As "Competições de IA" nos relatórios anuais dos bancos listados: até 2025, os seis maiores bancos investirão mais de 1300 bilhões de yuans em tecnologia financeira, com implementação de cenários e desafios de risco coexistentes

Cada repórter da 每经｜Liu Jiakui Cada editor da 每经｜Wei Wenyi

À medida que a temporada de divulgação dos relatórios anuais das instituições bancárias cotadas em Ações A (A-shares) de 2025 chega ao fim, um conjunto de números traça um novo panorama da transformação inteligente do sector financeiro— o investimento anual em tecnologia financeira do Banco Industrial e Comercial da China (ICBC) atingiu 28,588 mil milhões de yuan, o Banco de Merchants (China Merchants Bank) afirma que as suas aplicações de IA (inteligência artificial) substituíram, no espaço de um ano, mais de 15,56 milhões de horas de trabalho humano, e os cenários de aplicação de modelos de grande dimensão do Banco Ping An duplicaram no espaço de um ano, crescendo até quase 400 ⋯⋯

O repórter do Jornal Económico Diário 《每日经济新闻》 (a seguir, “repórter da 每经”) notou que, em 2025, os seis principais bancos estatais— ICBC, Banco da Agricultura da China, Banco da China, Banco de Construção da China, Banco de Comunicações e Banco Postal de Poupanças— registaram um investimento em tecnologia financeira no total superior a 130 mil milhões de yuan, mais uma subida face aos 125,459 mil milhões de yuan de 2024. Por detrás de um investimento tão volumoso, está a ocorrer uma mudança ainda mais profunda: a inteligência artificial passou de um capítulo de “perspectiva para o futuro” nos relatórios anuais para se tornar a régua fundamental para medir a competitividade central dos bancos.

Entretanto, do outro lado do oceano, o JPMorgan desenha outro panorama de IA— o CEO Jamie Dimon posiciona a inteligência artificial como uma “tecnologia transformadora à altura das máquinas de impressão e das máquinas a vapor” e anunciou que investe mais de 2 mil milhões de dólares por ano, com o objectivo de construir uma “empresa totalmente colaborativa com IA”. Este gigante das finanças de Wall Street não se satisfaz com aplicações pontuais: pretende integrar profundamente a IA em cada um dos mais pequenos “capilares” da organização.

De um lado, há o investimento em IA de forma sistemática e em grande escala, com implementação de cenários, no sistema bancário doméstico; do outro, há a reconstrução inteligente abrangente promovida por gigantes financeiros internacionais com mentalidade de ecossistema. Esta vaga de inteligênca financeira que atravessa o Pacífico está, silenciosamente, a alterar cada um dos elos centrais— desde a aprovação de crédito, passando pela fixação de risco, até à tomada de decisões de investimento.

No entanto, por trás destes investimentos e visões fervorosas de IA, também existem os riscos reais da governação de dados no “mar profundo”, os riscos de “alucinações” dos modelos e os desafios de conformidade trazidos por “caixas-pretas” algorítmicas, testando a profundidade e a sustentabilidade desta transformação. A jornada da IA no sector financeiro, ao mesmo tempo que mostra um enorme potencial, entra também numa fase crítica que exige mais sabedoria e prudência.

Fonte da imagem: acervo de media da 每经

Actualização estratégica: corrida de estratégia do “digital” para o “digital-inteligente”

O repórter da 每经, ao analisar os relatórios de desempenho de bancos cotados em 2025, concluiu que a “inteligência artificial” já saltou dos capítulos de perspectiva técnica, passando a ser um indicador-chave de desempenho para medir a futura competitividade central. O foco desta corrida está a deslocar-se de “se se aplica IA” para “quão profundo se aplica e quão forte é o sistema”, apresentando características marcadas de implementação sistemática e em escala.

Os grandes bancos estatais, apoiados pelos seus recursos robustos, estão a construir uma “infra-estrutura pesada” para a transformação em IA. No relatório anual, o ICBC esclarece que a estratégia “Digital ICBC” (D-ICBC), implementada durante quatro anos, foi actualizada de forma abrangente para “Digital-Inteligente ICBC” (AI-ICBC); o modelo central “Gongyin Zhiyong” já foi aplicado em mais de 30 áreas de negócio, com mais de 500 cenários de aplicação. O Banco de Construção divulga que a tecnologia de IA já está a capacitar em escala 398 cenários dentro do grupo. O Banco da China, por sua vez, construiu a plataforma de capacidades do modelo de grande dimensão BOCAI, com mais de 400 assistentes inteligentes já implementados no total.

