a16z: Conformidade em todo lugar, uma oportunidade enorme no setor de IA

Autor: James da Costa, Angela Strange; Fonte: a16z; Tradução: Shaw, Jinqi Caijing

Nos últimos vinte anos, a profissão de crescimento mais rápido nos EUA foi a de manicure e pedicure.

E logo atrás, está a de especialista em conformidade.

O volume de negócios de conformidade é muito maior do que a maioria imagina. Cada fluxo de entrada e saída de fundos das empresas está sob supervisão regulatória: pagamento de salários deve cumprir regulamentos salariais, declaração de receitas deve atender às exigências fiscais, transferências de fundos devem seguir regras de pagamento e combate à lavagem de dinheiro, além de verificação de identidade do cliente. Em setores altamente regulados, até mesmo a forma e a frequência de comunicação entre empresas e clientes entram na gestão de conformidade.

Atualmente, mais de 400 mil profissionais de conformidade estão empregados nos EUA, com gastos anuais relacionados a recursos humanos ultrapassando 40 bilhões de dólares, além de custos adicionais de centenas de bilhões de dólares com consultoria e terceirização. No setor bancário, por exemplo, entre 2010 e 2014, o número de novas regulamentações na Seção 12 do Código Federal de Regulamentações (bancos e operações bancárias) ultrapassou todo o conteúdo dessa seção de 1980.

Apesar da forte demanda de mercado, a oferta de talentos na área de conformidade permanece escassa. O Bureau de Estatísticas do Trabalho dos EUA prevê que, nos próximos dez anos, a lacuna de profissionais será superior a 33.300 por ano. A situação do setor agrava-se ainda mais: 87% dos novos profissionais acabam deixando o setor, com uma rotatividade anual superior a 20%, criando um ciclo de contratação contínua e perda de talentos especializados.

Com o ambiente de negócios global cada vez mais complexo, as empresas enfrentam uma quantidade crescente de requisitos legais e regulatórios, mas suas respostas continuam bastante uniformes: simplesmente aumentam a equipe para resolver os problemas.

Porém, a realidade mostra que o aumento de pessoal não traz resultados ideais. Por exemplo, o TD Bank foi multado em 3 bilhões de dólares em 2024 por não conseguir monitorar efetivamente 92% de suas transações. Desde 2018, o banco acumulou até 70.000 alertas de risco, mas nunca conseguiu processá-los todos a tempo.

O TD Bank não é um caso isolado. Nos últimos dez anos, quase todas as grandes instituições financeiras enfrentaram crescimento contínuo de suas equipes e acúmulo de tarefas, enquanto ainda dependem fortemente de operações manuais, dificultando melhorias.

O trabalho de conformidade é trabalhoso: processos complexos, burocracia elevada e dependência de documentos em papel, o que mantém a operação manual e os custos elevados. Essa dor de cabeça e a inércia do setor também fizeram da conformidade uma “pedra no sapato” para startups.

Por que a situação está mudando agora?

1. Transformação tecnológica: de “apenas em fase de teste” para “confiável”

Se um produto é apenas “funcional”, seu mercado é limitado; mas uma vez aperfeiçoado ao máximo, sua escala pode aumentar cem vezes. O setor de conformidade é assim: produtos com precisão de 90% ainda não atendem às exigências.**

O processamento de documentos é uma das etapas centrais do trabalho de conformidade, e um exemplo clássico. A tecnologia de Reconhecimento Óptico de Caracteres (OCR) existe há décadas e consegue reconhecer textos com eficiência. Mas, em cenários como análise de hipotecas, acesso de empresas ou verificação de indenizações de seguros, “só ser funcional” não basta. Hoje, modelos de linguagem visual (VLM) não apenas reconhecem conteúdo, mas também compreendem o contexto geral do documento, reduzindo drasticamente os erros. Como resultado, muitas empresas estão implementando essas tecnologias em larga escala e assinando parcerias. Isso não é uma simples evolução técnica, mas uma mudança de paradigma: de “apenas para testes” para “suficientemente confiável para operações essenciais”.

