A inteligência artificial nos serviços financeiros está evoluindo rapidamente. 52% das empresas de serviços financeiros pesquisadas para o Relatório Global de IA em Serviços Financeiros de 2026 da Universidade de Cambridge já estão adotando a IA agêntica. Dentre essas, 29% estão executando pilotos e 23% atingiram a fase de escala ou transformação. A adoção de IA de alguma forma chega a 81%.
Essa lacuna de 29 pontos é onde a maioria das funções de compliance atualmente se encontra. Um modelo que resume uma política é útil. Um agente que lê a mesma política, inspeciona o fluxo de verificação ao qual ela se aplica e redige uma configuração substituta é uma proposta diferente, porque atua sobre os sistemas em vez de apenas produzir texto sobre eles.
Essa mudança levanta uma questão fundamental: cada ação tomada por um agente pode ser autorizada previamente e reconstruída posteriormente?
O que é um agente de IA no compliance?
Um #AgenteDeIA é um sistema de software autônomo que usa um modelo para perseguir um objetivo definido. A documentação oficial da OpenAI descreve agentes como "aplicações que planejam, chamam ferramentas, colaboram entre especialistas e mantêm estado suficiente para concluir trabalhos com várias etapas".
Em um fluxo de trabalho de agente de IA para compliance, um grande modelo de linguagem (LLM) subjacente interpreta as instruções da tarefa e raciocina, enquanto a estrutura do agente e a plataforma de compliance conectada fornecem os dados, permissões e ferramentas que permitem ao agente agir. O agente pode ler uma política de prevenção à lavagem de dinheiro (AML), identificar seus requisitos, inspecionar um fluxo existente de Conheça Seu Cliente (KYC), usar uma API para criar uma configuração preliminar e apresentar o resultado para aprovação.
A autonomia existe em um espectro. Um agente pode concluir etapas de baixo risco independentemente, mas parar antes de alterar um fluxo de trabalho ativo, rejeitar um solicitante ou enviar um relatório regulatório.
Como funciona a IA agêntica: Habilidades de Agente e MCP explicados
Os agentes precisam de mais do que um modelo de linguagem para concluir tarefas operacionais de forma confiável. Eles exigem um objetivo, instruções, acesso a sistemas relevantes e regras que governam o que podem fazer.
O Model Context Protocol (MCP) é um padrão aberto para conectar aplicações de IA a sistemas externos. Um servidor MCP expõe ferramentas com entradas definidas, permitindo que um agente descubra ações permitidas, forneça os argumentos necessários e receba os resultados.
Enquanto o MCP conecta um agente a sistemas externos, as habilidades fornecem o conhecimento processual necessário para concluir uma tarefa. A especificação aberta Agent Skills descreve uma habilidade como uma pasta contendo instruções e, opcionalmente, scripts, referências e outros recursos. Uma habilidade de agente de IA pode ensinar um agente a analisar uma regulamentação ou configurar um fluxo de trabalho KYC. Habilidades e agentes de IA com MCP podem converter uma solicitação ampla em um fluxo de trabalho repetível.
A tabela abaixo explica a função de cada componente:
De chatbots a agentes autônomos de compliance
Um chatbot tradicional responde principalmente aos prompts diante dele. Ele pode explicar uma regra ou resumir uma política, mas geralmente não traduz a análise em ação. As ferramentas de compliance de IA generativa expandiram essas capacidades ao redigir relatórios, resumir arquivos de casos e extrair informações de documentos.
Os agentes coordenam ações em vez disso. Uma solicitação é dividida em etapas: as ferramentas são selecionadas, os resultados são inspecionados e a próxima etapa se ajusta ao que foi retornado. Perguntado sobre documentos de onboarding – um chatbot os lista. Um agente pode abrir o fluxo de verificação atual da empresa, encontrar as verificações ausentes em relação a um determinado padrão, construir uma substituição proposta e colocá-la na frente de alguém para aprovação.
Por que as equipes de compliance estão adotando agentes de IA
O trabalho de compliance envolve muita tradução. Um requisito escrito em linguagem jurídica torna-se uma regra operacional, depois uma configuração da plataforma, que deve ser documentada e comprovada. Uma mudança de política pode significar atualizações separadas em vários produtos e jurisdições, cada uma feita manualmente, cada uma uma oportunidade para as implementações divergirem.
Os agentes podem extrair os requisitos e seguir um procedimento definido sem que um especialista digite novamente cada etapa. A consistência é o verdadeiro ganho aqui: a quinta jurisdição recebe o mesmo tratamento que a primeira.
O custo de errar escala da mesma forma. Regras de acesso, limiares de aprovação e registros de atividade são o que mantém as ações de um agente atribuíveis à pessoa que as autorizou. Sem elas, a automação apenas aumenta a velocidade e a escala dos erros.
Agentes de IA no compliance AML e fluxos de trabalho KYC
No AML, um agente pode transformar o texto da política em uma configuração proposta pronta para lançamento em um painel, resumir o histórico de revisão de um solicitante ou montar os dados do solicitante e das transações de que um investigador precisa antes de abrir um caso. Ele também pode comparar uma política atualizada com a configuração atual e sinalizar os controles que não correspondem mais.
