20 PESQUISA GLOBAL 26 SOBRE TOMADA DE DECISÃO A Tomada de Decisão com IA hoje:
Insights de mais de 200 líderes do setor financeiro Realizada pela The Harris Poll em nome da Provenir
ESCOPO DA PESQUISA: -
203 tomadores de decisão entrevistados (diretoria e C-level)
-
22 países representados
-
Bancos, fintechs, seguros, telecomunicações e serviços financeiros
RESUMO EXECUTIVO O setor de serviços financeiros encontra-se em um ponto de inflexão na adoção da inteligência artificial na tomada de decisões. Nossa Pesquisa Global de Tomada de Decisão 2026 revela um setor que reconhece o potencial transformador da IA, mas ainda enfrenta desafios quase universais de implementação. Entrevistamos 203 executivos sêniores – incluindo Chief Risk Officers, CEOs, CFOs e Diretores de Risco – em 22 países, abrangendo bancos, fintechs, seguradoras, telecomunicações e outros segmentos de serviços financeiros. Os resultados revelam uma visão complexa de um setor em transição.
RESUMO DAS PRINCIPAIS DESCOBERTAS O Paradoxo da IA: 87% confiam nos resultados de decisões orientadas por IA, mas 97% enfrentam barreiras de implementação
Inteligência de Decisão: 77% a consideram muito valiosa para sua estratégia nos próximos 2 a 3 anos
O Desafio da Fraude: 77% estão preocupados com ameaças de fraude viabilizadas por IA, ao mesmo tempo em que precisam da IA para combater fraudes
Prioridade de Investimento: 60% planejam investir em IA ou inteligência embarcada para tomada de decisão em 2026
Avanço em Tempo Real: 91% foram além de modelos exclusivamente estáticos; 52% utilizam abordagens híbridas
Lacuna de Governança: Apenas 33% implementaram plenamente frameworks de IA responsável
Esses resultados mostram um setor que sabe aonde precisa chegar, mas ainda enfrenta obstáculos significativos ao longo do caminho. As organizações que conseguirem superar as barreiras de implementação – relacionadas a compliance, explicabilidade e integração – construirão vantagens competitivas sustentáveis por meio de decisões mais rápidas, precisas e adaptáveis.
O PARADOXO DA TOMADA DE DECISÃO: ALTO INTERESSE, BARREIRAS UNIVERSAIS
O PARADOXO DA TOMADA DE DECISÃO: ALTO INTERESSE, BARREIRAS UNIVERSAIS Organizações de serviços financeiros enfrentam um paradoxo marcante: ampla confiança nas capacidades da IA combinada com desafios quase universais de implementação.
OS NÚMEROS CONTAM A HISTÓRIA
3%
Sem Obstáculos
29%
Alta Confiança
97%
58%
Barreiras de Implementação
Confiança parcial
87%
confiam nos resultados de decisões orientadas por IA
O setor acredita no potencial da IA. O nível de confiança é elevado, com 29% declarando forte confiança e 58% afirmando confiar parcialmente nas plataformas de tomada de decisão baseadas em IA.
97%
No entanto, 97% enfrentam barreiras de implementação
Apenas 3% relatam não encontrar qualquer obstáculo ao implementar IA em soluções de tomada de decisão. Essa dificuldade quase universal aponta para desafios sistêmicos, e não para problemas técnicos pontuais.
O PARADOXO DA TOMADA DE DECISÃO: ALTO INTERESSE, BARREIRAS UNIVERSAIS
AS TRÊS PRINCIPAIS BARREIRAS Quando perguntamos o que impede as organizações de implementar IA na tomada de decisão, três barreiras se destacaram:
1.
Requisitos de Compliance e Regulamentação (44%)
2.
Falta de Transparência e Explicabilidade para a IA (44%)
3.
Desafios de Integração com Sistemas Existentes (41%)
O cenário regulatório da IA nos serviços financeiros segue fragmentado e em constante evolução. As organizações lidam com incertezas sobre como demonstrar a equidade dos modelos, documentar processos decisórios e atender a reguladores que, muitas vezes, ainda estão desenvolvendo seus próprios frameworks de supervisão de IA.
