As "Competições de IA" nos relatórios anuais dos bancos listados: até 2025, os seis maiores bancos investirão mais de 130B de yuans em tecnologia financeira, com implementação de cenários e desafios de risco coexistentes

Diário da Economia, repórter: Liu Jukui｜Editor do Diário da Economia: Wei Wenyı

Com o encerramento da época de publicação dos relatórios anuais dos bancos cotados na China continental em 2025, um conjunto de números traça um novo panorama para a transformação inteligente do setor financeiro — o investimento anual do Banco Industrial e Comercial na tecnologia financeira ascendeu a 28.59B de yuans; o Banco招商 afirma que as suas aplicações de IA (inteligência artificial) substituíram, ao longo de um ano, mais de 15,56 milhões de horas de trabalho humano; e no Banco Ping An, os cenários de aplicação de modelos de grande escala duplicaram ao longo de um ano, chegando a quase 400 ⋯⋯

O repórter do 《Diário da Economia》 (a seguir, “repórter do Diário da Economia”) notou que, em 2025, seis grandes bancos estatais — incluindo Banco Industrial e Comercial, Banco de Agricultura, Banco da China, Banco de Construção, Banco de Comunicações e Banco Postal e Poupança — registaram um investimento total em tecnologia financeira superior a 130 mil milhões de yuans, o que representa um aumento adicional face aos 125.46B de yuans de 2024. Por trás do investimento avultado, uma mudança ainda mais profunda está em curso: a inteligência artificial passou de capítulos técnicos que projetam o futuro nos relatórios anuais para se tornar uma régua fundamental para medir a competitividade central dos bancos.

Entretanto, do outro lado do oceano, o JPMorgan está a traçar outro quadro de IA — o CEO Jamie Dimon posiciona a inteligência artificial como uma “tecnologia transformadora semelhante à impressora e à máquina a vapor” e anunciou um investimento anual superior a 2 mil milhões de dólares, com o objetivo de construir uma “empresa 100% em colaboração com IA”. Este gigante financeiro de Wall Street não se satisfaz com aplicações pontuais; pretende integrar profundamente a IA em cada um dos “vasinhos” do organismo organizacional.

De um lado, estão os investimentos em IA sistematizados e em escala do setor bancário nacional com concretização de cenários; do outro, os gigantes financeiros internacionais que promovem uma reconfiguração inteligente abrangente com mentalidade de ecossistema. Esta vaga de inteligência financeira que atravessa o Pacífico está, discretamente, a alterar cada etapa nuclear — desde a aprovação de crédito e o pricing de risco até à decisão de investimento.

No entanto, por trás deste investimento e visão ardorosos em IA, existem zonas profundas e difíceis da governação de dados, o risco real das “alucinações” dos modelos e os desafios de conformidade causados pela “caixa negra” dos algoritmos — desafios que testam o grau de profundidade e a sustentabilidade desta transformação. A jornada de IA do setor financeiro, ao mesmo tempo que revela um enorme potencial, está também a entrar numa fase crítica que exige mais inteligência e prudência.

Upgrade estratégico: corrida de estratégia de “digital” para “data+inteligência (數智)”

O repórter do Diário da Economia, ao analisar os relatórios de desempenho dos bancos cotados em 2025, verificou que a “inteligência artificial” saltou de capítulos de perspetiva técnica para se tornar um indicador-chave de desempenho para medir a futura competitividade central. O foco desta corrida mudou — de “usar IA ou não” para “quão profundo é o uso e quão forte é o sistema”, revelando características marcantes de implementação sistematizada e em escala.

Os grandes bancos estatais, apoiados nos seus recursos robustos, estão a construir “infraestruturas pesadas” para a transformação de IA. No relatório anual, o Banco Industrial e Comercial clarifica que a estratégia “Digital ICBC” (D-ICBC), implementada durante quatro anos, foi totalmente atualizada para “Inteligência de Dados ICBC” (AI-ICBC); o modelo central “Gongyin Zhiyong” (工银智涌) já foi implementado em mais de 30 áreas de negócio, com mais de 500 cenários de aplicação. O Banco de Construção divulgou que a tecnologia de IA já atribui capacidades de forma massiva a 398 cenários dentro do grupo. O Banco da China, por sua vez, constrói uma plataforma de capacidades de modelo de grande escala BOCAI, tendo acumulado mais de 400 assistentes inteligentes.

