©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

Governança responsável

O gap silencioso da governança de IA

Nesse contexto, o grande risco é escalar a Inteligência Artificial sem uma governança funcional robusta, construída sobre alicerces frágeis.

Cíntia Scovine Barcelos

28 de abril de 2026

9 min de leitura

A inteligência artificial está remodelando o setor financeiro em um ritmo acelerado, entregando uma era de personalização sem precedentes, maior eficiência operacional, otimização de prevenção a fraudes e crimes financeiros, decisões rápidas e precisas de análise de risco e crédito, novos produtos e revolucionando o atendimento. Com a IA agêntica, surge uma nova gama de casos de uso. Agentes de IA agora trabalham de forma autônoma ou com em conjunto com o ser humano, executando processos de ponta a ponta e tomando decisões, dentro de limites pré-estabelecidos. 

Contudo, enquanto as possibilidades se expandem, um recente estudo global acende um alerta e, ao mesmo tempo, aponta o caminho para a inovação responsável. O relatório da Thomson Reuters Foundation e UNESCO, “Responsible AI in practice 2025 global insights from the AI Company Data Initiative (AICDI)”, o maior conjunto de dados global sobre governança de IA corporativa, apresentou um panorama revelador: a adoção de IA avança, mas a maturidade em governança muitas vezes não acompanha o mesmo ritmo. 

Esse estudo mostra que as organizações descrevem a governança de IA em termos conceituais e de alto nível, com foco em políticas, comitês e princípios, mas oferecem pouca visibilidade sobre como ela opera de forma prática. Faltam evidências de controles operacionais, recursos dedicados, mecanismos de escalonamento e monitoramento efetivo dos riscos. Essa visão superficial também se estende aos impactos sobre trabalhadores: embora haja reconhecimento da necessidade de requalificação, raramente demonstram os impactos reais desses programas no aprendizado dos trabalhadores ou como suas preocupações são tratadas.

Nesse contexto, o grande risco é escalar a Inteligência Artificial sem uma governança funcional robusta, construída sobre alicerces frágeis. O artigo do Gartner sobre “How to mature Generative and Agentic AI Governance for Enterprise Applications”, reforça essa realidade: apenas 15% dos líderes acreditam ter os modelos corretos de governança para agentes de IA e 84% acreditam que precisam de controles técnicos adicionais para mitigar os riscos.

Escalando AI de forma responsável e com governança

A IA responsável define os princípios e comportamentos desejados da IA, como segurança, confiabilidade, ética, responsabilidade, impacto e sustentabilidade. É necessário garantir a transparência nas decisões, respeito à privacidade, combate à discriminação e fomento à inclusão e equidade.

A Governança de IA define os mecanismos e processos que garantem que esses princípios sejam cumpridos. Como melhores práticas, além da criação de normas e diretrizes para o uso de IA e o estabelecimento de uma comissão de IA com stakeholders de várias áreas de negócios, tecnologia, riscos, auditoria e segurança, é necessário ferramental para garantir a aplicação de guardrails (conjunto de controles e limites que delimitam como a IA pode operar) para ética e segurança, a conformidade com normas regulatórias locais e internacionais e um inventário das soluções desenvolvidas.

A distinção entre uma governança declarada e uma funcional reside na sua operacionalização, tornando-se crítica quando a IA assume papéis decisivos em operações como concessão de crédito, atendimento a clientes ou compliance. Para transpor essa lacuna, o caminho está em aprofundar, dedicando recursos específicos e implementando mecanismos estruturantes, transformando diretrizes em processos tangíveis e eficazes.

Em instituições que gerenciam centenas de casos de uso de IA em produção, abrangendo desde a interação com clientes até a otimização de operações, uma arquitetura multi-modelo, dotada de guardrails, políticas de uso e observabilidade embutidos desde o ciclo de vida, tem se mostrado fundamental para escalar com segurança. É essa infraestrutura de governança que possibilita a transição de projetos isolados para uma capacidade corporativa robusta, capaz de atender milhões de interações e gerar resultados concretos.