O problema da “caixa-preta” não é apenas técnico – ele é existencial para instituições financeiras reguladas. Quando um analista de crédito precisa explicar por que um cliente teve o pedido negado, ou quando uma equipe de compliance deve justificar decisões diante de reguladores, “o algoritmo disse” não é uma resposta aceitável.
A maioria das instituições financeiras opera sobre um mosaico de sistemas legados, construídos ao longo de décadas. Esses sistemas não foram projetados para suportar troca de dados em tempo real, muito menos modelos de IA que exigem fluxos contínuos de dados e ciclos rápidos de implantação.
Um Chief Risk Officer descreveu a situação como “tentar obter certificação para um padrão que ainda não foi escrito”. A falta de diretrizes regulatórias claras e consistentes gera paralisia em organizações que precisam equilibrar inovação e conformidade.
Modelos tradicionais de machine learning costumam sacrificar interpretabilidade em favor da precisão, forçando as organizações a escolher entre desempenho e explicabilidade. Esse trade-off é inaceitável em ambientes regulados, nos quais as decisões precisam ser defensáveis.
A dívida técnica é significativa. As organizações precisam investir pesadamente na modernização da infraestrutura ou encontrar formas de sobrepor capacidades de IA aos sistemas existentes – ambas opções complexas e custosas.
POR QUE ISSO IMPORTA A diferença entre o nível de confiança (87%) e a implementação bem-sucedida (apenas 3% não enfrentam barreiras) mostra que os líderes compreendem o potencial da IA e confiam em suas capacidades. A dificuldade não está em saber se a IA funciona – mas em fazê-la funcionar dentro de contextos organizacionais e regulatórios específicos. Esse paradoxo cria tanto um desafio quanto uma oportunidade. As organizações que conseguirem decifrar a implementação sairão significativamente à frente dos concorrentes que ainda lutam para superar essas barreiras.
ESTADO ATUAL E NÍVEL DE MATURIDADE
ESTADO ATUAL E NÍVEL DE MATURIDADE ABORDAGENS DE TOMADA DE DECISÃO: A Transição Além do Estático O setor avançou de forma decisiva para além de modelos exclusivamente estáticos. Apenas 9% ainda dependem principalmente de modelos estáticos com atualizações periódicas – uma mudança drástica em relação há poucos anos atrás.
Panorama Atual da Tomada de Decisão:
O Ponto Ideal do Modelo Híbrido
52%
Abordagem Híbrida (estática + elementos em tempo real)
27% 12% 9%
Avaliação Predominantemente em Tempo Real
A maioria encontrou um meio-termo, combinando a estabilidade de lógicas baseadas em regras já consolidadas com o poder da IA para decisões mais complexas.
Mais de um quarto utiliza principalmente avaliações de risco e oportunidade em tempo real, demonstrando um avanço relevante.
Totalmente em Tempo Real e Adaptativo
A vanguarda – organizações com entrega de decisões em milissegundos e otimização contínua de modelos.
Modelos Predominantemente Estáticos
Apenas uma pequena minoria ainda depende de atualizações periódicas em lote.
Os 52% que utilizam abordagens híbridas podem ter encontrado o equilíbrio ideal – combinando a estabilidade e a explicabilidade da tomada de decisão tradicional com o poder da IA onde ela gera mais valor. Essa arquitetura permite que as organizações implementem IA de forma incremental, mantendo supervisão humana em cenários de alto risco e aproveitando a IA quando apropriado.
ESTADO ATUAL E NÍVEL DE MATURIDADE
COMPLEXIDADE DE IMPLANTAÇÃO: Um Setor Dividido Quando questionados sobre a facilidade de implantar e manter modelos de decisão de risco, as respostas se dividiram igualmente:
50%
consideram fácil
50%
consideram difícil
Essa divisão evidencia a variabilidade das capacidades organizacionais e do nível de sofisticação tecnológica. As organizações líderes investiram em plataformas e expertise que tornam a implantação mais simples; as demais enfrentam complexidade técnica e falta de preparo organizacional.
