento dos investimentos em IA, mas reconheceram dificuldades na quantificação dos custos exatos.

Para conter despesas, alguns bancos têm adotado estratégias específicas. O Deutsche Bank orientou seus funcionários para um uso mais eficiente da IA, substituindo grandes modelos genéricos por versões mais leves e personalizadas. O Santander segue prática parecida, utilizando modelos de ponta para validação e migrando procedimentos para sistemas menos custosos, reduzindo o custo de processos significativamente.

Já o Canadian Imperial Bank of Commerce (CIBC) limita o acesso aos modelos mais caros a grupos reduzidos para evitar explosão de despesas. O banco restringiu usuários da plataforma interna de IA para 250 pessoas durante o período de testes, visando controle rigoroso dos gastos.

O avanço da IA agêntica, que delega múltiplas etapas complexas das operações bancárias às máquinas, é um dos maiores fatores do aumento das despesas. Exemplos incluem processamento de fluxos de trabalho para financiamento imobiliário, análises financeiras, monitoramento de crédito e detecção de lavagem de dinheiro. Tais aplicações demandam muito processamento e elevam o consumo de tokens.

O aumento dos custos tem levado bancos a adotar medidas como reutilização de respostas, priorização de modelos de código aberto para tarefas simples, e reserva dos modelos premium apenas para atividades complexas. Instituições como BNP Paribas exigem estimativas detalhadas e comitês multifuncionais para aprovar projetos de IA, alinhando despesas à expectativa de retorno.

A busca por modelos mais econômicos também impulsionou o interesse em soluções chinesas, cuja tecnologia apresenta desempenho semelhante aos concorrentes, mas com custos inferiores. Instituições em Singapura já testam múltiplos fornecedores para reduzir dependência de empresas americanas, embora a regulação restrita dificulte adoção acelerada.

De acordo com especialistas, a reação para o controle dos custos tem sido mais rápida do que em outras tecnologias, como a computação em nuvem. No JPMorgan Chase, funcionários chegaram a gastar em tokens valor superior ao seus salários, levando a imposição de limites mensais para utilização.

O desafio não é apenas tecnológico, mas financeiro e de governança. Executivos apontam para a necessidade de um diretor de IA com autoridade para gerir orçamentos e prioridades, evitando os impactos negativos das chamadas “corridas armamentistas” em investimentos tecnológicos, que podem gerar contas altas e pânico entre os CFOs.