Itaú Generative AI wird bankweit eingeführt – Governance ist der eigentliche Test

Itaú hat seine Strategie für generative KI von gezielten Pilotprojekten auf 300.000 Kunden ausgeweitet und will im Laufe des Jahres 2026 seinen gesamten Kundenstamm erreichen. Das Programm für generative KI von Itaú verbindet nun ia.i, eine dialogorientierte Banking-Oberfläche, mit IARA, einer internen Plattform zur Steuerung von Modellen, Daten, Kosten und Risiken.

Diese Kombination ist wichtiger als der Chatbot allein. Itaú möchte, dass Kunden normale Sprache verwenden, statt getrennte Menüs für Konten, Kredite, Karten, Versicherungen und Anlagen zu durchlaufen. Doch jede umfassendere Konversation erhöht das Risiko einer unzutreffenden Antwort, einer ungeeigneten Empfehlung, eines Datenschutzfehlers oder einer nicht autorisierten Handlung.

Die Bank erprobt daher zwei Versprechen zugleich. Das sichtbare Versprechen lautet, dass Banking einfacher und persönlicher werden kann. Das weniger sichtbare Versprechen besteht darin, dass Itaú generative Modelle innerhalb eines stark regulierten Instituts kontrolliert halten kann. Erica von Bank of America und die interne LLM Suite von JPMorganChase bieten nützliche Vergleichspunkte, doch Itaú versucht, Kundengespräche, Werkzeuge für Beschäftigte und gesteuerten Modellzugang über eine gemeinsame Architektur zu verbinden.

Itaú Generative AI entwickelt sich von Pilotprojekten zu einer bankweiten Oberfläche

Die Veränderung besteht nicht einfach darin, dass Itaú seiner App einen weiteren Assistenten hinzugefügt hat. Das Unternehmen macht Gespräche zu einer Zugangsebene für die Bank.

Itaú stellte ia.i im Juli 2026 öffentlich vor, nachdem das Unternehmen seit 2024 kleinere Funktionen für künstliche Intelligenz entwickelt hatte. Die Oberfläche nimmt Text- oder Sprachanfragen über die Itaú-App entgegen. Sie soll die Absicht eines Kunden erkennen und die Anfrage mit der passenden Banking-Funktion verbinden.

Die erste Veröffentlichung erreichte rund 300.000 Kunden. Itaú erklärte, den Zugang bis September auf etwa 3 Millionen Menschen ausweiten zu wollen, gefolgt vom vollständigen Kundenstamm vor Jahresende. Endgültige Zahlen zur Akzeptanz oder aktiven Nutzung in diesen späteren Phasen hat die Bank bislang nicht öffentlich vorgelegt.

Der Kunden-Rollout umfasst mehr als Fragen und die Suche nach Kontoinformationen. Itaú zufolge kann ia.i Informationen bereitstellen, Befehle interpretieren, Entscheidungen begleiten und unterstützte Transaktionen anstoßen. Wenn es das Gespräch erfordert, kann das System Kunden auch an spezialisierte menschliche Unterstützung weiterleiten.

Dadurch entsteht eine andere Erfahrung als mit einem festen Chatbot. Ein skriptbasierter Assistent ordnet eine Frage üblicherweise einer vorbereiteten Antwort oder einem engen Workflow zu. Eine generative Oberfläche kann unterschiedliche Formulierungen interpretieren, Kontext verknüpfen und eine Antwort für die aktuelle Situation erzeugen.

Itaú erklärt, ia.i berücksichtige bei Antworten den finanziellen Kontext, die Beziehungshistorie, Ziele und die Lebensphase. Diese Eingaben könnten Kunden dabei helfen, nicht in unverbundenen Menüs suchen zu müssen. Sie erhöhen jedoch auch die Bedeutung von Genauigkeit, Datengrenzen und Transparenz.