PRONTIDÃO PARA HIPERPERSONALIZAÇÃO A maioria das organizações afirma estar preparada para recomendações altamente personalizadas aos clientes:
26%
Totalmente prontas: Personalização em tempo real, orientada por IA
44%
Prontas: Capacidades avançadas de personalização
27%
Parcialmente prontas: Personalização básica implementada
3%
Não prontas: Integração de dados limitada
Os 70% que se declaram “prontos” ou “totalmente prontos” representam um avanço significativo. No entanto, prontidão não significa automaticamente implementação bem-sucedida – os mesmos desafios de integração e orquestração de dados que afetam a tomada de decisão também impactam a personalização.
ESTADO ATUAL E NÍVEL DE MATURIDADE
MATURIDADE DA GOVERNANÇA DE IA Todas as organizações pesquisadas implementaram algum tipo de framework de IA responsável, mas os níveis de maturidade variam de forma significativa:
33%
Totalmente implementada e monitorada
47%
Parcialmente implementada
20%
Em estágio inicial de desenvolvimento
15%
4%
SOFISTICAÇÃO DOS MECANISMOS DE CONTROLE Além dos níveis de maturidade, os mecanismos de controle adotados pelas organizações também variam:
37%
44%
37% - Frameworks abrangentes de IA responsável: Incluem diretrizes éticas, auditorias de equidade, padrões de explicabilidade e supervisão humana no processo decisório 44% - Governança moderada com controle granular: Políticas detalhadas para uso de dados, transparência dos modelos e monitoramento de vieses 15% - Verificações básicas de compliance: Foco apenas no cumprimento de requisitos legais e regulatórios 4% - Controles mínimos: Poucas restrições; sistemas de IA operam com ampla autonomia
A diferença entre organizações em diferentes níveis de maturidade determinará quem conseguirá escalar o uso da IA de forma responsável. Aquelas mais avançadas em sua jornada de governança estão melhor posicionadas para acelerar a implantação da IA.
O PARADOXO FRAUDE–IA
O PARADOXO FRAUDE–IA As organizações enfrentam uma tensão crítica: precisam da IA para combater fraudes cada vez mais sofisticadas, mas 77% estão preocupadas com ameaças de fraude viabilizadas por IA. Isso cria um dilema duplo que exige uma navegação cuidadosa.
OPORTUNIDADE E AMEAÇA A oportunidade da IA na prevenção a fraudes:
A preocupação com fraudes viabilizadas por IA:
75%
77%
utilizam prevenção a fraudes adaptativa orientada por IA
74%
adotam detecção de anomalias em tempo real
87%
confiam nos resultados de decisões orientadas por IA
estão preocupados com ameaças de fraude viabilizadas por IA
50%
têm dificuldade em detectar e reagir rapidamente a novas tendências de fraude
O cenário de ameaças evolui mais rápido do que os sistemas de defesa
O cenário de fraudes avança em um ritmo sem precedentes. Agentes mal-intencionados usam IA para evoluir suas táticas em tempo real, testando milhares de vetores de ataque simultaneamente. Atualizações mensais ou trimestrais de modelos tradicionais não conseguem acompanhar esse ritmo.
O DESAFIO DA VELOCIDADE Quando questionados sobre seu maior desafio em fraudes de aplicação, 50% apontaram a dificuldade de detectar e reagir rapidamente a novas tendências de fraude. Esse é o cerne do paradoxo – as organizações precisam de sistemas de IA adaptativos e em tempo real para combater fraudes, mas a implantação desses sistemas esbarra diretamente em barreiras de implementação relacionadas à governança e à explicabilidade.
O QUE UMA ESTRATÉGIA ABRANGENTE DE COMBATE À FRAUDE EXIGE Ao estruturar uma prevenção a fraudes completa, as organizações priorizam: 1. Análise abrangente do risco de fraude com base em dados de clientes (33% classificam como mais importante) As organizações precisam de visibilidade completa sobre as interações e padrões de comportamento dos clientes – e não de visões fragmentadas por canal ou linha de produto. 2. Redução de atrito na experiência do cliente (23%) A tensão eterna na prevenção a fraudes: segurança não pode vir à custa da experiência do cliente. Organizações que exageram no atrito acabam perdendo clientes legítimos.