O trabalho de KYC consiste principalmente em configuração e recuperação: fluxos de onboarding por país ou faixa de risco, questionários, links de verificação, consultas de status do solicitante. Um agente pode sequenciar um fluxo de trabalho que combina verificações de documentos, endereço, biométricas e banco de dados. A plataforma de verificação ainda realiza as verificações.
Rejeitar um cliente e arquivar um relatório de atividade suspeita são coisas diferentes em natureza. Ambos exigem aprovação humana, independentemente de quão suavemente o resto do fluxo de trabalho funcione.
Construindo uma configuração de compliance operada por agentes
Duas coisas devem estar em vigor antes que qualquer parte disso funcione: acesso às políticas relevantes e permissão para inspecionar ou modificar configurações da plataforma. A sequência então parece assim:
- Forneça o material-fonte, seja uma regulamentação, uma avaliação de risco ou uma política interna
- Extraia as obrigações, fatores de risco, regras de pontuação e requisitos condicionais, com ambiguidades sinalizadas para uma pessoa, em vez de resolvidas pelo agente
- Mapeie cada requisito para algo que a plataforma realmente tenha: um nível de verificação, questionário, regra de risco, controle de monitoramento ou fluxo de trabalho
- Produza um plano de configuração para a equipe de compliance revisar antes de construir qualquer coisa
- Construa a configuração proposta em um sandbox ou ambiente de teste
- Compare a configuração construída com a política-fonte, depois teste-a com casos representativos e exceções conhecidas
- Tenha um usuário autorizado aprovar a implantação, depois registre as mudanças e monitore os resultados
Mapeando habilidades de agentes para tarefas de compliance
Cada habilidade de agente de IA deve corresponder a uma tarefa de compliance definida e orientar como o agente deve abordá-la. Uma habilidade de análise de política pode instruir o agente a ler um documento e produzir um plano de configuração. Uma habilidade de configuração pode guiar o agente pela criação de níveis de verificação em um sandbox, enquanto uma habilidade de revisão de casos pode delinear como recuperar e analisar dados do solicitante.
Essa distinção é importante para agentes de IA em serviços financeiros, onde acessar dados de clientes, preparar configurações preliminares e alterar controles ativos podem criar exposição significativa a riscos. As próprias habilidades não devem ser tratadas como fronteiras de segurança ou permissão. Em vez disso, a plataforma conectada deve impor o que o agente pode ler ou modificar, com alterações nas configurações ativas de verificação e monitoramento restritas através de controles de acesso e mecanismos de autorização apropriados.
Agentes de IA em bancos e serviços financeiros
Usos plausíveis em bancos incluem reunir material para revisões periódicas de KYC, recuperar as transações que acionaram uma regra de monitoramento e redigir relatórios regulatórios para verificação humana.
A fragmentação é o obstáculo prático. Os registros de identidade ficam em uma plataforma KYC, as transações em um sistema de pagamentos ou core banking, os alertas em uma ferramenta de monitoramento e as notas de investigação em um software de gestão de casos. O relatório de Cambridge de 2026 descobriu que 46% dos fornecedores de IA pesquisados encontraram sistemas legados ou isolados nos sites dos clientes, e 41% relataram restrições de compartilhamento de dados.
Cada conexão precisa de sua própria resposta para duas perguntas: o que o agente pode ler e o que ele pode mudar. Uma revisão periódica é intensiva em leitura. Um agente pode coletar status de verificação, transações recentes, alertas anteriores e decisões de revisões passadas, depois entregar o arquivo montado a um analista.
Riscos de IA, governança e supervisão humana
Um agente pode interpretar mal uma política, inventar um requisito ou selecionar a ferramenta errada. Instruções maliciosas ocultas em um documento ou fonte de dados conectada poderiam manipular seu comportamento, e permissões excessivas podem permitir que um pequeno erro altere configurações ativas ou registros de clientes.
Os revisores também podem depositar confiança excessiva na saída de um agente, enquanto registros incompletos podem tornar os erros difíceis de investigar. Atualizações de modelos podem alterar o comportamento do agente, e a dependência de provedores externos pode criar riscos operacionais.
Para mitigar os riscos, uma governança eficaz de IA e controles de compliance devem incluir:
- acesso limitado às informações e ações necessárias para cada tarefa, com permissões separadas para ler informações, criar rascunhos e alterar configurações ativas
- ferramentas e fontes de dados aprovadas
- testes em um sandbox ou ambiente de teste antes que as alterações sejam aplicadas aos sistemas ativos
- aprovação humana para ações que afetam clientes, limiares de risco ou arquivamentos regulatórios, bem como casos em que os requisitos não estão claros
- registros das instruções dadas, fontes consultadas, ferramentas usadas e mudanças feitas
- um processo de contingência se o agente ou um provedor externo ficar indisponível