Escalando IA no Bradesco

O primeiro caso de uso de IA em escala no Bradesco foi a BIA (Bradesco Inteligência Artificial), lançada em 2016 para tirar dúvidas de produtos e serviços dos gerentes das agências. Desde então, ela se tornou um concierge para os clientes, está presente em todos os canais como o App Bradesco, WhatsApp, URA, executa transações financeiras como saldo, extrato e PIX inteligente e avisa o cliente em caso de suspeita de fraude. Como primeiro atendimento para os clientes, tem uma retenção de 90% e resolutividade de 89% com o uso de IA generativa. Também suporta os engenheiros no ciclo de desenvolvimento de software, desde a escrita de histórias, geração de código, automação de testes, pedido de mudança e operação. O resultado desse uso, juntamente com outras ações, resultou em uma redução no lead time de 43% desde 2024. 

Todo esse conhecimento com o uso de IA em escala foi consolidado na BRIDGE (Bradesco Inteligência de Dados Generativa), uma plataforma que consolida as melhores práticas em IA para colocar casos de uso de forma governada em produção. A BRIDGE é estruturada como um conjunto de APIs e serviços reutilizáveis, integra com os diversos LLMs (Large Language Model – modelo de IA para linguagem natural) de mercado, sistemas internos e com serviços reutilizáveis, regras de FinOps (Financial Operations – gestão dos custos de cloud), tem todos os guardrails de ética, segurança, controle de vieses e inventário dos modelos em produção. Garante auditoria, monitoramento e melhoria contínua. Essa plataforma padroniza o uso de IA, evita desenvolvimentos redundantes e torna IA um elemento estrutural das entregas. A BRIDGE encapsula padrões e diretrizes de governança e os conecta na prática com as aplicações. 

Para escalar IA fortalecer a gestão de dados é igualmente essencial. A qualidade dos dados é o alicerce de qualquer sistema de IA. O Bradesco vem investindo nos produtos de dados, que são ativos reutilizáveis, governados e confiáveis, para atender uma finalidade específica do negócio em um domínio ou assunto. Ou seja, dados tratados como produto, com propósito claro, responsáveis definidos, qualidade garantida e consumo fácil por múltiplas áreas. 

Com a BRIDGE e os produtos de dados como a fundação de IA na organização, é possível colocar um caso de uso em semanas em produção com toda a segurança e governança necessárias. O Bradesco já tem mais de 600 casos em produção, sendo 50 em escala. 

O Bradesco está agora evoluindo a governança de IA para abranger o uso em escala das diversas ferramentas de produtividade pessoal e agentes de IA, reforçado por um plano corporativo de capacitação desenhado para cada perfil de colaborador. O objetivo é ir além de AI-First, é estar tecnologicamente AI-Ready com a ambição de ser um banco AI-Powered.

Caminho para uma organização AI-Powered

O desafio da IA responsável se concretiza na operacionalização. A pergunta mais importante hoje é se é possível provar que a governança funciona sob condições reais. 

Para quem está desenhando esse futuro, a construção de um caminho sólido e sustentável exige a adoção de três movimentos: o primeiro é a visibilidade estratégica antes da velocidade, mapeando onde a IA opera, quais dados utiliza, sua criticidade e potenciais impactos. O segundo ponto é uma responsabilização clara e objetiva, definindo quem decide, quem aprova, quem monitora e, como se corrige, garantindo que seja explícita e que os riscos não se acumulem em silêncio. Por fim, a criação de estruturas replicáveis, construindo capacidades corporativas sobre componentes, habilidades e controles que podem ser replicados, o que reduz o retrabalho e mitiga riscos à medida que a IA se expande pela organização.

Uma organização AI-Powered é aquela em que a inteligência artificial opera como uma infraestrutura do negócio. É ter a IA integrada aos processos, decisões e produtos, com governança, segurança e supervisão humana, potencializando pessoas e acelerando a geração de valor. Tornar-se uma organização AI-Powered é um caminho progressivo, que combina estratégia, arquitetura, dados, governança, modelo operacional e cultura. 

A Inteligência Artificial já faz parte da operação diária. O verdadeiro diferencial competitivo para o futuro será de quem conseguir industrializá-la com controles robustos e evidências que funcionam em escala. As organizações que adotarem essa visão estratégica de governança não apenas se protegerão de riscos, mas desbloquearão todo o potencial transformador da IA impulsionando a inovação e solidificando a confiança em um setor em constante evolução.