Moody’s alerta que o avanço dos bancos em IA está aprofundando a dependência de empresas de tecnologia

O Google News publicou em 9 de agosto um alerta contundente da Moody’s: os bancos que correm para adotar IA estão se tornando mais dependentes de um pequeno grupo de fornecedores de tecnologia. A preocupação não é que a inteligência artificial deixe de gerar resultados úteis. É que os bancos possam abrir mão de poder de negociação, independência operacional e controle sobre infraestrutura essencial ao buscar esses resultados.

A Moody’s espera que a IA reduza custos e crie novas oportunidades de receita em todo o setor de serviços financeiros. No entanto, a agência de classificação de risco também espera que concorrentes busquem muitos dos mesmos ganhos. Essa competição pode corroer a vantagem financeira, ao mesmo tempo que deixa todos os participantes expostos a fornecedores e falhas técnicas semelhantes.

O alerta altera a narrativa habitual sobre IA no setor bancário. Os bancos apresentam a automação como um caminho para decisões mais rápidas, menores custos operacionais e serviços mais personalizados. A Moody’s pergunta quem controla os modelos, a capacidade de nuvem e os preços quando esses sistemas se tornam essenciais.

Essa questão coloca os bancos de um lado e uma cadeia de suprimentos de tecnologia concentrada do outro. Google, Microsoft, Amazon, OpenAI e Anthropic fornecem partes importantes da infraestrutura e da pilha de modelos. As instituições financeiras ainda controlam relacionamentos regulados com clientes e dados proprietários, mas não controlam todas as camadas que sustentam suas aplicações de IA.

O resultado é uma troca difícil. Os bancos precisam de tecnologia externa para avançar rapidamente, mas uma adoção mais profunda eleva o custo de mudar de fornecedor ou sobreviver a uma interrupção. O risco da IA bancária apontado pela Moody’s está, portanto, menos em um chatbot defeituoso do que em uma dependência setorial de infraestrutura comum.

O alerta da Moody’s vai além da produtividade da IA

A mudança imediata é que uma agência de classificação de crédito colocou a dependência tecnológica ao lado dos benefícios financeiros esperados da IA.

Segundo o alerta sobre dependência bancária, a Moody’s espera que a IA reduza custos e aumente a receita em todo o setor de serviços financeiros. Contudo, alcançar esses ganhos exigirá investimentos substanciais. Bancos rivais que busquem as mesmas melhorias também podem eliminar parte da vantagem por meio da concorrência.

Essa avaliação desafia uma justificativa comum para os gastos dos bancos com IA. Um banco pode automatizar atendimento ao cliente, análises de conformidade, monitoramento de fraudes, desenvolvimento de software ou análise de documentos. Se todos os grandes concorrentes comprarem capacidades comparáveis, a tecnologia se torna uma exigência, e não um diferencial duradouro.

O banco continua arcando com o custo de implementação. Ele precisa integrar modelos a sistemas antigos, validar resultados, proteger informações dos clientes e documentar decisões para reguladores. Também necessita de funcionários capazes de supervisionar as implementações e intervir quando processos automatizados se comportarem de forma inesperada.

A Moody’s destacou outra camada de exposição. A maioria das empresas financeiras depende de um grupo relativamente pequeno de fornecedores de modelos fundamentais e serviços de nuvem. Um modelo fundamental é um sistema geral de IA que as organizações adaptam para muitas tarefas mais específicas.

Os provedores de nuvem fornecem computação, armazenamento, redes e serviços gerenciados usados para executar essas aplicações. Assim, as maiores plataformas podem aparecer em várias partes da arquitetura de um banco. Uma falha em uma plataforma pode interromper várias aplicações de uma só vez.

Isso cria dependência de fornecedores de IA antes mesmo de todos os benefícios propostos serem comprovados. Quando um banco constrói fluxos de trabalho em torno de uma interface de modelo, um ambiente de nuvem e um sistema de segurança, migrar para outro lugar se torna caro. Pipelines de dados, treinamento de funcionários, controles e integrações de software podem exigir mudanças.