Ein Kunde, der nach einer Kartenzahlung fragt, stellt ein begrenztes Informationsproblem. Wer fragt, ob er sich einen Kauf leisten kann, stellt ein umfassenderes Bewertungsproblem. Das System muss bestimmen, welche Daten relevant sind, welche es verwenden darf und wann menschliche Unterstützung erforderlich wird.

Der Rollout folgt auf mehrere kleinere Einführungen. Dazu gehörten ein Anlageassistent, Pix-Zahlungen über WhatsApp, Werkzeuge für kleine Unternehmen und sprachgesteuerte Zahlungshardware. Jedes Projekt testete eine stärker abgegrenzte Aufgabe, bevor Itaú eine gemeinsame dialogorientierte Ebene anstrebte.

Eine frühere Anlagefunktion begann 2025 mit 10.000 Kunden. Dieser schrittweise Ansatz gab Itaú die Möglichkeit, Antworten, Kundenverhalten und Eskalationswege zu testen, bevor eine deutlich größere Bevölkerung angesprochen wurde.

Diese Entwicklung erklärt auch, warum die Ankündigung von 2026 bedeutsam ist. Itaú präsentiert generative KI nicht länger als isoliertes Experiment. Das Unternehmen macht die Technologie zu einem Teil der Art und Weise, wie Kunden etablierte Finanzdienstleistungen entdecken und nutzen.

Dieser Übergang erzeugt die zentrale Spannung des Artikels. Eine dialogorientierte Ebene muss offen genug wirken, um nützlich zu sein, und zugleich ausreichend begrenzt bleiben, um sicher betrieben werden zu können. Die Oberfläche kann die Komplexität der Bank verbergen, aber nicht die Verpflichtungen hinter jeder Antwort oder Transaktion beseitigen.

Warum ia.i mehr ist als ein Chatbot-Rollout

Itaú setzt darauf, dass Kunden mit einer Absicht statt mit einem Produktmenü beginnen und die Bank den richtigen Weg bestimmen lassen.

Herkömmliche Banking-Apps organisieren Dienstleistungen nach der Struktur des Instituts. Kunden wählen Konten, Karten, Zahlungen, Kredite, Versicherungen oder Anlagen. Sie müssen wissen, welche Kategorie die Aufgabe enthält, die sie erledigen möchten.

Eine dialogorientierte Oberfläche kehrt diese Reihenfolge um. Ein Kunde kann zunächst ein Ziel, ein Problem oder eine Frage formulieren. Das System identifiziert dann das passende Produkt, die Informationsquelle oder den Workflow.

Diese Unterscheidung klingt geringfügig, bis eine Anfrage Produktgrenzen überschreitet. Eine Frage zum Sparen für einen Kauf kann Cashflow, Kontostand, Kartenverpflichtungen und eine Anlageposition betreffen. Eine hilfreiche Antwort erfordert mehr als Sprachgenerierung.

Itaú nennt die kontextuelle Ebene hinter dieser Erfahrung Customer DNA. Laut dem KI-Einsatz der Bank liefert das System finanziellen Kontext für rund 70 Millionen Kunden. OpenAI-Modelle gehören zu den Modellen, die innerhalb von Itaús gesteuerter Umgebung eingesetzt werden.

Dieser Umfang bedeutet nicht, dass jeder Kunde einen uneingeschränkten Finanzberater erhält. Er bedeutet, dass Itaú ein Kontextsystem aufgebaut hat, das unterschiedliche Erfahrungen für eine große Kundenpopulation unterstützen soll. Die verfügbaren Daten und zulässigen Handlungen hängen weiterhin vom jeweiligen Anwendungsfall ab.

Itaú erklärt, Kunden könnten innerhalb derselben Oberfläche zwischen grundlegender Bequemlichkeit und spezialisierterer Beratung wechseln. Ein Nutzer könnte nach Kontoinformationen fragen, einen unterstützten Befehl ausführen oder Hilfe beim Verständnis einer Anlageentscheidung suchen.