Os bancos por acções e os bancos comerciais urbanos mostram maior agilidade na velocidade e amplitude de implementação de cenários. O Banco de Merchants divulgou, na conferência de apresentação de resultados, que os seus cenários de aplicação de IA já chegam a 856; ao longo do ano, substituiu trabalho humano por IA acima de 15,56 milhões de horas, o que equivale a gerar uma eficiência de trabalho a tempo inteiro equivalente a mais de 8.000 pessoas. Ainda mais importante: a IA está a transitar de “centro de custos” para “motor de benefícios”. O assistente inteligente voltado para gestores de contas comerciais impulsiona um aumento de 14% no número médio de contactos efectivamente realizados por gestor, e um aumento de 20% no volume médio de transacções por cliente. Os cenários de aplicação de modelos de grande dimensão do Banco Ping An aumentaram de “mais de 200” para “mais de 390” num período de um ano; a proporção do volume de código gerado por IA já ultrapassou 30%. O Banco Cíti de China construiu um modelo de colaboração de “modelo de grande dimensão + modelo de pequena dimensão”; até ao final de 2025, os cenários onde os modelos de grande dimensão foram implementados superaram 120.

Do “AI em primeiro lugar” ao “AI nativa”, os bancos de topo procuram embutir a profundidade da inteligência na “textura” da organização e construir novas barreiras competitivas.

Um investigador sénior do sector bancário analisou ao repórter da 每经 que os resultados de IA divulgados em grande densidade nos relatórios anuais de 2025 indicam que a transformação digital do sector bancário chinês entrou na “zona de mar profundo”, tendo como núcleo a tomada de decisão inteligente e a reconfiguração de processos. Por detrás disso está a escolha inevitável de buscar eficiência e crescimento através da tecnologia, num contexto de redução contínua da margem de juros líquida líquida (NIM). O investimento em IA deixa de ser apenas um item orçamental do departamento tecnológico: passa a ser um investimento estratégico directamente ligado a indicadores operacionais centrais como redução de custos e aumento de eficiência, controlo de riscos e aumento de receitas.

Aprofundar aplicações: revolução de eficiência na gestão de riscos, na inclusividade e na operação

Após anos de exploração, as aplicações de IA no sector bancário já ultrapassaram há muito o atendimento automático inteligente e os pagamentos por reconhecimento facial da fase inicial; entraram profundamente no núcleo do negócio, revelando potencial disruptivo tanto na melhoria de eficiência como no controlo de risco.

No “coração” da gestão de risco— crédito e anti-fraude— a IA está a concretizar uma mudança qualitativa de “julgamento por regras” para “percepção inteligente”. A gestão de risco tradicional depende de dados históricos e de regras estáticas, sendo difícil lidar com riscos novos e complexos, em constante mudança. Já os sistemas inteligentes de gestão de risco, com aprendizagem automática e computação em grafos como núcleo, conseguem processar em tempo real grandes volumes de dados heterogéneos. Por exemplo, o sistema de modelos de anti-fraude de ponta a ponta construído pelo Banco Postal de Poupanças, no primeiro semestre de 2025, já tinha protegido mais de 100.000 contas potenciais de vítimas. A plataforma online de gestão de risco do Banco de Merchants, em 2025, aprovou um volume de crédito corporativo próximo de 6.000 mil milhões de yuan, um aumento de 44%; o tempo de alerta antecipado do risco pós-concessão com auxílio de IA foi, em média, adiantado 42 dias face ao modo tradicional de profissionais humanos.

No âmbito de finanças inclusivas, a IA está a resolver o problema clássico do “financiamento difícil e caro” para micro, pequenas e médias empresas, através da análise de dados alternativos. Muitos bancos utilizam modelos de IA para integrar dados de impostos das empresas, facturas, cadeias de abastecimento e até dados de água e electricidade; com isso, constroem um “retrato” de crédito para PME que não dispõem de garantias tradicionais, permitindo concessão rápida de crédito.