Os bancos de capital misto e os bancos comerciais urbanos mostram maior agilidade na velocidade e amplitude de implementação dos cenários. No encontro de divulgação de resultados, o Banco招商 revelou que os seus cenários de aplicação de IA já atingem 856; ao longo do ano, a IA substituiu trabalho humano em mais de 15,56 milhões de horas, o que equivale a uma eficiência laboral a tempo inteiro superior a 8.000 pessoas. O mais importante é que a IA está a mudar de “centro de custos” para “motor de benefícios”: o assistente inteligente para gestores de contas clientes promove um aumento de 14% nas ocorrências efetivas de prospeção por pessoa e eleva em 20% o volume médio de transações por cliente. Os cenários de aplicação de modelos de grande escala do Banco Ping An dispararam de “mais de 200” para “mais de 390” num único ano; a quota do volume de código gerado por IA já ultrapassa 30%. O Banco CITIC construiu um modelo de cooperação “modelo de grande escala + modelo de pequena escala”; até ao final de 2025, os cenários com modelo de grande escala implementado já superavam 120.

Do “AI primeiro” ao “nascido de IA (AI nativa)”, os bancos líderes tentam inserir a profundidade da inteligência na constituição da organização e construir novas barreiras competitivas.

Um investigador sénior do setor bancário analisou ao repórter do Diário da Economia que as realizações em IA divulgadas de forma concentrada nos relatórios anuais de 2025 sinalizam que a transformação digital do sistema bancário chinês entrou numa “zona profunda”, com decisões inteligentes e reconfiguração de processos como núcleo. Por trás disso está a escolha inevitável de procurar eficiência e crescimento através da tecnologia, num contexto de compressão contínua das margens de juros líquidas do setor. O investimento em IA deixa de ser apenas um projeto orçamental do departamento tecnológico e passa a ser um investimento estratégico diretamente ligado a indicadores operacionais centrais como redução de custos e aumento de eficiência, controlo de riscos e melhoria das receitas.

Aprofundamento em aplicações: revolução de eficiência na gestão de risco, finanças inclusivas e operações

Após muitos anos de exploração, as aplicações de IA no setor bancário já ultrapassaram, há muito, o atendimento inteligente ao cliente inicial e os pagamentos por reconhecimento facial; penetraram no cerne dos negócios, demonstrando um potencial disruptivo tanto em melhoria de eficiência como em controlo de risco.

No “coração” da gestão de risco — crédito e antifraude — a IA está a concretizar uma mudança qualitativa de “julgamento por regras” para “perceção inteligente”. A gestão de risco tradicional depende de dados históricos e de regras estáticas, tendo dificuldade em lidar com riscos novos e complexos, que mudam constantemente. Já os sistemas inteligentes de gestão de risco, baseados em aprendizagem automática e computação em grafos, conseguem tratar em tempo real grandes volumes de dados heterogéneos. Por exemplo, o Banco Postal e Poupança construiu um sistema de modelos de antifraude de ponta a ponta; no primeiro semestre de 2025, acumulou mais de 100k contas potenciais de vítimas protegidas. A plataforma online de gestão de risco do Banco招商 aprovou, em 2025, um volume de crédito corporativo próximo de 600 mil milhões de yuans, um aumento de 44% face ao ano anterior; o tempo de alerta prévio de risco pós-empréstimo auxiliado por IA foi, em média, 42 dias mais cedo do que no modo tradicional com recursos humanos.

No campo das finanças inclusivas, a IA está a resolver as questões clássicas de “financiamento difícil” e “financiamento caro” para pequenas e microempresas, analisando dados alternativos. Muitos bancos usam modelos de IA para integrar dados de impostos, faturas, cadeias de abastecimento e até dados de água e eletricidade das empresas; com isso, conseguem criar um “perfil de crédito” para pequenas e microempresas que não dispõem de garantias tradicionais, permitindo uma concessão rápida de crédito.