Die Bank sagt außerdem, ia.i passe sich der Sprache des Kunden an und könne per Sprache oder Text kommunizieren. Diese Flexibilität kann den Bedarf verringern, genaue Menünamen zu lernen. Sie könnte digitales Banking auch für Menschen zugänglicher machen, denen die Navigation komplexer Apps schwerfällt.

Natürliche Sprache führt jedoch Mehrdeutigkeiten ein, die Schaltflächen vermeiden. „Bezahl meine Rechnung“ kann sich auf mehrere Verpflichtungen beziehen. „Kann ich mir das leisten?“ kann eine Kontostandsprüfung, eine Budgetfrage oder eine Bitte um personalisierte Finanzberatung bedeuten.

Das System muss diese Mehrdeutigkeit auflösen, ohne falsche Sicherheit zu erzeugen. Es muss sensible Handlungen bestätigen, Informationen von Beratung unterscheiden und vermeiden, Gewissheit vorzutäuschen, wenn Kundendaten unvollständig sind.

Itaús eigene Untersuchung mit Grupo Consumoteca ergab, dass 80 % der befragten Brasilianer eine bessere Organisation ihres Finanzlebens wollten. Sie ergab außerdem, dass 65 % Technologie wünschten, die fortlaufende finanzielle Orientierung bieten könnte. Dabei handelt es sich um unternehmensfinanzierte Ergebnisse, nicht um unabhängige Messungen der ia.i-Akzeptanz.

Die Umfrage benennt dennoch die Nachfrage, auf die Itaú reagieren möchte. Viele Kunden benötigen keine weitere Produktliste. Sie brauchen Hilfe dabei, ihre Finanzinformationen mit einer Entscheidung zu verbinden, die sie treffen möchten.

Deshalb ist der Assistent strategisch wichtig. Die Bank, die den dialogorientierten Ausgangspunkt kontrolliert, kann beeinflussen, wie Kunden Dienstleistungen finden, Optionen verstehen und Probleme eskalieren. Sie kann zudem wertvolle Signale über ungedeckte Bedürfnisse sammeln.

Diese Vorteile bringen entsprechende Pflichten mit sich. Kunden müssen verstehen, wann sie mit KI interagieren, wie Empfehlungen entstehen und wann ein Mensch ein Ergebnis überprüfen kann. Eine bequeme Oberfläche sollte die Verantwortung für folgenschwere Entscheidungen nicht verwischen.

Für Wissensarbeiter gilt dasselbe Prinzip auch außerhalb des Bankwesens. Eine nützliche KI-Wissensdatenbank benötigt berechtigungsbewussten Kontext, zuverlässige Recherche und klare Quellengrenzen. Sprachgewandte Ausgabe allein schafft kein Vertrauen.

IARA stellt Governance zwischen Modelle und Geld

IARA ist der zentrale Mechanismus in Itaús Strategie, weil die Plattform Modellzugang von unkontrollierter Modellnutzung trennt.

IARA ist Itaús Plattform für Governance und Orchestrierung künstlicher Intelligenz. Orchestrierung bedeutet, dass die Plattform eine Aufgabe zwischen Modellen und unterstützenden Systemen weiterleiten kann, statt jede Anwendung an einen einzelnen Anbieter zu binden.

Die Plattform gibt internen Teams kontrollierten Zugang zu mehreren Modellen. OpenAI ist ein über diese Umgebung verfügbarer Anbieter und nicht der einzige Modelllieferant, der in jeden Workflow eingebettet ist.

Dieser modellagnostische Ansatz bietet Itaú mehrere Optionen. Ein kostengünstigeres Modell kann eine Routineaufgabe erledigen, bei der Geschwindigkeit wichtig ist. Ein leistungsfähigeres Reasoning-Modell kann eine schwierige Anfrage verarbeiten, wenn höhere Kosten und Latenz gerechtfertigt sind.

