Tópicos desta notícia (7)
O que o Itaú construiu
A OpenAI publicou nesta sexta-feira (16) um case sobre como o Itaú está construindo IA generativa para toda a sua base de clientes. O centro da operação é a ia.i, uma camada conversacional que funciona por texto e voz e reúne, em um único ambiente, interações de conta corrente, crédito, cartões e seguros — conectando o cliente ao atendimento humano especializado quando necessário.
Segundo o relato publicado pela OpenAI, a ia.i alcançou cerca de 300 mil clientes na primeira fase, e a meta é estar disponível para 100% da base até o fim de 2026. A solução se apoia em três princípios: interatividade, multimodalidade — texto, voz, imagem e cliques na mesma experiência — e individualização. No centro da personalização está o Customer DNA, uma camada de contexto financeiro sobre aproximadamente 70 milhões de clientes que ajuda o banco a entender necessidades, hábitos e momentos de vida; sob controles de governança, modelos da família GPT estão entre os componentes que mantêm e enriquecem essa representação.
O histórico ajuda a ler o anúncio: a primeira Inteligência Itaú chegou em 2024, para necessidades financeiras específicas, e a ia.i foi apresentada como a nova experiência de IA generativa em julho de 2026. O material publicado hoje é o primeiro relato detalhado de como a engrenagem funciona por dentro — da escolha dos modelos à governança.
O que é a IARA — a governança antes da escala
Por trás da experiência visível está a IARA, uma plataforma de governança e orquestração que dá às equipes do banco acesso controlado a diferentes modelos, conforme as políticas internas. A OpenAI está entre os provedores disponíveis nesse ambiente — e foi essa variedade de modelos, em vez de um modelo único, que permitiu atender jornadas de baixa latência e decisões que exigem raciocínio mais profundo na mesma solução.
O case descreve três problemas que a IARA resolve de uma vez: controle de custo por token, precisão das respostas e aplicação das políticas de IA responsável. Em um setor regulado, é o que permite avançar rápido mantendo o controle — e a lição que o material destaca é direta: construa a camada de governança antes de escalar. O banco trata ainda viés e alinhamento cultural como requisitos de produto: as respostas ao cliente precisam refletir os valores e a cultura da instituição.
Onde a IA já opera — dos clientes ao jurídico
O case também abre a cobertura de onde a IA generativa já trabalha dentro do banco. No departamento jurídico, a solução lê, analisa e interpreta documentos sobre um repositório de mais de 90 milhões de arquivos e executa mais de 2 milhões de tarefas por mês. Os ganhos de eficiência em etapas dos processos vão de 20% a 80%, segundo números atribuídos pelo banco à própria operação.
Para quem atende clientes, as expectativas declaradas são ambiciosas: três vezes mais tempo disponível para o relacionamento, atendimento até duas vezes mais rápido e conversas até três vezes mais efetivas. A mesma camada de inteligência apoia especialistas, gerentes e times de atendimento — com resumos antes de reuniões, preparação de encontros e planos que antes consumiam mais tempo.
O movimento não é de hoje. Em maio, o Itaú já havia relatado um crescimento de 88% no volume de iniciativas de IA generativa em uso no primeiro trimestre de 2026, na comparação com o mesmo período de 2025, junto de uma queda de 44% no custo unitário de processamento com o avanço da nuvem.
O que uma PME brasileira tira disso
Traduzir a operação de um banco de 70 milhões de clientes para uma pequena empresa parece exagero — mas os números mostram que a PME brasileira já está nessa. Pesquisa do Sebrae com o Meta Instituto de Pesquisa (2026) aponta que 52% dos pequenos negócios do país usaram IA em suas atividades nas duas semanas anteriores ao levantamento, contra 21% nos Estados Unidos; 46% precisaram desenvolver novos fluxos de trabalho para incorporar as ferramentas.
O caminho que o case sugere começa antes da tecnologia: escolher um problema concreto do dia a dia e aprender com um grupo inicial de clientes antes de expandir. A disciplina de controle — acesso aos modelos centralizado, custo por token medido desde o primeiro dia — é o que separa uma automação sustentável de uma conta surpresa. E vale lembrar: nem toda ação precisa passar pelo chat; combinar conversa e navegação resolve mais rápido.
Há um princípio que vale para qualquer porte: a governança vem antes da escala. Quem já trata governança de IA no atendimento sabe que as regras de uso, os limites e o monitoramento precisam existir enquanto a operação ainda é pequena — não depois que o volume chega. Para o primeiro passo, dá para começar por automação de processos bem definidos, sem reescrever a operação inteira.
Riscos e limites
Três ressalvas antes de tratar o case como referência. A primeira é a fonte: trata-se de um material da OpenAI sobre um cliente — os números são atribuídos pelo banco e não têm verificação independente. A segunda é o contexto: um banco com 70 milhões de clientes opera sob exigências regulatórias e orçamento que não se transferem para uma PME, e as expectativas de atendimento (três vezes mais tempo, serviço duas vezes mais rápido) são metas declaradas, não resultados medidos. A terceira é a dependência: centralizar o acesso a modelos reduz o risco de custo, mas exige governança ativa — custo por token, viés e alinhamento cultural seguem como trabalho contínuo, e o case não detalha como isso convive com a LGPD ou com as exigências do Banco Central.
Fontes
- OpenAI — “How Itaú is building generative AI for its entire customer base” — publicado em 16/10/2026; acesso em 16/10/2026
- Itaú — “Itaú lança ia.i, nova experiência de IA generativa no Superapp” — publicado em 28/07/2026; acesso em 16/10/2026
- TI Inside — “Itaú amplia em 88% uso de IA generativa” — publicado em 13/05/2026; acesso em 16/10/2026
- Agência Sebrae de Notícias — “Pequenos negócios do Brasil usam mais IA que os norte-americanos” — publicado em 2026; acesso em 16/10/2026
Números atribuídos às fontes citadas; o material original da OpenAI está em inglês e as citações indiretas foram traduzidas.
Conclusão
O case do Itaú mostra que IA generativa em escala não começa pelo modelo mais caro — começa por um problema concreto e uma camada de controle que cresce junto com o uso. Para uma PME, a versão realista disso é começar menor ainda e medir o que volta antes de ampliar.
Sua empresa quer começar a usar IA generativa com método? A Canis desenha e implanta automações e agentes de IA com governança desde o primeiro passo — do diagnóstico ao acompanhamento. Falar com a Canis →