Além disso, a inteligência artificial possui várias capacidades poderosas: primeiro, pode ler, extrair informações e fazer análises lógicas com precisão quase humana, seja em documentos de registro de empresas, relatórios financeiros ou PDFs de regulamentos de 400 páginas. Segundo, agentes inteligentes podem operar sistemas antigos como se fossem humanos, sem esperar por interfaces ou meses de integração. Terceiro, suportam tarefas de longo prazo, com agentes capazes de executar toda a cadeia de trabalho: buscar dados, cruzar informações, marcar anomalias, gerar e enviar relatórios, tudo de ponta a ponta, não apenas auxiliando em etapas isoladas.

No campo jurídico, a variedade de grandes modelos cresce e sua precisão se estabiliza, permitindo que as equipes do setor adotem a IA com mais segurança. Atualmente, vários modelos de linguagem alcançam entre 80% e 100% de acertos em 162 tarefas de raciocínio jurídico do benchmark LegalBench. Isso é importante porque a conformidade envolve aplicar lógica jurídica sob restrições de negócios reais: interpretar regulamentos, aplicar regras a situações concretas, identificar irregularidades e marcar cláusulas ambíguas.

2. Ciclo de vendas: de lento a rápido

Hoje, o risco de não atualizar o sistema de conformidade supera o risco de uma transformação. Por muito tempo, empresas reguladas usaram ferramentas de governança, risco e conformidade (GRC) complexas e sistemas antigos de baixa estabilidade. A resistência à migração é grande, pois uma falha na auditoria pode custar caro; assim, manter o status quo, mesmo que “só o suficiente”, parece mais seguro.

A inteligência artificial mudou esse cenário radicalmente. O setor de conformidade deixou de ser apenas um centro de custos e passou a contribuir para a geração de receita. No setor financeiro, a eficiência na verificação de identidade de clientes e empresas (KYC/B) melhora o processo de abertura de contas, reduz a perda de clientes e acelera receitas. A otimização do combate à lavagem de dinheiro diminui falsos positivos, evitando marcar clientes legítimos e fortalecendo o relacionamento com eles. A revisão de conteúdo de marketing fica mais rápida, permitindo que anúncios cheguem mais cedo ao público.

Isso também altera a lógica competitiva: empresas que digitalizam suas operações de conformidade não só reduzem custos, mas também conquistam clientes que seus concorrentes mais lentos não conseguem reter. A competição atual não é mais apenas por tecnologia de IA, mas por capacidade de aplicá-la.

Além disso, com agentes inteligentes se tornando rapidamente protagonistas na operação digital, surgem novos riscos. Sistemas tradicionais de conformidade foram projetados para humanos. Quando os parceiros comerciais se tornam agentes autônomos, é preciso usar novas soluções de IA para verificar identidades, entender intenções e definir responsabilidades.

Essas mudanças fazem com que departamentos de conformidade, que antes evitavam softwares especializados, agora adotem ativamente ferramentas digitais.

Três componentes principais do sistema de conformidade

Todo trabalho de conformidade de empresas reguladas consiste em três partes essenciais:

• Regras regulatórias: incluindo legislações externas, políticas internas e a interpretação e conexão entre elas.

• Sistemas de software: que implementam as regras em programas, como plataformas GRC, sistemas de gestão de casos, ferramentas de triagem de sanções e automações tradicionais. Esses sistemas geralmente têm baixa estabilidade.

• Pessoal de execução: que opera os sistemas de acordo com as regras, realizando análise de documentos, preenchimento de formulários, cruzamento de dados e elaboração de relatórios.

O trabalho principal de conformidade consiste, na maior parte, em extrair informações de documentos, verificar manualmente a precisão dos dados e monitorar continuamente, repetindo essas tarefas periodicamente.