IARA ermöglicht der Bank außerdem, über diese Entscheidungen hinweg einheitliche Richtlinien anzuwenden. Itaú zufolge überwacht die Plattform die Modellnutzung, Antwortgenauigkeit, Token-Verbrauch und Anforderungen an verantwortungsvolle KI. Tokens sind die Einheiten, mit denen Text durch Sprachmodelle verarbeitet wird.

Zentralisierung macht ein KI-System nicht automatisch sicher. Sie kann jedoch einen gemeinsamen Ort für Zugriffskontrollen, Protokollierung, Modellevaluierung, Kostenlimits und Richtliniendurchsetzung schaffen. Ohne diese Ebene könnte jedes Produktteam unterschiedliche Schutzvorkehrungen und Datenpraktiken aufbauen.

Itaús Rechtsabteilung liefert das größte veröffentlichte Beispiel. Laut der Bank arbeitet ihre juristische KI-Lösung mit mehr als 90 Millionen Dokumenten und erledigt monatlich über 2 Millionen Aufgaben. Das Unternehmen berichtet je nach Prozessphase über Effizienzgewinne von 20 % bis 80 %.

Diese Prozentwerte decken eine breite Spanne ab und stammen von Itaú, nicht aus einem unabhängigen Audit. Sie sollten nicht als universelles Produktivitätsergebnis behandelt werden. Das Lesen juristischer Dokumente unterscheidet sich zudem von kundenorientierter Finanzberatung.

Das Beispiel zeigt dennoch, warum Orchestrierung wichtig ist. Die Verarbeitung eines juristischen Archivs erfordert Dokumentberechtigungen, Retrieval, Modellauswahl, Nachvollziehbarkeit und Ausgabemonitoring. Das Modell erzeugt nur einen Teil des Ergebnisses.

Itaú erklärt, IARA halte sensible Informationen innerhalb des Kontexts der Bank und kontrolliere zugleich, wie Anwendungen auf externe Modelle zugreifen. Diese Grenze ist entscheidend, wenn Prompts Kunden-, Mitarbeiter-, Transaktions- oder Rechtsinformationen enthalten können.

Die Plattform unterstützt außerdem Beobachtbarkeit, also die Möglichkeit für Teams, das Verhalten von Systemen nach ihrer Einführung zu untersuchen. Im Bankwesen darf die Überwachung nicht enden, sobald ein Modell eine Bewertung vor dem Launch besteht. Kundensprache, Betrugsmuster, Modellverhalten und zugrunde liegende Produkte verändern sich fortlaufend.

Ein Modellupdate kann das Reasoning verbessern und zugleich das Verhalten bei Ablehnungen verändern. Eine überarbeitete Produktrichtlinie kann eine ältere Antwort falsch machen. Eine neue Angriffsmethode kann Schwächen offenlegen, die während der Entwicklung noch nicht vorhanden waren.

IARA muss daher den gesamten Systemlebenszyklus steuern. Dazu gehören Datenzugriffe vor einer Anfrage, Routing während der Verarbeitung und Überprüfung nach der Antwort. Dazu gehören auch Untersuchungen von Vorfällen, wenn eine Antwort Schaden oder Verwirrung verursacht.

Die Architektur ähnelt der Richtung, die andere große Banken eingeschlagen haben. JPMorganChase führte LLM Suite als kontrollierte generative KI-Umgebung für Beschäftigte ein. Das Unternehmen erklärte, die Plattform habe innerhalb von acht Monaten mehr als 200.000 registrierte Nutzer erreicht.

Itaús Strategie erweitert die Idee einer gemeinsamen Plattform auf Kundengespräche. Das ist ein stärker exponierter Test, weil Kunden unmittelbar auf eine Antwort reagieren können. Mitarbeitende verfügen oft über Schulungen, interne Dokumentation und Prüfprozesse, die Verbrauchern fehlen.

Die Entscheidung für mehrere Modelle ist eine weitere praktische Absicherung, schafft jedoch Verwaltungsaufwand. Itaú muss Modellqualität, Kosten, Latenz, Datenschutzbedingungen und Verhalten fortlaufend vergleichen. Ein Anbieterwechsel darf einen regulierten Workflow nicht unbemerkt schwächen.

