A Lacuna na Descoberta de IA: Por que Bons Empréstimos Correm o Risco de Serem Ignorados e o que os Bancos Podem Fazer

Yaacov Martin é o CEO da Jifiti.

Descubra as principais notícias e eventos de fintech!

Subscreva a newsletter da FinTech Weekly

Lida por executivos da JP Morgan, Coinbase, Blackrock, Klarna e mais

A IA está a transformar todos os cantos da finança e estima-se que o sector dos serviços financeiros gaste um impressionante $97 mil milhões em IA até 2027. À medida que tecnologias como agentes de IA agentic reconfiguram a banca e a experiência do cliente, um factor está a emergir como a nova vantagem competitiva: a capacidade de ser encontrado (discoverability). Na verdade, 44% dos consumidores confiam em agentes de IA nos serviços financeiros, sinalizando uma mudança no comportamento dos consumidores.

Os agentes de IA estão a passar além da recomendação financeira personalizada e da detecção de fraudes. Não só surgem casos de uso em que eles apresentam opções de empréstimo aos consumidores, como acabará por serem eles a concluir candidaturas e a automatizar a disponibilização de fundos. Muito em breve, os agentes de IA deverão tratar de tudo, desde preencher formulários a verificar identidades e iniciar underwriting automatizado.

Para os bancos, a questão já não é se devem tornar-se orientados por IA, mas sim a que velocidade. À medida que o underwriting optimizado por IA e os mutuantes “digital-first” reconfiguram o mercado, as instituições financeiras que investem agora manter-se-ão no centro do ecossistema do crédito. Aqueles que adiam a adopção de IA correm o risco de perder visibilidade por completo, já que mutuários mais jovens, nativos da tecnologia, saltam canais tradicionais em favor de alternativas mais inteligentes e automatizadas.

A capacidade de ser encontrado é a nova porta de entrada

Usar um motor de IA para procurar e candidatar-se a um empréstimo é o próximo grande salto na experiência do cliente, estando os agentes de IA no mercado de serviços financeiros globalmente projectados para atingir o valor de $4,28 mil milhões até 2032. E, embora a oportunidade seja colossal para bancos e instituições financeiras (FIs), isto coloca um novo problema na linha da frente: a invisibilidade.

Os motores de IA não descobrem e classificam empréstimos pela qualidade; classificam-nos pela legibilidade. Isto é conhecido como otimização para motores de resposta (AEO). Se um produto de empréstimo não estiver estruturado para ser facilmente ingerido, não é sequer considerado.

Por exemplo, se o TAN (APR) e os critérios de elegibilidade de um mutuante estiverem “enterrados” num PDF, um motor de IA não apresentará o empréstimo, independentemente de este ser competitivo. Os bancos têm de garantir metadados da oferta expostos: os produtos de empréstimo precisam de ser descritos de forma clara e em formatos estruturados — tipo de produto, TAN (APR), condições e critérios de elegibilidade. Metadados estruturados asseguram que os agentes de IA conseguem indexar, comparar e agir com precisão sobre os produtos de empréstimo. Sem isso, até excelentes ofertas de empréstimo podem permanecer invisíveis.

Mas a questão da capacidade de ser encontrado vai ainda mais fundo. A AEO ajuda os agentes de IA a apresentarem empréstimos, mas para além de colocar os dados no formato certo, os bancos também precisam da infra-estrutura adequada para permitir que os agentes de IA forneçam ao cliente uma proposta de empréstimo “com origem em IA” (AI-sourced).

Por exemplo, um cliente poderia inserir os seus critérios de empréstimo num motor de pesquisa de agentes de IA, que apresenta instantaneamente todas as ofertas relevantes e a opção de se candidatar automaticamente. Com um único clique, o cliente recebe uma aprovação condicional do empréstimo, suportada inteiramente por dados legíveis por máquina e fluxos de trabalho orientados por API.

Os bancos sem tecnologia de concessão de crédito orientada por API, sem jornadas de utilizador digitalizadas, sem dados não “em silos” e sem onboarding e decisioning automatizados nem sequer entram na corrida. Neste contexto, ser um mutuante melhor é irrelevante se não for possível ser encontrado.