O risco aumenta à medida que a IA passa de experimentos para as operações diárias. Um assistente interno de redação pode ficar indisponível por várias horas sem ameaçar a instituição. Um modelo conectado à detecção de fraudes, reclamações, decisões de crédito ou autenticação de clientes apresenta um problema diferente.

A Moody’s também alertou para privacidade de dados, cibersegurança, fraudes e fuga de depósitos. A fuga de depósitos ocorre quando clientes retiram dinheiro de um banco rapidamente, muitas vezes porque a tecnologia facilita comparações e transferências. Assistentes de IA podem reduzir o esforço necessário para encontrar retornos maiores e trocar de conta.

Esse resultado transformaria a IA de uma ferramenta de eficiência interna em uma força que afeta o financiamento bancário. Depósitos estáveis são importantes porque os bancos os usam para sustentar empréstimos e administrar liquidez. Uma movimentação mais rápida dos clientes pode tornar esse financiamento menos previsível em períodos de estresse.

Portanto, a manchete do Google News captura apenas uma parte do argumento da Moody’s. Os bancos enfrentam pressão de fornecedores de tecnologia, mas também de clientes que usam ferramentas cada vez mais capazes. A IA pode reduzir atritos nos dois lados do balanço patrimonial.

Por que os bancos enfrentam uma cadeia de suprimentos de IA concentrada

Os bancos não estão escolhendo entre tecnologia e independência; estão decidindo quanta dependência podem tolerar com segurança.

A cadeia de suprimentos começa com chips avançados e centros de dados. Ela continua por plataformas de nuvem, modelos fundamentais, serviços de cibersegurança, ferramentas para desenvolvedores e aplicações financeiras especializadas. Apenas um número limitado de empresas consegue operar várias dessas camadas em escala global.

Grandes bancos podem negociar contratos com vários fornecedores. Também podem distribuir aplicações entre diferentes nuvens ou modelos. Ainda assim, uma lista de fornecedores nominalmente diversificada nem sempre produz independência técnica real.

Dois fornecedores de modelos podem usar a mesma plataforma de nuvem. Aplicações bancárias separadas podem depender do mesmo serviço de identidade, componente de rede ou fornecedor de segurança. Assim, um banco pode ter muitos contratos e ainda manter um ponto único de falha oculto.

A Moody’s descreveu a exposição resultante como dependência sistêmica. Sistêmico significa que as consequências vão além de uma empresa, porque muitas instituições dependem do mesmo fornecedor ou componente técnico. Uma interrupção generalizada poderia afetar simultaneamente vários bancos, seguradoras e outras empresas.

Interrupções recentes em serviços de nuvem mostraram por que isso importa. A Moody’s observou em sua perspectiva sobre a economia digital que interrupções envolvendo AWS, Microsoft Azure e Cloudflare causaram ampla disrupção. Esses eventos expuseram a complexidade operacional de ambientes de nuvem conectados.

As aplicações de IA acrescentam outra dependência sobre essa infraestrutura. Um banco pode manter acesso aos seus dados e, ainda assim, perder acesso a um endpoint de modelo ou serviço de suporte. Também pode descobrir que um modelo alternativo se comporta de modo diferente sob as mesmas instruções.

Essa diferença é importante em fluxos de trabalho regulados. Os modelos podem variar em precisão, comportamento de recusa, formato de resposta e sensibilidade a prompts. Substituir um modelo por outro nem sempre equivale a substituir um servidor de banco de dados padrão.

O substituto precisa ser testado para o caso de uso do banco. As equipes de risco podem ter de validar seus resultados, documentar limitações e reavaliar os efeitos sobre os clientes. Um backup tecnicamente disponível pode continuar operacionalmente inutilizável até que essas verificações sejam concluídas.

Os preços representam outra preocupação. A Moody’s alertou que fornecedores dominantes de modelos e infraestrutura podem ganhar influência sobre os custos dos serviços de IA. Essa influência se fortalece quando os clientes constroem sistemas complexos em torno de interfaces proprietárias.

Empresas de IA generativa enfrentam sua própria pressão para gerar retornos sustentáveis. Se os fornecedores aumentarem preços, os bancos poderão ter dificuldades para repassar esses custos aos clientes. Instituições concorrentes podem oferecer serviços semelhantes, limitando quanto cada uma pode cobrar.