Keine Governance-Plattform kann jeden Fehler verhindern. Ihr Wert liegt darin, Kontrollen konsistent zu gestalten, Nachweise sichtbar zu machen und Eingriffe zu ermöglichen. Das ist eine glaubwürdigere Grundlage, als sich auf die Sprachgewandtheit oder den Markenruf eines Modells zu verlassen.

Der Wettbewerbsdruck entsteht durch eine einfachere Banking-Oberfläche

Itaús Rivalen konkurrieren nicht nur bei der Modellqualität. Sie konkurrieren darum, zum ersten Ort zu werden, an dem Kunden ihre finanziellen Absichten formulieren.

Banken nutzen seit Jahren maschinelles Lernen zur Betrugserkennung, Kreditanalyse, Personalisierung und Steuerung von Serviceanfragen. Konversationelle KI verändert die Darstellungsebene, nicht die Existenz der Automatisierung.

Bank of America bietet den deutlichsten Präzedenzfall im großen Maßstab. Der virtuelle Assistent Erica startete 2018, noch vor dem aktuellen Zyklus generativer KI. Bis August 2025 meldete die Bank mehr als 3 Milliarden Kundeninteraktionen und nahezu 50 Millionen Nutzer.

Die Nutzungsdaten zu Erica der Bank zeigen auch die Disziplin hinter einem ausgereiften Assistenten. Bank of America erklärte, Erica nutze eine kontrollierte Bibliothek mit mehr als 700 Antworten und habe über 75.000 Aktualisierungen erhalten.

Dieses Design priorisiert vorhersehbare Ergebnisse gegenüber offener Generierung. Itaú verfolgt eine umfassendere generative Oberfläche, doch das Beispiel Erica zeigt, warum kontinuierliche Wartung wichtig ist. Ein Finanzassistent wird zu einem operativen Dienst, nicht zu einer abgeschlossenen Softwarefunktion.

Nubank begann 2023 ebenfalls, einen generativen Kreditassistenten mit einer begrenzten Kundengruppe zu testen. Der anfängliche Umfang umfasste Fragen zu Kreditlimits, besicherten Krediten, NuPay und Privatkrediten. Der begrenzte Start spiegelte die Risiken wider, sofort in personalisierte Kreditgespräche einzusteigen.

Diese Ansätze erhöhen den Druck auf jede Retailbank mit einer komplexen Anwendung. Sobald Kunden eine Absicht direkt äußern können, wirken menülastige Erlebnisse zunehmend ineffizient. Der Vergleich verschiebt sich von der Zahl der Funktionen hin dazu, wie schnell die Bank eine Anfrage versteht und erledigt.

Itaú hat einen Vorteil durch die Bandbreite der Dienste, die es verbinden kann. Konten, Karten, Versicherungen, Kredite, Zahlungen und Anlagen können sämtlich Kontext liefern. Diese Breite kann nützlichere Hinweise erzeugen als ein Assistent für einen einzelnen Zweck.

Sie kann jedoch auch Interessenkonflikte schaffen. Eine Bank kann profitieren, wenn ein Kunde ein weiteres Produkt annimmt. Kunden müssen darauf vertrauen können, dass generierte Hinweise ihre Interessen, Anspruchsberechtigung und ihr Risikoprofil widerspiegeln – und nicht ein nicht gekennzeichnetes Verkaufsziel.

Die Oberfläche muss daher zwischen Information, Unterstützung, Empfehlung und Werbung unterscheiden. Diese Kategorien wecken unterschiedliche Erwartungen. Werden sie in einem freundlichen Gespräch kombiniert, könnten ihre Grenzen schwer erkennbar werden.

Generative KI verschafft Technologieanbietern zudem mehr Einfluss auf Banking-Oberflächen. Modellanbieter liefern Sprach- und Schlussfolgerungsfähigkeiten, während Banken Daten, Workflows, Compliance-Regeln und Kundenbeziehungen beisteuern.