A operação inteligente e o serviço ao cliente são a expressão mais direta da redução de custos e do aumento de eficiência proporcionados pela IA. O Banco招商, para gestores de contas dos mais de 10.000 clientes Goldensun (金葵花), já tem um assistente inteligente que se tornou um parceiro no trabalho diário. O Banco Ping An recorre a IA generativa (AIGC) para apoiar a criação de conteúdos de marketing; só neste item, em 2025, conseguiu poupar cerca de 60 milhões de yuans. No backoffice operacional, os “empregados digitais” baseados em IA estão a assumir uma grande quantidade de tarefas repetitivas. O Banco CITIC, ao impulsionar a gestão de contas de crédito corporativo (abertura de conta, alteração de informação, etc.) com IA, conseguiu aumentar a eficiência de processamento em massa em mais de 2 vezes.

“Ao ser bem-sucedida nestas áreas, o ponto-chave está em que a IA resolve os enormes volumes de dados que os modelos tradicionais não conseguem tratar com recursos humanos, os padrões complexos que as regras tradicionais não conseguem abranger e as necessidades de resposta em tempo real sob alta concorrência.” O investigador do setor bancário mencionado analisou que estas aplicações maduras constituem a “base” das capacidades de IA dos bancos, e que o seu valor se reflete diretamente em poupança de custos, redução de risco e melhoria da experiência.

Ele considera que, atualmente, as aplicações ainda são mais do tipo “otimizar processos existentes”; na próxima fase, a concorrência centrar-se-á em como usar a IA para “criar novos processos” e até “criar novos negócios”, ou seja, passar de “melhorar a eficiência internamente” para “gerar receitas externamente”.

Situação no exterior: avanços do aperfeiçoamento de processos para a criação de valor

Enquanto, no mercado interno, os bancos se concentram em usar IA para otimizar processos internos e o serviço ao cliente, gigantes financeiros internacionais representados pelo JPMorgan estão a estender os braços da IA para áreas mais disruptivas: a própria tomada de decisão de investimento.

No âmbito do capital de risco (VC) e do private equity (PE), a IA está a remodelar a lógica subjacente da descoberta de projetos e da diligência devida. O modelo tradicional, dependente de redes de contactos e de pesquisa de setor (como plataformas como Wind e Bloomberg), está a ser alterado. Por exemplo, a Sequoia Capital já desenvolveu ferramentas internas de IA para automatizar a pesquisa e análise de dados de startups globais, artigos académicos, patentes e notícias; em horários fixos diários, a equipa de investimento recebe resumos preliminares de análise de alvos potenciais, aumentando a amplitude e a eficiência na triagem de projetos.

No campo da gestão de riqueza e do banco de investimento voltados para clientes, a IA está a transitar de apoio no backoffice para serviço na linha da frente. O JPMorgan já solicitou a marca registada do seu produto “IndexGPT” em 2023: trata-se de uma ferramenta de consultoria de investimentos que usa tecnologia de IA generativa para, com base nos temas ou áreas de interesse indicados pelo cliente, analisar e selecionar automaticamente ativos/valores mobiliários. Este modelo é treinado, sobre a base de modelos de uso geral, usando macrodados privados exclusivos do JPMorgan — como pesquisa macroeconómica e análise de empresas — com o objetivo de fornecer recomendações de carteiras de investimento personalizadas aos clientes.

Além disso, no negócio de empréstimos, usar IA para fazer uma classificação de risco e um pricing mais refinados dos clientes já é uma prática relativamente madura no exterior.

O investigador do setor bancário interpretou que as práticas de IA no exterior revelam duas grandes tendências-chave: primeiro, as aplicações de IA estão a passar de “otimização de processos internos” para “criação de valor externo”, integrando-se diretamente em etapas nucleares de criação de valor como aconselhamento de investimento e desenho de produtos; segundo, as instituições líderes estão a usar as suas barreiras de dados exclusivas e de alta qualidade (como dados de transações e pesquisa aprofundada) para treinar modelos de grande escala verticais, construindo novas “trincheiras” competitivas difíceis de replicar. Em comparação, ainda há espaço de desenvolvimento para instituições financeiras nacionais ao usar IA para impulsionar diretamente decisões de investimento e fornecer serviços de consultoria de investimentos profundamente inteligentes; possivelmente, este será o terreno elevado que será preciso conquistar no futuro.