Esse mecanismo torna o risco da IA bancária apontado pela Moody’s parcialmente comercial. Um banco pode concluir uma implementação bem-sucedida e ainda assim receber menos valor econômico do que esperava. O fornecedor captura mais receita, enquanto a concorrência reduz a margem do banco.

A dependência de fornecedores também pode moldar o roteiro de produtos de um banco. Um provedor decide quando retirar um modelo, alterar limites de uso, mudar controles de segurança ou lançar uma interface atualizada. O banco precisa se adaptar mesmo quando sua implementação existente permanece satisfatória.

A regulamentação acrescenta mais complexidade. Os bancos continuam responsáveis pelos resultados para os clientes quando um terceiro fornece tecnologia importante. Terceirizar um modelo não terceiriza a responsabilização por discriminação, controles fracos, decisões imprecisas ou falhas de privacidade.

Essa divisão entre controle e responsabilidade é a tensão central. A empresa de tecnologia controla escolhas técnicas importantes. O banco assume grande parte do risco regulatório, reputacional e relacionado aos clientes.

Por que a manchete do Google News importa para os bancos

A história importa porque a adoção de IA está passando de experimentação opcional para necessidade competitiva.

Mais de 75% das empresas da City já usam IA, segundo uma constatação do Parlamento do Reino Unido citada na reportagem original. Bancos e seguradoras internacionais estavam entre os maiores adotantes. Os casos de uso incluíam automação administrativa, sinistros de seguros e avaliações de solvência de crédito.

Essas aplicações apresentam níveis de risco muito diferentes. Resumir uma reunião interna não é equivalente a avaliar um solicitante de empréstimo. A segunda tarefa pode afetar o acesso ao crédito e exige uma supervisão muito mais rigorosa.

O próprio estudo de dados bancários de 2026 da Moody’s identificou uma lacuna entre ambição e preparação. O estudo constatou que 40% dos bancos tinham planos ambiciosos de dados e tecnologia. No entanto, 80% enfrentavam dados fragmentados e infraestrutura legada.

Apenas 12% se sentiam confiantes para usar seus dados e agir rapidamente. A Moody’s também constatou que 35% estavam investindo em estruturas de governança de IA. A governança inclui os padrões, responsabilidades, testes e registros necessários para administrar a IA durante todo o seu ciclo de vida.

Esses números explicam por que a dependência de fornecedores de IA pode crescer rapidamente. Um banco com sistemas internos fragmentados pode preferir um serviço externo gerenciado que prometa implantação mais rápida. Essa decisão resolve um problema imediato de entrega, mas pode tornar o provedor mais difícil de substituir.

O mesmo banco pode não ter um inventário completo de cada modelo, fonte de dados e fluxo de trabalho subsequente. Sem esse mapa, os executivos não conseguem medir com precisão a exposição a uma interrupção ou mudança contratual. Eles podem descobrir dependências compartilhadas somente durante um incidente.

A infraestrutura legada cria outro desequilíbrio. Os fornecedores de tecnologia operam plataformas modernas projetadas para processamento escalável de dados. Os bancos frequentemente conectam essas plataformas a sistemas desenvolvidos ao longo de décadas, fusões e mudanças regulatórias.

O trabalho de integração se torna uma forma de aprisionamento tecnológico. O banco investe em conectores, camadas de controle, políticas de acesso, monitoramento e conhecimento especializado da equipe. Esses investimentos têm valor, mas muitos são adaptados a um ambiente específico.

O enquadramento do Google News também aponta para a concentração de mercado. O Google não é apenas um agregador que publica o artigo. O Google Cloud e os modelos Gemini da Alphabet colocam a empresa dentro da cadeia de suprimentos descrita pela Moody’s.

A Microsoft combina Azure com amplo software corporativo e parcerias em IA. A Amazon opera AWS e oferece acesso a vários modelos por meio de serviços gerenciados. OpenAI e Anthropic fornecem famílias de modelos proprietários amplamente usadas.