Itaús Multi-Modell-Architektur verringert die Abhängigkeit von einzelnen Anbietern. Sie beseitigt die externe Abhängigkeit nicht, da sich Spitzenmodelle, Cloud-Systeme und spezialisierte Infrastruktur weiterhin außerhalb der Bank entwickeln.

Der strategische Wettbewerb lautet daher nicht Itaú gegen OpenAI oder eine Bank gegen einen Modellanbieter. Es geht um kontrollierten institutionellen Kontext gegenüber generischer Modellintelligenz. Die Bank muss nachweisen, dass ihre Daten und Governance eine sicherere und nützlichere Erfahrung schaffen.

Falls ia.i erfolgreich ist, werden Wettbewerber unter Druck geraten, ihre eigenen Assistenten produktübergreifend zu vereinheitlichen. Ein fragmentierter Chatbot für Supportfragen wird neben einer Oberfläche, die Ziele interpretieren und Transaktionen abschließen kann, weniger leistungsfähig wirken.

Falls ia.i Schwierigkeiten hat, könnte die Branche engere Assistenten mit sorgfältig begrenzten Aktionen bevorzugen. Banken könnten generative KI weiterhin intern einsetzen und zugleich Verbraucherwerkzeuge stärker deterministisch gestalten.

Dieses Ergebnis würde nicht bedeuten, dass die Technologie gescheitert ist. Es würde zeigen, dass Kundengespräche mit hohen Risiken ein anderes Gleichgewicht erfordern als Dokumentzusammenfassungen, Entwurfswerkzeuge oder die Mitarbeitersuche.

Itaús Skalierungsversprechen trifft auf regulierte Realität

Die ungelöste Frage lautet, ob Itaú Genauigkeit, Einwilligung und menschliche Verantwortung wahren kann, während ia.i über kontrollierte Nutzergruppen hinaus erweitert wird.

Brasiliens Finanzsystem stellt Anforderungen an Sicherheit, Verbraucherschutz, Datenverarbeitung, Aufbewahrungspflichten und operative Resilienz. Generative KI fügt diesem bestehenden Rahmen unsichere Ergebnisse hinzu.

Die Banco Central do Brasil hat künstliche Intelligenz als einen Bereich benannt, der eine Untersuchung von Risiken und Auswirkungen in Finanzinstituten erfordert. Aktualisierte Cybersicherheitsregeln betonen außerdem Zugangskontrollen, Nachverfolgbarkeit, sichere Integration, Tests und den Schutz der Infrastruktur.

Diese Anforderungen entsprechen dem erklärten Zweck von IARA. Itaú hat jedoch keine detaillierten Fehlerquoten, Eskalationsquoten, Kundenzufriedenheitsergebnisse oder Aufschlüsselungen von Vorfällen mit ia.i öffentlich veröffentlicht. Die verfügbaren Fallstudien konzentrieren sich vor allem auf Architektur und beabsichtigte Vorteile.

Diese Evidenzlücke ist wichtig, weil die Größe einer Einführung allein keine Qualität belegt. Ein System kann Millionen von Konten erreichen und dennoch nur begrenzt aktiv genutzt werden. Es kann einfache Anfragen gut bearbeiten, während es bei ungewöhnlichen oder folgenreichen Fragen Schwierigkeiten hat.

Drei Risiken verdienen besondere Aufmerksamkeit.

Erstens können generierte Antworten sicherer klingen, als ihre Evidenz rechtfertigt. Im Bankkontext kann eine falsche Erklärung Ausgaben-, Kredit-, Versicherungs- oder Anlageentscheidungen beeinflussen.

Der Abruf aus genehmigten Informationen kann dieses Risiko verringern, aber Mehrdeutigkeit nicht beseitigen. Produktbedingungen ändern sich, Kundenumstände unterscheiden sich, und das Modell kann korrekte Fakten zu einer ungeeigneten Schlussfolgerung verbinden.