Por exemplo, no setor bancário, um Relatório de Atividades Suspeitas (SAR): quando o sistema NICE Actimize emite um alerta de transação suspeita, a especialista em conformidade Sara realiza a investigação. Ela acessa o sistema bancário principal para obter o fluxo completo de transações, consulta bancos de dados independentes e compartilhados para verificar documentos de identidade, registros de abertura de conta e fontes de fundos. Depois, compara com as regras internas para decidir se a transação deve ser reportada e faz a análise. Por fim, ela volta ao NICE Actimize para escrever a justificativa, copiando manualmente informações de diferentes sistemas.

Cada uma dessas etapas pode ser uma oportunidade de entrada para startups de IA.

3. Transformar regras regulatórias em código

O Código Federal de Regulamentações dos EUA, Seção 12 (que cobre o FDIC, Federal Reserve, FDIC, com mais de 70 capítulos), a agência de supervisão financeira, a SEC e a CFTC, além de diversas políticas estaduais, são publicados em PDFs. Antes, era preciso leitura manual, interpretação e conversão em políticas internas, além de acompanhamento constante das mudanças.

A IA pode transformar essas regras em códigos padronizados, com armazenamento estruturado, atualização automática e execução por agentes inteligentes. Um documento de 400 páginas pode ser decomposto em uma lista clara de obrigações de conformidade, que o sistema verifica automaticamente. Assim, as regras deixam de ser apenas documentos para leitura humana e passam a ser lógicas de execução automatizada. Isso traz duas mudanças principais: o monitoramento de conformidade passa a ser contínuo, e a implementação de novas regras em toda a empresa leva minutos, não meses.

Por exemplo, no cenário de folha de pagamento no Brasil, o trabalho principal do especialista é consultar o site do governo para verificar atualizações, organizar informações de funcionários afetados e recalcular salários manualmente.

Caso de uso: Tako criou um sistema inteligente para lidar com a complexidade da legislação trabalhista brasileira (com mais de 10.000 sindicatos e quase 900 mudanças anuais). O sistema analisa automaticamente as regras, verifica a conformidade salarial e sindical, responde a dúvidas em linguagem natural e alerta antes de violações ocorrerem.

2. Substituir completamente sistemas antigos

Muitos sistemas de conformidade foram criados antes da era de computação em nuvem, e a integração entre eles dependia de cópia manual de dados. Isso mantém a eficiência baixa, pois o pessoal atua como elo de ligação entre sistemas. Além disso, a substituição desses sistemas tradicionais leva anos, com altos riscos e custos, e os responsáveis por riscos geralmente não aprovam projetos de migração.

Com o tempo, muitas empresas (especialmente bancos) acumularam dívidas tecnológicas de décadas, o que hoje impede a implementação de IA de forma eficiente.

Hoje, as empresas têm três opções principais para a transformação com IA:

1. Manter os sistemas atuais, usando arquitetura headless: continuar usando os sistemas existentes como backend, construindo agentes inteligentes ou interfaces novas por cima.

2. Desenvolver sistemas substitutos próprios: reconstruir do zero os sistemas principais, incluindo modelos de dados, permissões, processos, integrações e auditoria.

3. Adquirir plataformas nativas de IA: migrar para plataformas de nova geração, projetadas para agentes inteligentes, leitura automática e orquestração de processos.

Se os sistemas atuais armazenam dados essenciais de conformidade, conectam dezenas de fontes internas e externas, e representam anos de lógica de negócio, muitas empresas preferem a primeira opção por questões de risco. Mas essa abordagem é passiva: concorrentes que adotam IA reduzem custos e aumentam receitas rapidamente, enquanto empresas com sistemas antigos têm dificuldade de implantar ferramentas básicas, como agentes de voz que leem programas antigos dos anos 90.

Hoje, substituir sistemas tradicionais não só é viável, mas uma condição essencial para liberar o potencial da IA. Sistemas antigos foram projetados para operações manuais: dados isolados, difícil acesso, regras codificadas de forma rígida, atualizações lentas, processos em lote e sem resposta em tempo real. Exemplos incluem sistemas bancários centrais como Jack Henry, plataformas de monitoramento como NICE Actimize e sistemas de controle de comportamento de funcionários como Smarsh.