3. Alinhamento de dados no nível do cliente, e não por canal (22%) Quebrar silos para criar visões unificadas do cliente permite uma detecção de fraudes mais eficaz, sem falsos positivos que frustram bons clientes. 4. Eliminação de silos de dados entre equipes de fraude e crédito (19%) A separação organizacional tradicional entre fraude e crédito cria pontos cegos. Visões integradas aprimoram tanto a prevenção a fraudes quanto a tomada de decisão de crédito.
O PARADOXO FRAUDE–IA
PRINCIPAIS MÉTRICAS DE PREVENÇÃO A FRAUDES As organizações medem sucesso de formas diferentes:
54%
Aumento da eficiência operacional e da automação 16% apontam esta como a principal métrica
54%
Melhoria da precisão dos modelos de IA e ML 25% apontam esta como a principal métrica
52% Redução de perdas por fraude
15% apontam esta como a principal métrica
A diversidade de métricas principais reflete prioridades organizacionais e níveis de maturidade distintos. É importante notar que eficiência operacional e precisão dos modelos aparecem no mesmo patamar da redução de perdas por fraude, sugerindo que as organizações reconhecem que a prevenção sustentável de fraudes exige excelência operacional sistêmica – e não apenas a minimização de perdas.
A SOLUÇÃO PARA O PARADOXO As organizações que conseguem navegar esse paradoxo com sucesso equilibram uma adoção agressiva de IA com uma gestão de riscos abrangente. Elas: Implementam arquiteturas de IA explicável desde o início Mantêm supervisão humana no processo decisório para questões de alto risco Adotam monitoramento contínuo de desvio de modelo e vieses Tratam a governança como um produto contínuo, não como um projeto pontual
O PRINCIPAL INSIGHT: não é possível sacrificar governança em nome da velocidade, nem sacrificar velocidade em nome da governança. As organizações líderes encontram formas de alcançar ambos.
INTELIGÊNCIA DE DECISÃO: A PRÓXIMA FRONTEIRA
INTELIGÊNCIA DE DECISÃO: A PRÓXIMA FRONTEIRA A Inteligência de Decisão representa a evolução da tomada de decisão automatizada para uma tomada de decisão orientada por IA, continuamente otimizada, que aprende e melhora ao longo do tempo. Não se trata apenas de automação – é inteligência que se acumula e gera valor continuamente.
POR QUE A INTELIGÊNCIA DE DECISÃO IMPORTA
77%
acreditam que a Inteligência de Decisão será muito valiosa para sua estratégia de tomada de decisão nos próximos 2 a 3 anos (outros 17% a consideram moderadamente valiosa)
Esse interesse expressivo reflete o reconhecimento de que a tomada de decisão tradicional – mesmo quando apoiada por IA – não é suficiente. As organizações precisam de sistemas que não apenas tomem decisões, mas que também ajudem a compreender, otimizar e aprimorar continuamente seus processos decisórios.
ADOÇÃO E INTERESSE ATUAIS
75%
já colaboram em iniciativas de inteligência de decisão orientadas por IA
18%
estão explorando parcerias
66%
têm muito interesse em usar IA para implementação e otimização de estratégias
26%
têm interesse moderado
O mercado avançou rapidamente. A maioria já não pergunta “devemos explorar Inteligência de Decisão?”, mas sim “como implementá-la de forma eficaz?”.
INTELIGÊNCIA DE DECISÃO: A PRÓXIMA FRONTEIRA
CAPACIDADES DE IA MAIS VALORIZADAS Quando questionadas sobre quais funcionalidades de IA geram mais valor, as organizações priorizam:
1.
Capacidade de explorar IA generativa por meio de consultas em linguagem natural (51%) A democratização dos insights de IA por meio de interfaces conversacionais transforma quem pode acessar e agir com base em dados de tomada de decisão.
2.