Zweitens hängt Personalisierung von personenbezogenen Daten ab. Die brasilianische Datenschutzbehörde hat Risiken bei Prompts, Modellausgaben, Datenweitergabe, Speicherung, Transparenz und der Wiederverwendung personenbezogener Informationen hervorgehoben.

Das Radar für generative KI der Behörde betont, dass Innovation mit Brasiliens allgemeinem Datenschutzgesetz vereinbar bleiben muss. Es weist zudem darauf hin, dass Nutzer eigene Daten oder Daten einer anderen Person in Prompts eingeben können, ohne die Folgen zu erkennen.

Für Itaú muss Governance mehr als Trainingsdaten abdecken. Sie muss die für jede Interaktion zusammengestellten Informationen, die an jedes Modell gesendeten Daten, die daraus resultierende Antwort und alle anschließend aufbewahrten Aufzeichnungen behandeln.

Drittens kann automatisierte Unterstützung in der Praxis zu einer automatisierten Entscheidung werden, selbst wenn das System technisch nur Hinweise gibt. Kunden könnten einer überzeugenden Antwort folgen, ohne eine menschliche Prüfung anzufordern.

Brasiliens Datenschutzagenda umfasst Arbeiten zu Artikel 20 der LGPD, der die Überprüfung von Entscheidungen behandelt, die ausschließlich auf automatisierter Verarbeitung personenbezogener Daten beruhen. Itaú muss klare Grenzen zwischen konversationeller Unterstützung, Empfehlungen und Entscheidungen aufrechterhalten, die Kundeninteressen betreffen.

Die Eskalation an Menschen ist eine wichtige Absicherung, doch ihr Design bestimmt ihren Wert. Eine Weiterleitung, bei der der Gesprächskontext verloren geht, schafft Frust. Eine Eskalation, die erst nach einem Fehler erfolgt, könnte zu spät kommen.

Die Bank muss sich zudem gegen Prompt-Injection, Betrug, Kontoübernahmen und Social Engineering schützen. Ein Angreifer könnte versuchen, den Assistenten zu manipulieren, Informationen zu extrahieren oder über täuschende Sprache einen sensiblen Workflow auszulösen.

Bestätigungsschritte bleiben für Transaktionen erforderlich. Die Konversationsebene sollte die Authentifizierung nicht schwächen, nur weil eine Anfrage natürlich klingt. Komfort muss dort enden, wo Befugnisse unsicher bleiben.

Voreingenommenheit stellt eine weitere Herausforderung dar. Ein Modell kann für Kunden, die ähnliche Bedürfnisse unterschiedlich formulieren, unterschiedliche Töne, Annahmen oder Hinweise erzeugen. Itaú erklärt, seine Richtlinien für verantwortungsvolle KI befassten sich mit Voreingenommenheit, hat jedoch keine detaillierten externen Bewertungsergebnisse für ia.i veröffentlicht.

Die wirtschaftliche Tragfähigkeit ist ein weiterer unbewiesener Teil des Plans. Die Modellnutzung verursacht variable Kosten, insbesondere wenn Gespräche langen Kontext oder tiefere Schlussfolgerungen erfordern. Das Routing von Aufgaben über verschiedene Modelle kann die Ausgaben kontrollieren, doch eine breitere Nutzung kann den Gesamtverbrauch dennoch erhöhen.

Auch Itaús gemeldete Erwartungen für Mitarbeitende müssen validiert werden. Die Bank erwartet, dass KI-Werkzeuge Relationship Managern dreimal mehr Zeit für Kundeninteraktionen verschaffen können. Sie rechnet damit, dass der Service doppelt so schnell wird und Gespräche bis zu dreimal so effektiv werden.

Dies sind zukunftsgerichtete Erwartungen des Unternehmens. Die Begriffe „verfügbare Zeit“ und „Wirksamkeit“ können von internen Messentscheidungen abhängen. Öffentliche Berichterstattung sollte letztlich prognostizierte Vorteile von beobachteten Ergebnissen unterscheiden.