A operação inteligente e o serviço ao cliente são a manifestação mais intuitiva da redução de custos e aumento de eficiência proporcionados pela IA. O assistente inteligente do Banco de Merchants, dirigido a mais de 10.000 gestores de clientes do segmento Jin Kui Hua, já se tornou um companheiro inteligente no trabalho diário. O Banco Ping An, recorrendo a IA generativa (AIGC) para apoiar a criação de conteúdos de marketing, só nesta vertente poupa cerca de 60 milhões de yuan em despesas em 2025. Nos bastidores operacionais, o “empregado digital” baseado em IA está a assumir um grande volume de trabalho repetitivo. O Banco Cíti de China, ao impulsionar a abertura de contas corporativas e alterações de informação por IA, promove um processamento mais intensivo e concentrado; a eficiência do processamento intensivo de negócios aumenta mais do que 2 vezes.

“O sucesso da IA nestas áreas assenta no facto de resolver o enorme volume de dados que os modelos financeiros tradicionais têm dificuldade em tratar com recursos humanos, os padrões complexos que regras tradicionais não conseguem cobrir e as necessidades de resposta em tempo real sob alta concorrência.” O investigador sénior do sector bancário citado acima analisou que estas aplicações maduras constituem o “piso base” das capacidades de IA dos bancos; o seu valor reflecte-se directamente na poupança de custos, na redução de riscos e na melhoria da experiência.

Ele considera que, actualmente, as aplicações são mais de “optimização de processos existentes”; na próxima fase, a concorrência irá concentrar-se em como usar a IA para “criar novos processos” e até “criar novos negócios”— isto é, transitar de “melhorar a eficiência interna” para “gerar receitas externas”.

Situação no estrangeiro: ruptura de optimização de processos para criação de valor

Enquanto o sector bancário doméstico se concentra em usar IA para optimizar processos internos e serviços ao cliente, os gigantes financeiros internacionais representados pelo JPMorgan estão a estender o alcance das aplicações de IA para domínios mais disruptivos: o próprio investimento.

Em áreas de capital de risco (VC) e private equity (PE), a IA está a remodelar a lógica de base da descoberta de projectos e da due diligence. Modelos tradicionais que dependem da rede de contactos e da investigação do sector (como plataformas como Wind e Bloomberg) estão a ser alterados. Por exemplo, a Sequoia Capital já desenvolveu ferramentas internas de IA para automatizar a análise e varredura de dados de startups em todo o mundo, artigos académicos, patentes e notícias; a equipa de investimento recebe, em horários fixos diários, um relatório preliminar de análise de potenciais alvos, aumentando a amplitude e a eficiência da filtragem de projectos.

No âmbito de gestão de património voltada para clientes e no sector de investment banking, a IA está a evoluir de suporte de bastidores para serviço de “primeira linha”. O JPMorgan já requereu uma marca comercial em 2023 para o seu produto denominado “IndexGPT”— um conjunto de ferramentas de aconselhamento de investimentos que, usando tecnologia de IA generativa, analisa e selecciona automaticamente activos de investimento com base nos temas ou áreas de interesse introduzidos pelos clientes. O modelo é treinado sobre um modelo geral de grande dimensão, com o recurso de dados privados massivos exclusivos do JPMorgan, como investigação macroeconómica e de empresas; o objectivo é fornecer recomendações de carteiras de investimento personalizadas.

Além disso, no negócio de empréstimos, usar IA para fazer uma classificação de risco e uma precificação mais refinadas dos clientes já é uma prática relativamente madura no estrangeiro.

O investigador do sector bancário citado acima interpreta que a prática de IA de instituições financeiras no exterior revela duas tendências-chave: primeiro, as aplicações de IA estão a transitar de “optimização de processos internos” para “criação de valor externo”, envolvendo directamente os elos centrais de criação de valor como recomendações de investimento e concepção de produtos; segundo, instituições de topo estão a usar barreiras de dados próprias e de elevada qualidade (como dados de transacções e investigação aprofundada) para treinar modelos de grande dimensão de domínio vertical, construindo novas “valas” competitivas difíceis de replicar. Em comparação, as instituições financeiras domésticas ainda têm espaço de desenvolvimento em usar IA para impulsionar directamente decisões de investimento e oferecer serviços aprofundados de aconselhamento inteligente; este pode ser o alto terreno que terá de ser superado no futuro.

ArmadiIhas à frente: testes de governação de dados, “alucinações” de IA e escassez de talentos

Para além de aplicações maduras como anti-fraude e atendimento automático inteligente, o sector financeiro está a levar com prudência a IA para domínios ainda mais avançados e centrais, tentando desbloquear novos valores e fazer com que a IA desempenhe um papel de “analista” e até “decisor inicial” em actividades financeiras mais complexas.