Tomada de decisão em tempo real em todos os pontos de contato com o cliente (49%) Velocidade e consistência entre canais criam melhores experiências para o cliente e reduzem a complexidade operacional.
3.
Transparência e explicabilidade dos modelos de IA (50%) O desafio persistente – as organizações precisam de uma IA que possam compreender e defender.
4.
Integração com sistemas e fontes de dados existentes (47%) O requisito prático – a IA precisa funcionar com a infraestrutura atual, sem exigir substituição completa.
A REVOLUÇÃO DA LINGUAGEM NATURAL 92% das organizações consideram importante interagir rapidamente com dados por meio de consultas em linguagem natural:
62% 30%
consideram muito importante
consideram moderadamente importante
Esse interesse quase universal em capacidades de linguagem natural reflete uma mudança fundamental. Dados de tomada de decisão e insights de IA não podem mais ficar restritos a ferramentas especializadas acessíveis apenas a cientistas de dados. Usuários de negócios precisam de acesso direto por meio de interfaces que já dominam – a conversação.
INTELIGÊNCIA DE DECISÃO: A PRÓXIMA FRONTEIRA
Consultas em linguagem natural permitem: Que usuários de negócios explorem dados de tomada de decisão sem conhecimento de SQL
Que executivos obtenham respostas imediatas para questões estratégicas
Que equipes operacionais investiguem anomalias em tempo real
Que equipes de compliance auditem decisões de forma conversacional
Essa democratização ajuda a enfrentar o desafio da implementação de maneira sutil, porém relevante: quando usuários de negócios conseguem interagir diretamente com sistemas de IA usando linguagem natural, eles desenvolvem uma intuição sobre como esses sistemas funcionam. Esse entendimento melhora a capacidade de exercer supervisão de governança e torna toda a organização mais confortável com a tomada de decisão orientada por IA.
IMPACTO NOS NEGÓCIOS COM UMA INTELIGÊNCIA DE DECISÃO APRIMORADA As organizações apontam quatro principais benefícios:
62%
Eficiência Operacional A tomada de decisão automatizada reduz revisões manuais, acelera processos e diminui custos, ao mesmo tempo em que melhora a consistência.
59%
Melhor Experiência do Cliente Decisões mais rápidas, menos atrito e interações personalizadas criam jornadas superiores para o cliente.
58%
Maior Precisão de Modelos e Estratégias
56%
Aprendizado contínuo e otimização melhoram o desempenho preditivo e os resultados ao longo do tempo.
Testes e iterações rápidas permitem que as organizações se adaptem com agilidade às mudanças de mercado e à pressão competitiva.
Implantação Mais Rápida de Novas Estratégias de Decisão
Esses benefícios se acumulam ao longo do tempo. As organizações que implementam Inteligência de Decisão não apenas tomam decisões melhores hoje – elas constroem sistemas que melhoram continuamente, criando vantagens competitivas sustentáveis.
OLHANDO PARA FRENTE: PRIORIDADES DE INVESTIMENTO EM 2026
OLHANDO PARA FRENTE: PRIORIDADES DE INVESTIMENTO EM 2026 O setor reconhece tanto a urgência quanto a oportunidade. As prioridades de investimento refletem um foco em uma implantação de IA responsável e sustentável – e não apenas em acelerar a adoção de tecnologia.
FOCO PRINCIPAL DE INVESTIMENTO
60%
planejam investir em IA ou inteligência embarcada para tomada de decisão em 2026 Esse é o maior foco de investimento individual, à frente de outras iniciativas tecnológicas e melhorias operacionais. As organizações entendem que ficar para trás em tomada de decisão com IA significa perder competitividade. No entanto, investir em tecnologia é apenas parte da equação. Os temas que os líderes desejam aprofundar revelam uma atenção igualmente forte à governança, ao compliance e à implementação responsável.