Eine verantwortungsvolle Bewertung hat daher zwei Seiten. Itaú hat eine glaubwürdige Governance-Architektur und mehrere bedeutende Einführungen offengelegt. Es hat jedoch noch nicht genügend unabhängige oder langfristige Evidenz geliefert, um zu bestätigen, dass die Architektur über den gesamten Kundenstamm hinweg funktioniert.

Drei Signale werden entscheiden, ob Itaús Wette aufgeht

Die nächste Phase sollte anhand verifizierten Verhaltens bewertet werden, nicht anhand der Zahl der Kunden, die ein Symbol in der Banking-App erhalten.

Das erste Signal ist die nachhaltige Kundennutzung nach breiter Verfügbarkeit. Itaú sollte aktive Nutzer, Wiederholungsnutzung, erledigte Aufgaben, Abbrüche, Weiterleitungen an Menschen und Kundenzufriedenheit offenlegen. Das Wachstum von 300.000 berechtigten Kunden auf universellen Zugang ist nur dann relevant, wenn Menschen der Oberfläche bei realen Finanzbedürfnissen vertrauen.

Das zweite Signal sind Belege zu Genauigkeit und Schutzmaßnahmen. Eine hilfreiche Berichterstattung würde Fehlerkategorien, erfolgreiche Transaktionsbestätigungen, Beschwerdevolumen, Antwortkorrekturen und schwerwiegende Vorfälle umfassen. Sie sollte zudem erklären, wie IARA unterschiedliche Modelle vor und nach der Einführung bewertet.

Jede Veröffentlichung der Banco Central oder der brasilianischen Datenschutzbehörde wird einen externen Maßstab hinzufügen. Die Zentralbank untersucht bereits KI-Risiken in Finanzinstituten, während die Datenschutzbehörde Leitlinien zu automatisierten Entscheidungen und verantwortungsvoller Datenverarbeitung entwickelt.

Das dritte Signal ist, ob Wettbewerber ihre eigenen Assistenten ausbauen. Bank of America hat bewiesen, dass ein eingeschränkter Finanzassistent ein enormes Interaktionsvolumen unterstützen kann. JPMorganChase hat gezeigt, dass eine gesteuerte interne Plattform Hunderttausende Mitarbeitende erreichen kann.

Itaú versucht, diese Wege zu verbinden. Es strebt Kundengespräche im großen Maßstab, Mitarbeiterproduktivität, kontextbezogene Finanzdaten und mehrere Modellanbieter innerhalb eines kontrollierten Rahmens an.

Eine erfolgreiche Einführung würde die These stärken, dass generative KI zu einer primären Oberfläche für regulierte Dienstleistungen werden kann. Ein Rückzug auf eng gefasste Fragen würde die gegenteilige Schlussfolgerung stützen. Er würde nahelegen, dass deterministische Workflows für folgenreiche Kundenaktionen sicherer bleiben.

Entwickler und Unternehmenskäufer sollten beobachten, wie Itaú Verantwortung zwischen Modell, Orchestrierungsebene, Banksystemen und menschlichen Mitarbeitenden aufteilt. Diese Aufteilung wird im Gesundheitswesen, bei Versicherungen, juristischen Dienstleistungen und anderen regulierten Bereichen wichtig sein.

Kunden sollten eine einfachere Frage stellen, wenn ia.i Hinweise gibt: Kann die Antwort ihre Grundlage, ihre Grenzen und einen verlässlichen Weg zu menschlicher Prüfung aufzeigen?

Die Strategie von Itaú für generative KI wird nicht davon entschieden, ob ia.i ein flüssiges Gespräch führen kann. Entscheidend wird sein, ob die Bank dieses Gespräch in großem Maßstab präzise, nachvollziehbar, wirtschaftlich und nützlich gestalten kann.