Inteligência artificial nos bancos, nos seguros e no compliance

O estado da adoção

O retrato mais confiável do uso de IA no setor financeiro suíço provém de uma pesquisa realizada pela Autoridade Suíça de Supervisão do Mercado Financeiro (FINMA) entre o final de novembro de 2024 e meados de janeiro de 2025 junto a cerca de 400 instituições supervisionadas, entre elas bancos, sociedades de valores mobiliários, seguradoras, gestores de fundos e infraestruturas do mercado financeiro. Cerca de metade das instituições pesquisadas utilizava IA ou tinha aplicações iniciais em desenvolvimento, e outro quarto planejava introduzir a IA no prazo de três anos. As instituições que utilizavam IA tinham, em média, cerca de cinco aplicações em operação e nove em desenvolvimento, sendo que as maiores empregavam mais. Das instituições que utilizavam IA, 91% usavam também IA generativa, como os chatbots mais recentes. A FINMA observou que isso aumenta a dependência em relação a poucos grandes fornecedores de tecnologia.¹

A mesma pesquisa constatou que cerca de metade das instituições havia ancorado a IA em uma estratégia explícita. Os principais riscos apontados pelos participantes foram a qualidade dos dados, a proteção de dados, a explicabilidade, as vulnerabilidades de segurança, a imprecisão e a terceirização. A maioria das instituições combinava desenvolvimento interno com fornecedores externos, embora as instituições menores muitas vezes dependessem inteiramente de soluções desenvolvidas externamente. Um estudo encomendado pela associação Swiss FinTech Innovations e publicado pela Associação Suíça de Banqueiros no final de 2025 constatou que 40% das iniciativas de IA nos bancos suíços ainda estavam na fase de ideias ou de estudos de viabilidade, 17% haviam chegado à implantação e 11% estavam sendo escaladas. Entre os casos em produção, 65% haviam atendido ou superado as expectativas.²

Casos de uso no setor bancário

A Associação Suíça de Banqueiros agrupou os usos da IA generativa no setor bancário em quatro categorias. A primeira é a produtividade dos funcionários, incluindo o resumo de documentos, a tradução, a transcrição de reuniões e a recuperação de conhecimento interno por meio de geração aumentada por recuperação (retrieval-augmented generation). A eficiência operacional vem em segundo lugar, com a automação da entrada de dados, o apoio aos relatórios de compliance, as avaliações de risco e o processamento de crédito. A experiência do cliente, incluindo chatbots e recomendações personalizadas, forma o terceiro grupo, e o quarto abrange o desenvolvimento de produtos e de software. A Associação identificou sete riscos principais: desinformação e deepfakes, alucinações, violação de propriedade intelectual, vieses, ameaças cibernéticas como a injeção de prompts, riscos de terceiros e desvio de modelo (model drift). Quanto ao sigilo bancário, recomendou que os funcionários não utilizem dados de identificação de clientes em prompts nem para treinar modelos, e que fornecedores externos sejam contratados apenas mediante salvaguardas contratuais e técnicas especiais.³

O maior banco de Zurique ilustra a escala que a adoção alcançou. Em outubro de 2025, o UBS anunciou que Daniele Magazzeni, até então Chief Analytics Officer do J.P. Morgan para a região EMEA e ex-acadêmico do King’s College London, se tornaria seu primeiro Chief Artificial Intelligence Officer a partir de 1º de janeiro de 2026, com sede em Londres. Na época, o UBS informava ter mais de 300 casos de uso de IA em produção. Estava disponibilizando o Microsoft 365 Copilot e seu próprio assistente de IA “Red” a todos os funcionários e havia lançado programas de transformação sob a designação interna “Big Rocks”.⁴

No compliance, os usos mais importantes para um centro financeiro com a reputação de Zurique são a admissão de clientes (onboarding), as revisões de know-your-customer e o monitoramento de transações. As ferramentas de IA podem extrair informações de documentos de identidade, registros comerciais e narrativas sobre a origem do patrimônio, compará-las com bases de dados de sanções e de notícias desabonadoras (adverse media) e preparar uma minuta de avaliação de risco para revisão por um responsável de compliance. No monitoramento de transações, os modelos de aprendizado de máquina podem reduzir o elevado número de falsos positivos gerados pelos sistemas tradicionais baseados em regras e identificar padrões que limites fixos não captam. A FINMA informou que, em sua supervisão, examinou aplicações iniciais de IA na gestão de ativos, no monitoramento de transações e na gestão de liquidez.⁵ Os deveres legais em si não mudam. Nos termos da Lei Federal sobre o Combate à Lavagem de Dinheiro (AMLA), a instituição continua responsável por identificar o beneficiário efetivo e esclarecer as transações incomuns, quaisquer que sejam as ferramentas que utilize, como explicado no capítulo I.III.