RECOMENDAÇÕES ESTRATÉGICAS
RECOMENDAÇÕES ESTRATÉGICAS Com base nos resultados da pesquisa e nos padrões observados entre organizações líderes, recomendamos que executivos de serviços financeiros foquem em três áreas críticas:
1. AVALIE COM HONESTIDADE A MATURIDADE DA GOVERNANÇA DE IA Utilize o framework de maturidade apresentado neste relatório para avaliar onde sua organização realmente está – e não onde as políticas dizem que ela deveria estar ou onde você gostaria que estivesse. Apenas 33% implementaram plenamente frameworks de IA responsável. A distância entre líderes e retardatários está aumentando. Identifique lacunas específicas entre seu estado atual e frameworks de governança abrangentes e, em seguida, atribua responsabilidades claras para fechar essas lacunas, com prazos bem definidos.
LISTA DE AÇÕES: Documentar os mecanismos de controle e salvaguardas atuais em todas as aplicações de IA
Criar um roadmap do estado atual até um framework abrangente, com marcos definidos
Avaliar as capacidades de explicabilidade dos modelos existentes – é possível defender cada decisão?
Designar responsabilidade executiva pela evolução da maturidade de governança
Avaliar o nível de prontidão de compliance frente à evolução regulatória em seus mercados
Estabelecer uma cadência regular de revisões de governança com equipes multifuncionais
LEMBRE-SE: governança não é apenas um exercício de compliance – é um facilitador de escala. Organizações com frameworks abrangentes conseguem implantar IA mais rapidamente porque construíram a infraestrutura necessária para uma implantação ágil e em conformidade.
RECOMENDAÇÕES ESTRATÉGICAS
2. COMECE COM PILOTOS DE ALTO VALOR Não tente transformar tudo ao mesmo tempo. Organizações que enfrentam dificuldades na implementação de IA frequentemente tentam “abraçar o mundo” – transformando todos os processos de tomada de decisão de uma só vez. As que têm sucesso seguem um caminho diferente. Identifique um processo decisório em que a IA possa gerar valor de negócio mensurável, com riscos gerenciáveis, e cujo sucesso ajude a construir confiança interna. Estruture esse piloto de forma explícita para enfrentar suas principais barreiras de implementação. CRITÉRIOS PARA SELEÇÃO DO PILOTO:
ABORDAGEM DE IMPLEMENTAÇÃO:
•
Métricas claras de sucesso e potencial de ROI compreensível para a liderança
•
Construir os processos de governança durante o piloto, e não depois
•
Requisitos regulatórios gerenciáveis (não o cenário de compliance mais complexo)
•
Documentar tudo – os aprendizados se tornam o playbook para escalar
•
Dados de qualidade disponíveis, sem a necessidade de grandes projetos de remediação de dados
•
Mensurar resultados de negócios, e não apenas métricas técnicas
•
Patrocínio da liderança executiva e adesão dos stakeholders nas equipes impactadas
•
Comunicar o progresso de forma ampla para gerar tração organizacional
•
Decisões de menor risco, que não causem falhas catastróficas caso os modelos tenham desempenho abaixo do esperado
•
Planejar a escalabilidade desde o primeiro dia, mesmo começando pequeno
•
Escopo razoável – viável em 3 a 6 meses, e não em 18 a 24 meses
Após comprovar que a abordagem funciona, demonstre conformidade e construa confiança interna, expanda para outros casos de uso. Cada expansão se apoia em processos de governança e infraestrutura técnica já validados.