Isso não significa que um único fornecedor controla o sistema bancário global. Significa que vários fornecedores ocupam posições estratégicas que seriam difíceis de reproduzir rapidamente. Os bancos precisam negociar com empresas cuja tecnologia abrange muitos setores e jurisdições.

As instituições financeiras mantêm vantagens importantes. Elas controlam os depósitos dos clientes, licenças reguladas, expertise em risco, distribuição e grandes volumes de informações proprietárias. Esses ativos limitam a capacidade de uma empresa de tecnologia de substituir diretamente um banco.

O controle de dados é especialmente significativo. O histórico de transações de um banco, os relacionamentos com clientes, os registros de subscrição de crédito e o conhecimento de conformidade podem aprimorar sistemas especializados. Um fornecedor de modelos gerais não passa automaticamente a ser proprietário desses ativos.

No entanto, o controle sobre os dados não garante independência operacional. Um banco pode possuir suas informações e ainda depender de sistemas externos para processá-las. Propriedade e execução são formas distintas de controle.

Os trabalhadores do conhecimento dentro das instituições financeiras enfrentam uma questão semelhante. A IA pode acelerar análises, mas os funcionários precisam acessar um contexto institucional verificado. Uma base de conhecimento de IA bem gerenciada pode preservar fontes e decisões, em vez de dispersá-las entre conversas com modelos.

Essa prática não elimina a concentração de infraestrutura. Mas ajuda a organização a reter um contexto que pode transitar entre ferramentas. O conhecimento portátil reduz o custo prático de trocar de aplicação ou fornecedor.

Os bancos têm defesas, mas a preparação é desigual

O alerta da Moody’s descreve uma exposição séria, não uma inevitável perda de controle.

Os grandes bancos passaram décadas gerenciando fornecedores de tecnologia. Eles negociam garantias de serviço, direitos de auditoria, padrões de segurança, proteções de dados e cláusulas de rescisão. Sua escala de compras também pode proporcionar condições melhores do que as recebidas por instituições menores.

Muitos bancos podem usar mais de um modelo. Eles podem manter dados críticos em ambientes controlados e limitar quais informações chegam a um serviço externo. Também podem criar sistemas de roteamento que selecionam modelos de acordo com risco e desempenho.

Modelos de código aberto oferecem outra opção. Um banco pode executar um modelo disponibilizado abertamente em sua própria infraestrutura ou em um ambiente de nuvem escolhido. Isso pode reduzir a dependência de uma única interface de modelo proprietário.

O código aberto não elimina todas as dependências. O banco ainda precisa de capacidade computacional, controles de segurança, funcionários qualificados, atualizações de modelos e sistemas de avaliação. Executar um modelo internamente transfere responsabilidades, em vez de fazê-las desaparecer.

Parcerias também podem distribuir o risco. Os bancos podem contratar várias empresas de nuvem, empresas de modelos e fornecedores especializados. Podem exigir dados exportáveis, interfaces documentadas e planos de saída testados.

A questão mais difícil é saber se essas alternativas funcionam durante uma falha real. Um sistema de backup precisa lidar com volumes realistas de transações e preservar os controles necessários. As equipes precisam praticar a troca antes que uma interrupção force a decisão.

As evidências sugerem que a confiança pode superar os testes. Um relatório de junho constatou que 93% dos executivos bancários do Reino Unido pesquisados acreditavam que suas instituições conseguiriam continuar operando durante uma grande interrupção. Apenas 47% haviam concluído um teste envolvendo disrupção de IA, enquanto 26% não haviam concluído nenhum.

Esses números foram divulgados durante o recrutamento, pelo Lloyds Banking Group, de 300 especialistas em tecnologia. Esperava-se que os contratados trabalhassem em projetos que incluíam prevenção a fraudes, busca em documentos internos e serviços bancários personalizados.

O Lloyds oferece um exemplo concreto do incentivo comercial. O banco afirmou que a IA generativa contribuiu com um benefício de £50 milhões durante 2025. Esperava que esse benefício atingisse £100 milhões em 2026, à medida que a adoção de IA agêntica aumentasse.