Os serviços de assessoria são outro campo. Os modelos de linguagem podem preparar atas de reuniões, redigir a documentação de adequação (suitability) exigida pela Lei Federal sobre os Serviços Financeiros (FinSA) e gerar primeiras versões de correspondência com clientes em vários idiomas. Podem também resumir relatórios de pesquisa para os gerentes de relacionamento. Na prática, as instituições geralmente mantêm um assessor humano entre o modelo e o cliente, tanto por razões de responsabilidade quanto porque a FinSA vincula os deveres de adequação e de conveniência ao prestador de serviços financeiros. A assessoria totalmente automatizada existe sob a forma de robo-advisers, mas a combinação de patrimônios transfronteiriços complexos e relações pessoais que caracteriza o private banking de Zurique faz da IA supervisionada por humanos o modelo dominante.

Casos de uso no setor de seguros

Zurique é também a sede do Zurich Insurance Group e da Swiss Re, dois dos maiores grupos de seguros e resseguros do mundo, cujo uso de IA é tão amplo quanto o dos bancos. A Zurich Insurance descreve aplicações em sinistros e subscrição. Nos sinistros, os sistemas automatizam o recebimento de avisos e, em alguns mercados, liquidam sinistros simples de saúde em poucos minutos. Na subscrição, a IA analisa imagens aéreas para classificar telhados e detectar danos no ramo patrimonial, lê programas de seguros multinacionais em vários idiomas e responde a perguntas de subscrição por meio de um chatbot interno utilizado em 29 unidades de negócios. O grupo informa que uma plataforma de trabalho para a subscrição comercial no Reino Unido reduziu os tempos de processamento em 78%. Seu desafio interno de IA agêntica em 2025 gerou 218 protótipos, dos quais cinco passaram à produção.⁶

Para as seguradoras, as sensibilidades regulatórias diferem das dos bancos. A precificação baseada em risco com aprendizado de máquina levanta questões de equidade e discriminação, em especial nos seguros de saúde e de vida. O uso de grandes volumes de dados pessoais na subscrição aciona as regras de proteção de dados sobre perfilagem e decisões automatizadas. Essas questões são abordadas adiante no contexto das expectativas da FINMA e do Regulamento de Inteligência Artificial da União Europeia (EU AI Act), cuja lista de sistemas de alto risco inclui a IA utilizada para avaliação de risco e precificação nos seguros de vida e de saúde.

Notas

1. FINMA, “FINMA survey: artificial intelligence gaining traction at Swiss financial institutions”, 24 de abril de 2025, https://www.finma.ch/en/news/2025/04/20250424-mm-umfrage-ki/. ↩
2. Associação Suíça de Banqueiros, Stefan Neumann e Patrik Schmid, “From pilots to production: Scaling AI in Swiss finance”, 19 de dezembro de 2025, https://www.swissbanking.ch/en/media-politics/opinions/from-pilots-to-production-scaling-ai-in-swiss-finance. ↩
3. Associação Suíça de Banqueiros, Generative AI in Banking – A Comprehensive Overview, abril de 2025, https://www.swissbanking.ch/_Resources/Persistent/2/0/3/b/203b937e175f25819ea271c883a095fe1dfa1ee0/SBA_Generative-AI-in-Banking_EN.pdf. ↩
4. UBS, “UBS appoints Chief AI Officer to drive its AI strategy”, 16 de outubro de 2025, https://www.ubs.com/global/en/media/display-page-ndp/en-20251016-ai-strategy.html. ↩
5. FINMA, “Künstliche Intelligenz” (dossiê Fintech), https://www.finma.ch/en/documentation/dossier/dossier-fintech/kuenstliche-intelligenz/ (acesso em setembro de 2026). ↩
6. Zurich Insurance Group, “AI at Zurich”, https://www.zurich.com/about-us/ai-at-zurich (acesso em setembro de 2026). ↩

Apenas para fins de informação geral. Este artigo não constitui assessoria jurídica ou tributária, não substitui a análise de um caso concreto e não estabelece relação entre advogado e cliente. Reflete a situação jurídica em outubro de 2026.