RECOMENDAÇÕES ESTRATÉGICAS
3. INVESTIR EM CAPACIDADES DE INTEGRAÇÃO E ORQUESTRAÇÃO As implementações de IA mais bem-sucedidas utilizam plataformas projetadas para orquestrar decisões sobre sistemas existentes, em vez de exigir a substituição completa desses sistemas. Essa abordagem arquitetural acelera o time-to-value e reduz o risco técnico. Em vez de remover e substituir sistemas construídos ao longo de décadas – uma alternativa cara, arriscada e demorada –, as organizações líderes implantam camadas de tomada de decisão capazes de orquestrar dados de múltiplas fontes e devolver decisões aos sistemas existentes. O QUE PROCURAR:
BENEFÍCIOS DA ORQUESTRAÇÃO:
•
•
Time-to-value mais rápido (meses, não anos)
•
Menor risco técnico (sem substituição total de sistemas)
•
Estabilidade preservada dos sistemas (ambientes legados continuam operando)
•
Flexibilidade para evoluir (facilidade para trocar fontes de dados ou adicionar novas)
•
Governança aprimorada (lógica de decisão centralizada, e não dispersa entre sistemas)
Plataformas de tomada de decisão com fortes capacidades de orquestração de dados
•
Soluções que se integrem a sistemas existentes por meio de APIs modernas
•
Plataformas que ofereçam governança e explicabilidade nativas
•
Casos comprovados de implantação no seu setor, em ambientes técnicos semelhantes
•
Capacidade de começar pequeno e escalar sem retrabalho arquitetural
•
Suporte tanto para tomada de decisão em tempo real quanto em lote, conforme a necessidade
Uma fintech latino-americana implementou com sucesso a tomada de decisão de crédito em tempo real mantendo seu sistema de originação de crédito existente, ao implantar uma camada de tomada de decisão que orquestra dados de 15 fontes diferentes e entrega decisões de volta à plataforma legada em menos de 200 milissegundos. Esse padrão se repete em implementações bem-sucedidas: resolver o desafio da orquestração, e não o da substituição.
A JANELA DE OPORTUNIDADE
A JANELA DE OPORTUNIDADE As organizações que conseguirem superar as barreiras de implementação construirão vantagens competitivas sustentáveis por meio de decisões mais rápidas, mais precisas e mais adaptáveis. Os 97% que enfrentam barreiras não estão sozinhos. Quase todas as organizações lidam com desafios de compliance, explicabilidade e integração. No entanto, a pesquisa revela um padrão importante: as organizações que avançam mais rapidamente deixaram de apenas implantar IA e passaram a construir capacidades que entregam resultados mensuráveis e em constante evolução.
O QUE A PESQUISA REVELA SOBRE INTELIGÊNCIA DE DECISÃO 77% acreditam que a Inteligência de Decisão será muito valiosa para sua estratégia de tomada de decisão nos próximos 2 a 3 anos. Esse interesse já está se convertendo em ação: 75% já colaboram em iniciativas de inteligência de decisão orientadas por IA, e 60% planejam investir em IA ou inteligência embarcada para tomada de decisão em 2026 – tornando esse o principal foco de investimento. O mercado avançou rapidamente. A pergunta deixou de ser “devemos explorar isso?” e passou a ser “como implementamos de forma eficaz?”.
POR QUE ISSO FAZ SENTIDO As organizações priorizam capacidades que vão além da automação básica (51% desejam consultas em linguagem natural, 49% querem tomada de decisão em tempo real, 50% buscam transparência da IA) e resultados mensuráveis (62% citam eficiência operacional, 59% melhor experiência do cliente, 58% maior precisão dos modelos). Essas prioridades apontam para sistemas que viabilizam melhoria contínua, nos quais a IA ajuda as organizações a entender desempenho, otimizar decisões e ajustar estratégias com base nos resultados.
A JANELA DE OPORTUNIDADE
ENFRENTANDO AS BARREIRAS DA IMPLEMENTAÇÃO Uma abordagem de Inteligência de Decisão ajuda a lidar com as barreiras identificadas pela pesquisa: EXPLICABILIDADE:
GOVERNANÇA:
INTEGRAÇÃO:
VELOCIDADE:
As plataformas oferecem visibilidade sobre quais decisões foram tomadas, como estão performando e por quê – facilitando a explicação de resultados para reguladores e stakeholders.
Conectar decisões a resultados de negócios (risco, receita, experiência do cliente) torna a governança mais gerenciável. Em vez de monitorar modelos isoladamente, mede-se o resultado e aprende-se com o desempenho.
Plataformas de Inteligência de Decisão orquestram dados e decisões sobre a infraestrutura existente, sem exigir substituição completa de sistemas.
As organizações podem aprender com cada decisão e otimizar continuamente, enfrentando o desafio da velocidade que 50% apontam como o maior obstáculo na detecção de fraudes.