O repórter da 每经 soube que, na análise inteligente de sentimento mediático e em alertas de mercado, já existem instituições a treinar IA para capturar e analisar em tempo real grandes volumes de dados não estruturados, como notícias, relatórios de pesquisa (研报), redes sociais e até imagens de satélite, a fim de detectar “sinais” de risco que possam afectar o mercado ou empresas específicas. Por exemplo, a plataforma de IA “Eastern Brain” da corretora Orient Securities, que em média consegue processar quase 70.000 itens de informação diária sobre sentimento do mercado, identificando automaticamente as entidades das empresas e classificando o sentimento negativo.

No domínio da gestão inteligente pós-concessão de crédito e da preservação de activos, a IA está a ser usada para monitorização contínua e automatizada do risco em créditos existentes. Ao analisar dados operacionais das empresas, informações judiciais e mudanças no sentimento mediático, o modelo consegue fazer alertas precoces de potenciais riscos, transformando a resposta passiva em gestão proactiva. Alguns bancos já tentaram usar modelos de grande dimensão para apoiar a geração de relatórios de revisão pós-concessão de crédito, reduzindo drasticamente o tempo de redacção.

As explorações mais disruptivas acontecem no núcleo da negociação e do investimento. No investimento quantitativo, além de optimizar as estratégias de negociação existentes, uma exploração mais avançada é desenvolver “corretores virtuais” capazes de aprender autonomamente a microestrutura do mercado e executar autonomamente algumas ordens de negociação. Segundo relatos, o JPMorgan já divulgou a sua plataforma de trading quantitativo com IA, suportando a fusão inteligente de trading de alta frequência e estratégias com múltiplos factores. Em transacções por conta de terceiros (como negociação de câmbio e derivados de taxas de juro), a IA também é estudada para fornecer aos traders cotações óptimas em tempo real e recomendações de estratégias de cobertura (hedging).

No entanto, apesar das perspectivas amplas, a aplicação profunda de IA em áreas centrais do sector financeiro ainda enfrenta limitações; a governação de dados, as “alucinações” dos modelos de grande dimensão e a escassez de talentos com competências mistas são “três portas” que as instituições financeiras têm de atravessar.

Primeiro, o problema da governação de dados. Dados de alta qualidade e padronizados são o “combustível” da IA. Contudo, os dados financeiros envolvem uma privacidade pessoal altamente sensível e segredos comerciais; além disso, muitas vezes estão dispersos em diferentes departamentos de negócio, formando “ilhas de dados”. Especialistas da KPMG apontam que as instituições financeiras enfrentam, de forma generalizada, desafios como a dificuldade de colaboração entre dados heterogéneos de múltiplas fontes e a dificuldade de circulação e partilha de dados internos.

Segundo, as “alucinações” de modelos de grande dimensão e o risco de fiabilidade. O problema das “alucinações” inerente aos grandes modelos de linguagem é fatal em decisões financeiras que exigem zero erros. Um investigador do Banco Postal de Poupanças da China, Lou Feipeng, apontou que, se a “alucinação” ocorrer na área de gestão de risco, pode fazer com que o banco não consiga compreender a lógica do risco, e assim não conseguir tomar medidas de resposta eficazes.

Terceiro, escassez de talentos com competências mistas e a dor da mudança organizacional. Talentos verdadeiramente híbridos— que dominam simultaneamente a complexa lógica do negócio financeiro e a aplicação de algoritmos de IA e engenharia— são extremamente raros. Ao mesmo tempo, a cultura organizacional tradicional dos bancos, com ênfase na rigorosidade e no sistema hierárquico, cria uma tensão profunda com os modelos ágeis de desenvolvimento que a IA requer, como iteração rápida e prática de tolerância ao erro.

O investigador do sector bancário citado acima concluiu que a concorrência futura no sector financeiro será uma disputa de um ecossistema integrado “tecnologia— dados— governação— talentos”. Só as instituições que consigam construir primeiro activos de dados de alta qualidade, estabelecer um quadro de governação de IA confiável e promover uma transformação bem-sucedida da organização e da cultura, poderão ganhar uma vantagem de longo prazo nesta profunda revolução “digital-inteligente”.

Declaração de responsabilidade: O conteúdo e os dados deste artigo servem apenas para referência e não constituem recomendação de investimento; antes de usar, verifique. A utilização é por sua conta e risco.

Fonte da imagem de capa: acervo de media da 每经