IA agêntica refere-se a sistemas que planejam e executam várias etapas com orientação humana limitada. Esses sistemas podem automatizar mais trabalho do que um simples chatbot. Eles também criam cadeias mais longas de ações que exigem monitoramento e controles de recuperação.

O Lloyds planejava trabalhar com modelos existentes, incluindo Claude, da Anthropic, e Gemini, do Google. Essa abordagem permite que o banco use sistemas avançados sem treinar um modelo fundamental comparável. Ela também ilustra a dependência identificada pela Moody’s.

O banco não é passivo nessa relação. Ele pode adaptar modelos aos requisitos internos e manter a propriedade dos dados de seus clientes. Também pode empregar especialistas que entendem tanto a tecnologia quanto os processos bancários regulados.

Ainda assim, a expertise não elimina a concentração. Vários bancos podem selecionar de forma independente o mesmo modelo ou nuvem porque ele apresenta bom desempenho. Escolhas racionais em cada instituição podem produzir exposição coletiva em todo o sistema financeiro.

O risco de cauda da IA identificado pelo Federal Reserve de Chicago acrescenta outra dimensão. Grandes bancos aumentaram os compromissos com setores adjacentes à IA, de cerca de 9% do total de compromissos em 2015 para 13% no fim de 2025.

Esses compromissos chegaram a cerca de US$ 450 bilhões. A exposição média pendente permaneceu em aproximadamente 0,8% do total de ativos bancários, portanto a posição direta não foi descrita como imediatamente alarmante. A preocupação envolvia o espalhamento de estresse entre tomadores conectados dos setores de software, semicondutores, energia e data centers.

Assim, os bancos enfrentam exposição à IA por duas frentes. Eles compram serviços de IA para operar com mais eficiência, criando dependência de fornecedores. Também emprestam para empresas que financiam a infraestrutura e os negócios por trás da expansão da IA.

Isso não prova que uma crise ampla esteja se aproximando. O desempenho atual dos empréstimos e a demanda por data centers continuaram comparativamente fortes na análise do Fed de Chicago. As exposições indiretas também eram difíceis de medir com os dados regulatórios disponíveis.

A interpretação cética é que o alerta da Moody’s pode superestimar o poder de negociação dos fornecedores. Grandes bancos possuem contratos relevantes, equipes experientes de compras e alternativas críveis. Os reguladores também estão obtendo supervisão mais forte sobre fornecedores externos importantes.

No entanto, a afirmação oposta também não deve ser exagerada. Uma política multicloud não proporciona resiliência automaticamente. Um modelo aberto não garante portabilidade, e um contrato não assegura que a troca possa ocorrer rapidamente.

O teste prático é saber se um banco consegue manter os serviços essenciais após perder um fornecedor. Isso exige evidências de exercícios, não pesquisas de confiança ou documentos de política.

Três sinais testarão o alerta da Moody’s no Google News

A próxima fase revelará se os bancos estão construindo sistemas de IA resilientes ou apenas adicionando mais fornecedores a arquiteturas frágeis.

O primeiro sinal é o teste operacional. Os bancos devem divulgar se simularam a perda de um grande fornecedor de modelos ou de nuvem enquanto fluxos de trabalho críticos permanecem ativos. Os reguladores vão querer evidências de que os sistemas de backup conseguem suportar volumes realistas.

Um teste bem-sucedido reforçaria a tese de que os bancos conseguem conter o risco bancário de IA apontado pela Moody’s. Mostraria que as alternativas técnicas resistem ao contato com controles operacionais, demanda dos clientes e exigências regulatórias.

Falhas repetidas sustentariam o alerta da Moody’s. O mesmo ocorreria com evidências de que modelos de backup não conseguem reproduzir os resultados exigidos ou passar rapidamente pela validação. Um plano de recuperação que existe apenas no papel oferece pouca proteção.

O segundo sinal é a portabilidade de contratos e arquitetura. Os bancos precisam de formas práticas de transferir dados, prompts, avaliações e fluxos de trabalho entre fornecedores. Interfaces padronizadas podem ajudar, mas os sistemas mais importantes frequentemente contêm recursos específicos de cada fornecedor.