Mas é mais fácil dizer do que fazer. Um relatório da PYMNTS descobriu que 75% dos bancos têm dificuldades em implementar novas soluções digitais devido à sua infra-estrutura legada. E “59% dos banqueiros consideram os seus sistemas legados um grande desafio para o negócio, descrevendo-os como um ‘emaranhado’ (‘spaghetti’) de tecnologias interligadas, mas antiquadas.”

Justiça, e a nova fronteira da conformidade

Se a capacidade de ser encontrado é a porta de entrada para o lending agentic, a justiça é a nova fronteira da conformidade. Os motores de IA não arriscam apenas excluir produtos que não estejam optimizados para serem descobertos por IA; ameaçam excluir categorias inteiras de mutuantes que não cumpram os seus padrões técnicos. Mas aqui o problema não é a visibilidade; é a equidade.

O lending agentic de hoje introduz uma variação moderna do lending com enviesamento: os consumidores podem ser encaminhados para mutuantes com a infra-estrutura certa — APIs, dados limpos, fluxos de trabalho automatizados — em vez do melhor produto financeiro.

Sem transparência sobre como as plataformas com IA classificam ou apresentam ofertas de empréstimo, os consumidores correm o risco de serem encaminhados para empréstimos com custos mais elevados ou menos adequados apenas porque esses mutuantes tinham a infra-estrutura certa, não o produto certo. Isto cria uma nova “zona cega” de conformidade para os reguladores. Em breve, os reguladores podem perguntar: “A infra-estrutura desactualizada do seu banco está a bloquear eficazmente o acesso aos seus melhores produtos?”

Durante décadas, a fiscalização regulatória tem-se focado em práticas discriminatórias nas decisões de concessão de crédito. Mas à medida que o lending agentic se consolida, o olhar regulatório irá alargar-se. Os bancos que não modernizarem podem não apenas perder quota de mercado; podem ser vistos como contribuindo para um enviesamento sistémico.

Os bancos ainda podem competir—se modernizarem

À primeira vista, o lending agentic parece feito à medida para as fintechs, cujos stacks tecnológicos são construídos para a velocidade e a flexibilidade. Mas a vantagem não é exclusiva. Os bancos apenas precisam de atualizar os seus modelos operacionais.

Os agentes de IA emergentes estão a ser concebidos para localizar produtos adequados, concluir candidaturas, enviar documentos de KYC e despoletar underwriting automatizado. Os bancos que não tenham digitalizado os seus fluxos de trabalho fim-a-fim correm o risco de ser ultrapassados, mesmo que ofereçam taxas competitivas. Precisam de um sistema coordenado, ou uma plataforma de orquestração, que ligue todas as peças críticas do processo de concessão de crédito, automatize os fluxos de trabalho e garanta que cada etapa é legível por máquina e acessível via API.

Uma camada de orquestração que ofereça esta infra-estrutura tipicamente integra toda a funcionalidade crítica, bem como a de terceiros, incluindo verificação de identidade, KYC/KYB, anti-fraude, open banking, verificações de risco de crédito e decisioning automatizado.

As fintechs já são nativas de API, mas muitos bancos ainda têm algum caminho a percorrer com os seus stacks tecnológicos fragmentados. Sem orquestração, todas estas integrações essenciais permanecem em silos, e os agentes de IA precisarão de continuidade fim-a-fim para, no fim, proporcionar uma experiência de candidatura a empréstimo fim-a-fim. A camada de orquestração não é apenas útil — é a ponte que permite que os bancos legados concorram no ecossistema do lending agentic sem desmontar toda a sua infra-estrutura.

Os bancos que modernizarem a sua infra-estrutura e automatizarem os seus fluxos de trabalho podem recuperar o controlo do funil de concessão de crédito, assegurando que as plataformas de IA apresentam os seus produtos e que os clientes ganham acesso orientado por IA às melhores e mais adequadas opções disponíveis, não apenas às mais fáceis de apresentar.