DOIS CAMINHOS POSSÍVEIS Os dados da pesquisa mostram para onde o setor está caminhando: 91% já superaram modelos exclusivamente estáticos, 77% veem a Inteligência de Decisão como muito valiosa e 75% já colaboram em implementações. As organizações enfrentam uma escolha de abordagem. TRADICIONAL:
INTELIGÊNCIA DE DECISÃO:
Implantar modelos de IA, medir resultados periodicamente, atualizar trimestralmente e gerenciar explicabilidade e governança de forma separada.
Executar decisões em escala, medir resultados continuamente, aprender com o desempenho e otimizar em tempo real. Tudo isso acontece em plataformas unificadas que oferecem a transparência, a governança e as capacidades de integração de que as organizações precisam.
A JANELA DE OPORTUNIDADE
O QUE A INTELIGÊNCIA DE DECISÃO VIABILIZA Com base no trabalho da Provenir com organizações que implementam Inteligência de Decisão, essa abordagem entrega três capacidades centrais: Moldar a estratégia com insights reais de decisão: Desenhar e evoluir a estratégia de tomada de decisão a partir do aprendizado sobre como as decisões realmente performam. A estratégia é mensurada por resultados e continuamente refinada para equilibrar exposição a risco e oportunidades de receita. Transformar resultados por meio de aprendizado contínuo: Conectar decisões a resultados para entender o que impulsiona risco, receita e rentabilidade. Receber recomendações específicas para melhorar o desempenho e aprender com os resultados ao longo do tempo. Personalizar a experiência do cliente com controle de risco: Usar dados, contexto e histórico de decisões para determinar a ação certa para cada cliente individualmente. Aumentar o valor vitalício do cliente mantendo um nível adequado de controle de risco.
A REALIDADE COMPETITIVA Organizações que constroem capacidades de Inteligência de Decisão estão criando sistemas que melhoram a cada decisão. As vantagens se acumulam ao longo do tempo. Aquelas focadas apenas na implantação tradicional de IA correm o risco de ficar para trás. A distância aumenta à medida que os mercados aceleram e as expectativas dos clientes evoluem. Os dados apontam a direção. O mercado está em movimento. Quão rápido sua organização vai agir?
METODOLOGIA DA PESQUISA Esta pesquisa foi conduzida online em 22 mercados globais pela The Harris Poll, a pedido da Provenir, entre 2 e 9 de dezembro de 2025.
ESCOPO DA PESQUISA E PARTICIPANTES Entrevistados: 203 profissionais em cargos de diretoria ou superiores Funções: responsáveis pela implantação de soluções orientadas por IA e envolvidos em avaliação de risco, aprovações de crédito/transações, detecção de fraudes ou ofertas/comunicações personalizadas Setores: bancos, cooperativas de crédito, serviços financeiros, fintechs, seguros, indústria/manufatura e atacado, varejo, telecomunicações Países Pesquisados: Argentina, Austrália, Brasil, Canadá, Colômbia, Dinamarca, Finlândia, França, Hong Kong, Indonésia, Malásia, México, Filipinas, Portugal, África do Sul, Singapura, Espanha, Suécia, Turquia, Emirados Árabes Unidos, Reino Unido, Estados Unidos Margem de Erro: ±6,8 pontos percentuais, com nível de confiança de 95% A precisão amostral das pesquisas online da Harris é medida por meio de um intervalo de credibilidade bayesiano. Para obter a metodologia completa da pesquisa, entre em contato com a Provenir.
A Provenir é líder global em tomada de decisão com IA para serviços financeiros. Nossa plataforma viabiliza mais de 4 bilhões de decisões por ano para mais de 110 clientes em mais de 60 países, permitindo que bancos, fintechs, operadoras de telecomunicações e outras instituições financeiras tomem decisões mais rápidas e inteligentes ao longo de todo o ciclo de vida do cliente. A plataforma de inteligência de decisão orientada por IA da Provenir combina orquestração de dados em tempo real, analytics avançado e IA explicável para ajudar organizações a detectar e prevenir fraudes, otimizar risco de crédito e maximizar o valor do ciclo de vida dos clientes – tudo isso mantendo conformidade regulatória e transparência.