O Bradesco estima que a inteligência artificial aplicada ao crédito já adiciona mais de R$ 1 bilhão ao lucro líquido anual do banco em relação a 2023, dos quais pelo menos R$ 250 milhões estão vinculados diretamente às entregas da Kunumi, a startup de IA comprada pelo grupo naquele ano.
Os números que o Bradesco atribui à IA no crédito
| Indicador |
Resultado |
| Lucro anual extra estimado vs 2023 |
Mais de R$ 1 bilhão |
| Ganhos da primeira onda da Kunumi |
R$ 250 milhões |
| Time to yes no atacado |
De 10 dias para 3,3 dias |
| Construção de modelo de machine learning |
De 6 meses para 3 meses |
| Renegociação middle market automatizada |
20% das propostas |
Dados reportados por executivos do Bradesco. Fonte: Valor Econômico
O que a Kunumi entrega e por que o número sai da conta
A Kunumi é uma spin-off do Departamento de Ciência da Computação da UFMG, fundada em 2016 por Nívio Ziviani e Alberto Colares, e a compra pelo Bradesco foi anunciada em 2023, com a companhia mantendo operação autônoma dentro do grupo. A estrutura do negócio inclui cláusulas de earn-out, pagamento vinculado ao desempenho futuro dos ativos, o que obriga o banco a calcular separadamente o impacto das ferramentas. “Com o primeiro bloco de entregas da Kunumi que estão amadurecendo, a gente já vê um resultado de R$ 250 milhões”, disse ao Valor Rafael Cavalcanti, diretor de inteligência de dados e CRM do Bradesco.
A área de crédito separa a atuação em duas linhas: “AI powered”, para impulsionar processos que já existem, e “AI first”, para criar processos que só fazem sentido com IA no centro. “O nosso mote é muito fugir do hype e ir para a prática”, disse André Duarte Oliveira, membro do comitê executivo e responsável pela área. A frente ganhou equipe de IA dedicada no novo plano estratégico lançado há dois anos, e a aposta do grupo não é inédita: em março, a Bradesco Seguros venceu um desafio global da AWS com uma aplicação de IA generativa.
Do atacado ao middle market, a IA já decide em linha
No atacado, o time to yes, o tempo entre o cliente pedir crédito e o banco responder, caiu de dez para 3,3 dias. “Os próprios clientes sentiram que a gente está mais rápido. Ganhamos velocidade com segurança, porque a probabilidade de default dessas safras se reduziu e estabilizou em um patamar bem mais baixo que antes”, disse Oliveira ao Valor. A IA também faz clipping de notícias: “Se a gente detecta a notícia de um evento climático no interior de Goiás, isso nos gera um alerta para um analista de crédito que consegue avaliar e tomar uma decisão”, afirmou Cavalcanti.
No middle market, cerca de 20% das propostas de renegociação já são decididas automaticamente por modelos impulsionados por IA, e a tecnologia ajuda a identificar clientes em pré-inadimplência antes de concorrentes. “Quem chega primeiro consegue resolver melhor a vida do cliente e bebe água limpa, pode ficar com a melhor garantia”, disse Oliveira. Na cobrança do varejo, a IA monitora centenas de milhares de ligações de call center e sugere abordagens individualizadas para cada atendente renegociar com cada cliente. Dados sintéticos gerados por IA generativa começam a ser usados para estimar perfis de crédito em nichos em que o banco nunca emprestou, contornando limites de privacidade e base histórica.
Em entrevista ao podcast Let’s Money, um executivo da plataforma de crédito Avra resumiu a tese que o Bradesco agora aplica: “Crédito evoluiu muito pouco desde a década de 70, 80. A gente está acostumado a olhar uma foto daquela empresa em determinado momento do tempo”. A saída, no frame do podcast, é trocar a foto pelo filme, a trajetória futura que modelos de machine learning conseguem projetar a partir de múltiplas fontes. O movimento do Bradesco traduz essa tese em linha de balanço: o Itaú já opera mais de 1,3 mil modelos de IA, mas ainda não apresentou um número de impacto financeiro comparável.
O que observar
A pergunta que sobra é como reguladores vão auditar modelos que decidem sobre crédito a partir de dados sintéticos gerados por IA generativa. A base preserva privacidade no treinamento, mas cria um novo ponto de verificação: ela é fiel à distribuição real da população ou só à que a instituição já enxerga bem? Vale acompanhar como o regulador brasileiro vai exigir rastreabilidade dessa etapa, porque ela entra na explicabilidade que a LGPD e o marco regulatório de IA já demandam.
O outro ponto é competitivo. Se o diferencial passa a ser detectar e abordar o cliente primeiro, instituições sem IA no mesmo nível ficam com carteira pior em média, e a assimetria tende a se amplificar a cada trimestre. O custo de não investir em modelagem deixa de ser oportunidade perdida para virar perda ativa em default e garantia.
Fontes: Valor Econômico • UFMG • Let’s Money • Let’s Money Podcast