Observe os bancos que adotam camadas de roteamento de modelos e suítes de avaliação portáteis. Uma suíte de avaliação é um conjunto de testes usado para comparar sistemas de IA com os mesmos requisitos. Ela pode revelar se um modelo substituto atende aos padrões mínimos.

Observe também limites à renovação automática de contratos e cláusulas de saída mais robustas. Esses termos importam porque o poder de precificação aumenta quando um cliente não consegue sair sem reconstruir aplicações importantes.

Uma portabilidade maior enfraqueceria a interpretação mais severa da dependência dos bancos em relação a fornecedores de IA. Mostraria que as instituições podem usar tecnologia externa avançada sem aceitar aprisionamento permanente.

O terceiro sinal é o tratamento regulatório de fornecedores críticos de tecnologia. As autoridades do Reino Unido já se concentraram em terceiros críticos, incluindo empresas de nuvem e tecnologia que atendem instituições financeiras. A supervisão direta pode expor fragilidades comuns que os bancos individualmente não conseguem enxergar.

A Financial Conduct Authority também considerou uma autoridade mais forte sobre empresas de IA e fornecedores de nuvem. Suas preocupações incluem fraude, cibersegurança, danos ao consumidor e concentração de mercado. Esses riscos vão além da gestão convencional de fornecedores.

Requisitos claros de testes fortaleceriam a tese de resiliência. Os supervisores poderiam exigir que os bancos mapeassem dependências, definissem metas de recuperação e relatassem incidentes relevantes. Também poderiam examinar a concentração em todo o setor.

A regulação pode criar novas complicações, porém. Se os custos de conformidade favorecerem os maiores fornecedores aprovados, a supervisão poderá reforçar a concentração que busca controlar. Alternativas menores podem ter dificuldade para atender aos requisitos do setor financeiro.

Essa compensação merece atenção rigorosa. Um fornecedor individual mais seguro não produz necessariamente um mercado mais seguro quando a maioria das instituições o escolhe. A concentração pode transformar uma plataforma bem gerenciada em um ponto compartilhado de falha.

A mesma questão se aplica aos modelos fundamentais. Os reguladores podem preferir fornecedores estabelecidos, com documentação extensa e equipes de segurança. Os bancos podem então convergir para um pequeno grupo de modelos porque essas escolhas parecem mais fáceis de defender.

O alerta da Moody’s parecerá mais forte se a adoção continuar sem melhorias mensuráveis em portabilidade e testes de recuperação. Parecerá mais fraco se os bancos demonstrarem troca rápida entre sistemas operados de forma independente.

Portanto, os leitores do Google News devem tratar a manchete como um sinal inicial de risco de crédito, e não como uma declaração de que os bancos já perderam o controle. As evidências decisivas virão de interrupções, mudanças contratuais, exames regulatórios e desempenho de recuperação testado.

Os benefícios financeiros permanecem suficientemente reais para manter a adoção em movimento. É improvável que os bancos deixem de usar IA quando a automação pode melhorar o tratamento de reclamações, a revisão de documentos, a detecção de fraudes e o desenvolvimento de software.

A melhor pergunta é se cada implementação preserva uma saída. Os executivos devem perguntar quais serviços param quando um fornecedor falha, quanto tempo a recuperação leva e quais controles sobrevivem à troca.

Clientes e investidores podem fazer perguntas semelhantes. Um banco explica como decisões automatizadas são revisadas? Os funcionários podem intervir quando um modelo falha? A instituição testou uma perda prolongada de um fornecedor externo?

A próxima grande interrupção fornecerá as evidências mais claras. Se os bancos mantiverem os serviços essenciais por meio de alternativas testadas, a preocupação da Moody’s parecerá administrável. Se várias instituições falharem juntas, o alerta parecerá presciente.

Por enquanto, a corrida pela IA criou um equilíbrio desconfortável. Os bancos podem ganhar eficiência sem possuir toda a pilha tecnológica. Eles não podem supor que contratos de compras, por si só, preservam a independência.

A matéria do Google News trata, em última análise, de controle. Os bancos ainda possuem dados críticos, licenças e relacionamentos com clientes. Seu desafio é manter esses ativos úteis quando outra pessoa opera a inteligência e a infraestrutura ao redor deles.