Casos de uso:

• Valon (serviços de hipoteca): criou um sistema de hipoteca do zero, elevando a margem de lucro de um negócio equilibrado para mais de 60%. Encapsulou processos complexos em ValonOS, um sistema operacional de IA nativo, com processos padronizados, registros auditáveis e operações programáveis, substituindo mais de 25 sistemas antigos independentes. Hoje, essa plataforma é licenciada para o setor de hipotecas, com mais de mil bilhões de dólares em volume. Quanto mais clientes, maior o efeito de dados e mais a IA evolui.

• Vesta (concessão de empréstimos hipotecários): integra regras do CFPB (TRID, HMDA, etc.) e requisitos estaduais, além de requisitos federais, com atualizações feitas apenas por push de código, sem necessidade de grandes implementações. Os credores podem auditar com precisão e melhorar a eficiência operacional em 25% a 50%.

• Sardine (fraudes e monitoramento de transações): substitui gradualmente o NICE Actimize. Baseado em nuvem, intercepta fraudes em tempo real e realiza análises complexas de lavagem de dinheiro. Seus agentes inteligentes, alimentados por dados em tempo real, aumentam a eficiência de conformidade em quase 30 vezes. Por exemplo, o sistema de resumo de relatórios de atividades suspeitas (SAR) captura informações de múltiplos sistemas, preenchendo automaticamente de 60 a 100 campos, reduzindo o tempo de submissão de mais de 30 minutos para menos de 1 minuto.

3. Colaboração homem-máquina, potencializando o trabalho humano

O núcleo do trabalho de conformidade sempre foi a repetição de três tarefas: análise de documentos, revisão de processos e monitoramento contínuo dessas atividades.

Antes, a única forma de conectar essas etapas era por operações manuais entre sistemas antigos, mas agentes inteligentes resolvem esse problema.

Por exemplo, na abertura de contas bancárias: o especialista precisa revisar e extrair informações de documentos (RG, passaporte, registros empresariais) e relatórios financeiros, inserir dados em múltiplos sistemas antigos e cruzar informações com listas de sanções e registros de empresas. Com IA, todo o processo pode ser automatizado de ponta a ponta: reconhecimento de documentos, validação em múltiplos bancos de dados, com apenas as exceções sendo revisadas manualmente, sem intervenção humana em toda a cadeia.

Caso de uso:

A Factor Labs não substituiu os sistemas antigos, mas criou uma camada superior de aplicação. Seu agente inteligente automatiza a resolução de disputas de estorno para bancos e plataformas de pagamento. Cada tarefa segue um manual personalizado (para diferentes comerciantes, alinhado às etapas do cartão de crédito), simulando a análise humana: acessa e-mails, planilhas, plataformas antifraude como CyberSource, coleta documentos, organiza em Word e envia em PDF ao cliente.

Conclusão

As três abordagens apresentadas têm valor prático, e no futuro, a maioria das novas plataformas combinará essas capacidades. As empresas podem escolher o melhor ponto de entrada de acordo com seu cenário de mercado:

1. Cenários com mudanças regulatórias frequentes: se atuam em múltiplas jurisdições ou precisam ajustar rapidamente suas conformidades por causa de penalidades ou inspeções, priorizem transformar regras regulatórias em código.

2. Substituição de sistemas principais, especialmente quando: 1) há novas oportunidades de mercado sem concorrentes fortes; ou 2) sistemas antigos têm custos de operação muito altos e difícil de reformar, sendo necessário substituí-los para aproveitar o potencial da IA.

3. Foco em resultados, com processos acumulados ou escassez de mão de obra: quando o trabalho de conformidade exige produção de relatórios, declarações ou certificações, a prioridade é reforçar a força de trabalho com agentes inteligentes, que operam 24/7 sem erros, eliminando tarefas acumuladas (como os 70 mil alertas do TD Bank).

No longo prazo, essas três estratégias tendem a convergir. As principais empresas do setor irão simultaneamente transformar regras em código, dominar novos sistemas essenciais e escalar a implantação de agentes inteligentes.