Armadilhas à frente: desafios de governação de dados, “alucinações” de IA e falta de talentos

Além das aplicações maduras, como antifraude e atendimento inteligente ao cliente, o setor financeiro está a empurrar a IA de forma prudente para áreas mais avançadas e nucleares, tentando desbloquear novos valores e fazer com que a IA desempenhe o papel de “analista” e até “tomador de decisão iniciante” em atividades financeiras mais complexas.

O repórter do Diário da Economia soube que, em análises inteligentes de opinião pública e em alertas de mercado, já há instituições a treinar IA para capturar e analisar em tempo real grandes volumes de dados não estruturados como notícias, relatórios de investigação, redes sociais e até imagens de satélite, a fim de detetar “sinais” de riscos que possam afetar o mercado ou empresas específicas. Por exemplo, a plataforma de inteligência artificial “Oriental Brain” da Orient Securities (“东方大脑”) consegue processar, em média, cerca de 70k notícias/infos de opinião pública do mercado por dia; identifica automaticamente os agentes/entidades das empresas e classifica a opinião pública negativa.

No domínio de gestão inteligente pós-empréstimo e preservação de ativos, a IA está a ser usada para monitorização contínua e automatizada de risco de carteira de empréstimos existente. Ao analisar dados operacionais das empresas, informações judiciais e mudanças na opinião pública, o modelo pode emitir alertas antecipados sobre riscos potenciais, transformando a reação passiva em gestão proativa. Alguns bancos tentaram usar modelos de grande escala para ajudar a gerar relatórios de revisão pós-empréstimo, reduzindo significativamente o tempo de redação.

Explorações ainda mais disruptivas estão a acontecer nos núcleos do trading e do investimento. No campo do investimento quantitativo, além de otimizar estratégias de negociação existentes, a exploração mais avançada é desenvolver “dealers/negociadores virtuais” que conseguem aprender autonomamente a microestrutura do mercado e executar autonomamente parte das ordens de negociação. Segundo relatos, o JPMorgan já lançou a sua plataforma de trading quantitativo com IA, suportando a fusão inteligente entre trading de alta frequência e estratégias multi-fatores. Em transações por conta de terceiros (como negociação de câmbio e derivados de taxa de juro), a IA também está a ser estudada para fornecer aos traders cotações ótimas em tempo real e recomendações de estratégias de cobertura (hedging).

No entanto, embora o futuro pareça amplo, a aplicação profunda da IA no domínio central das finanças ainda enfrenta limitações: governação de dados, “alucinações” dos modelos de grande escala e escassez de talentos compostos — desafios pelos quais as instituições financeiras terão de passar através de “três portas”.

Primeiro, está 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 por diferentes departamentos de negócio, formando “ilhas de dados”. Um especialista da KPMG apontou que as instituições financeiras, de forma geral, enfrentam desafios como a coordenação difícil de dados heterogéneos de múltiplas fontes e a dificuldade em circular/partilhar dados internos.

Segundo, as “alucinações” dos modelos de grande escala e o risco de fiabilidade. O problema intrínseco de “alucinação” nos grandes modelos de linguagem é fatal em decisões financeiras em que não se podem aceitar erros. Um investigador do Banco Postal e Poupança da China, Lou Feipeng, indicou que, se “alucinações” surgirem na área de gestão de risco, podem levar a que o banco não consiga compreender a lógica do risco, impedindo a adoção de medidas eficazes de resposta.

Terceiro, a falta de talentos compostos e a dor da transformação organizacional. Há uma escassez extrema de talentos que dominem, ao mesmo tempo, a lógica complexa dos negócios financeiros e também os algoritmos de IA e a engenharia. Em simultâneo, a cultura organizacional bancária tradicional — que enfatiza rigor e um sistema hierárquico — está em tensão profunda com o modo ágil de desenvolvimento requerido pela IA, que precisa de iterações rápidas e de tolerância a erros para testes.

O investigador do setor bancário supracitado resumiu que a concorrência futura no setor financeiro será um confronto entre “ecossistemas completos: tecnologia — dados — governação — talentos”. Apenas as instituições que conseguirem construir, primeiro, ativos de dados de alta qualidade, estabelecer uma estrutura de governação de IA confiável e promover uma transformação bem-sucedida da organização e da cultura é que poderão ganhar vantagem de longo prazo nesta profunda revolução “data+inteligência”.

(Editor: Qian Xiaorui)

Palavras-chave: