IA generativa em bancos: o que a compra NeoSpace pelo Itaú ensina

Resumo

• A compra da NeoSpace pelo Itaú é a notícia, mas o aprendizado está no que sustenta a IA generativa dentro de um banco.
• Os grandes bancos já usam a tecnologia além do atendimento, com ressalvas sobre escala e retorno.
• O resultado depende de dado estruturado, integração com sistemas antigos e governança com revisão humana.
• Para um banco médio, o caminho é começar por um processo e não por uma compra.

O Itaú comprou uma startup de IA generativa, e a lição não é a compra

Em 26 de outubro de 2026, foi noticiado que o Itaú comprou 100% da NeoSpace, startup de Uberlândia (MG), por R$ 2,92 bilhões. A empresa desenvolve modelos de IA generativa, tecnologia que gera textos, resumos e respostas a partir de grandes volumes de informação. A NeoSpace segue operando de forma independente. Segundo o Neofeed, citado pelo site Baguete, a plataforma de IA do banco deve chegar a todos os clientes pessoa física do app até o fim de 2026.

Ainda não foi divulgado em detalhes como o Itaú vai usar a startup. O que interessa a quem decide em outro banco é a pergunta que a compra levanta: o que precisa estar pronto para a IA generativa funcionar na operação de uma instituição financeira?

Os grandes bancos já usam IA generativa além do atendimento

No Febraban Tech 2025, executivos de grandes bancos descreveram o uso da tecnologia, em reportagem da Finsiders Brasil de 16 de junho de 2025. A leitura geral: a IA generativa saiu dos chatbots e chegou a áreas como auditoria, desenvolvimento, testes e onboarding de empresas.

Área	Exemplo relatado pelo próprio banco
Atendimento	A BIA do Bradesco, em versão generativa, atende 3 milhões de clientes, com taxa de resolução de até 90%
Backoffice	No Santander, agentes reduziram o onboarding de empresas de até 40 horas para cerca de sete minutos, em alguns casos
Análise de processos	Na Caixa, analistas passaram de uma ou duas análises por dia para até 20
Testes de software	A geração de casos de teste e dados sintéticos reduz o desenho de cenários de semanas para minutos

 

São números informados pelos próprios bancos em 2025, e não dão para comparar entre si. A mesma reportagem registra que escalar com segurança e governança é o principal obstáculo e que ainda há dúvida sobre o retorno real, porque custos de computação e erros em larga escala são caros.

Por baixo da IA generativa: dado organizado, sistemas que conversam e rastro

As matérias que lemos apontam três pré-requisitos:

• Dado estruturado. No Febraban Tech, Luiz Humberto Sucupira, do Banco do Nordeste, disse que sem dados estruturados não há IA generativa robusta, segundo o Diário do Comércio (14/06/2025).
• Integração com sistemas antigos. Segundo o Let’s Money (14/03/2026), bancos combinam mainframes, nuvem e apps móveis, e unir a IA generativa a esses legados exige investimento em modernização. A análise parte de Hector Arias, da Red Hat.
• Rastro das decisões. Em artigo de opinião no ABF Journal (24/04/2026), Kris Kowal, executivo da SAP, afirma que agentes de IA que dependem de sistemas fragmentados têm desempenho ruim e que o trabalho com dados passa a incluir conformidade e auditabilidade. É a visão de quem vende software, e vale ler assim.

A IA é a camada de cima. Se o dado está espalhado e os sistemas não se falam, ela herda a bagunça.

Governança: alguém precisa conferir o que a IA responde

Em painel da EY no Febraban Tech (11/06/2025), relatado pelo Diário do Comércio em conteúdo da Agência EY, executivos defenderam vigilância contínua. Giuliane Paulista, do Banco do Brasil, disse que a verificação depois da implantação recebe menos atenção que o desenvolvimento e que a tecnologia pode gerar alucinações – respostas que soam corretas e não são. Telma Luchetta, da EY, explicou o red teaming: agentes de IA, supervisionados por humanos, testam vulnerabilidades do modelo. Marco Aurélio Pereira, do BV, alertou que muitas empresas usam IA sem governança e sem que todos saibam.

Do painel dá para tirar três pontos que qualquer banco consegue definir antes de começar:

• Um dono por área de negócio, responsável pelo uso da IA ali.
• Um nível de revisão proporcional à criticidade do uso.
• Uma regra clara sobre quais dados podem ou não ser expostos a uma ferramenta de IA.

O que muda para um banco médio que não vai comprar uma startup de IA

Um banco médio tem menos folga para errar. O texto do ABF Journal, escrito por um executivo de fornecedor, diz que bancos desse porte precisam de fundamentos sólidos antes de escalar a IA, e a gente concorda com a direção. Três perguntas ajudam a começar:

1. Qual processo testar primeiro? Um com risco baixo e ganho fácil de medir.
2. Onde estão os dados desse processo? E quais deles não podem ser expostos a uma ferramenta de IA.
3. Quem é o dono do resultado? E quem revisa antes de a resposta chegar ao cliente ou ao sistema.

Se quiser conversar sobre a base de sistemas que essas perguntas exigem, fale com a gente.

O que a Espresso entende de sistemas bancários, e como ajuda

A pergunta que o Itaú deixa no ar, que é o que precisa estar pronto por baixo, passa quase toda por sistemas: dados organizados, integrações, rastro de auditoria e operações que não podem parar. É um terreno que a gente conhece. A Espresso trabalha com fintechs e sistemas do setor financeiro, em especial em outsourcing e sustentação de sistemas críticos. Isso vale para qualquer banco que queira a base em ordem, antes de qualquer iniciativa nova.

• Alocação e Outsourcing: desenvolvedores ou um time completo integrados ao time do banco, com entrada em até 30 dias. Conheça o serviço.
• Manutenção & Hosting: sustentação de sistemas críticos em produção, hoje com mais de 57 sistemas sob manutenção contínua. Veja o serviço.
• Desenvolvimento de software: integrações e APIs entre os sistemas que o banco já tem. Veja o serviço.
• Discovery & Design: entender o processo e o dado antes de escrever código. Conheça o serviço.

Se o desafio é ter gente para tocar o projeto, veja também como escolher um fornecedor de outsourcing de TI para fintechs e como modernizar sistemas legados sem parar a operação.

Perguntas frequentes

O que é IA generativa em bancos?

É o uso de modelos que geram texto, resumos e respostas em tarefas do banco, como atendimento, análise de processos, testes de software e onboarding de empresas. Diferente de modelos que só classificam ou preveem, ela produz conteúdo novo, e por isso exige revisão e regras sobre onde pode ser usada.

Um banco médio precisa comprar uma startup de IA como o Itaú fez?

Não há regra. A compra foi uma escolha do Itaú, e a matéria não diz que seja o caminho para outros. Para um banco médio, o mais seguro costuma ser começar por um processo de risco baixo, com dado conhecido, dono definido e revisão humana, e só depois decidir entre construir, contratar ou comprar.

Quais são os principais riscos?

Os painéis e reportagens citados apontam alucinação, ou seja, respostas erradas ditas com confiança, uso de IA sem governança e exposição de dados pessoais e estratégicos em ferramentas inadequadas. Também há o custo de errar em larga escala e a dúvida sobre o retorno real do investimento.

Por onde começar?

Por três perguntas: qual processo testar primeiro, onde estão os dados dele e quem responde pelo resultado. Com isso, dá para escolher o primeiro caso e definir como medir o ganho antes de contratar qualquer solução maior.

Este texto traz informação geral e não substitui assessoria jurídica, regulatória ou de segurança da informação. Data de referência das notícias e dados citados: 27/10/2026.