Quando a IA investiga e o humano decide

Por Matheus Vidal* — Durante muito tempo, falar em inteligência artificial no compliance significava falar em automação: cruzar bases de dados, identificar padrões, gerar alertas e reduzir tarefas manuais. Agora, entramos em uma fase diferente. Recursos generativos e agentes inteligentes começam a participar de etapas mais complexas, capazes não apenas de localizar ocorrências, mas de organizar evidências, contextualizar sinais e apoiar o trabalho das equipes responsáveis por avaliar riscos.

A mudança já chegou às empresas. Segundo a Global Compliance Survey 2025, da PwC, realizada com 1.802 executivos em 63 territórios, 71% acreditam que a IA terá impacto positivo sobre a área. Entre as organizações consultadas, 46% já utilizam ou testam esses recursos em dados e análises preditivas, enquanto 36% fazem o mesmo na detecção de fraudes. Os números mostram que a discussão deixou de ser sobre quando essa transformação acontecerá. A pergunta agora é até onde ela pode avançar e em que momento o julgamento humano precisa prevalecer.

Essa fronteira é especialmente sensível em mercados regulados. Em processos de Prevenção à Lavagem de Dinheiro (PLD), por exemplo, um alerta raramente conta toda a história. A avaliação pode exigir a combinação de movimentações financeiras, histórico, comportamento, dados cadastrais e perfil socioeconômico antes que seja possível compreender determinado cenário. Em operações de grande escala, reunir e relacionar todos esses elementos manualmente consome um recurso cada vez mais valioso: tempo qualificado.

É justamente nesse ponto que a inteligência artificial pode gerar um dos maiores ganhos para as equipes. Ao reunir dados dispersos, estruturar ocorrências e destacar aspectos relevantes, ela reduz o esforço dedicado à busca e consolidação de conteúdo. O analista passa a concentrar energia na etapa em que sua experiência realmente faz diferença: interpretar os sinais, reconhecer exceções e avaliar se determinado comportamento representa um risco que exige alguma ação.

Na prática, caminhamos para um modelo em que a máquina funciona como uma espécie de copiloto do analista. A escolha dessa palavra não é apenas semântica. Um copiloto amplia a capacidade de quem está no comando, organiza elementos importantes e ajuda a enxergar riscos, mas não elimina a necessidade de alguém responsável pelo resultado. Essa combinação também pode trazer maior consistência aos processos, reduzindo diferenças na forma como ocorrências semelhantes são estruturadas e registradas por integrantes de uma mesma equipe.

É nesse ponto, porém, que produtividade deixa de ser a única questão. O maior risco não é permitir que a IA participe de uma investigação, mas fazer isso sem deixar claro onde termina a recomendação da máquina e começa a responsabilidade humana. Quanto maior sua participação em processos sensíveis, mais importante se torna estabelecer limites, critérios de supervisão e mecanismos capazes de registrar como cada conclusão foi construída.

Essa inquietação não vem apenas de quem trabalha com compliance. Em setembro de 2026, Dario Amodei, cofundador e CEO da Anthropic, publicou o ensaio We Must Pace the Frontier, no qual sustenta que o ritmo de evolução dos modelos precisa ser compatível com a capacidade de compreendê-los e protegê-los. Seu argumento central é desconfortável: quanto mais capazes se tornam os sistemas, mais difícil fica avaliá-los. Modelos mais inteligentes são também mais capazes de contornar os testes a que são submetidos, podendo parecer adequados enquanto abrigam problemas que passam despercebidos. Em texto anterior, sobre a urgência da interpretabilidade, ele reconhece que ainda compreendemos apenas uma fração pequena do que ocorre dentro desses modelos, e observa que essa opacidade chega a funcionar como impedimento concreto ao uso da tecnologia em decisões financeiras sensíveis.

Daí a insistência em guardrails. Para Amodei, o problema não está em desenvolver sistemas cada vez mais poderosos, mas em fazê-lo sem as salvaguardas necessárias e sem que terceiros independentes possam confirmar que elas realmente existem. Vale notar de onde vem a inspiração da solução que ele propõe. Ao defender avaliadores externos com acesso ao cotidiano das empresas de inteligência artificial, ele recorre ao precedente do setor bancário, que em determinadas situações mantém supervisores regulatórios instalados junto às equipes. O movimento é revelador: enquanto discutimos como trazer inteligência artificial para dentro do compliance, quem desenvolve essa tecnologia olha para a lógica de supervisão construída no sistema financeiro em busca de um modelo de controle.

O paralelo é direto. Se nem mesmo quem constrói esses modelos consegue descrever integralmente seu funcionamento, uma análise apoiada em inteligência artificial não pode se sustentar na confiança depositada na resposta apresentada. Ela precisa de guardrails próprios: escopo definido para o que a ferramenta pode e não pode fazer, pontos obrigatórios de revisão humana, registro do caminho percorrido até cada conclusão e reavaliação periódica do comportamento do sistema. Amodei propõe que determinadas capacidades só avancem acompanhadas de avaliações, auditorias e análises de interpretabilidade. Em compliance, o raciocínio é equivalente: quanto maior a autonomia atribuída à ferramenta, mais robusto precisa ser o conjunto de controles que a acompanha. E, como a tecnologia muda de patamar em intervalos cada vez menores, esse acompanhamento não pode se resumir a um evento isolado de homologação. Precisa ser contínuo.

A preocupação já aparece entre os executivos. Na pesquisa da PwC, 88% dos entrevistados demonstraram algum grau de receio em relação à governança e à capacidade de monitorar o uso da inteligência artificial, enquanto 79% apontaram a dependência excessiva desses recursos na tomada de decisões. Esses números não representam uma resistência à inovação, mas indicam que eficiência e controle precisarão evoluir juntos à medida que novas aplicações ganham espaço.

Em ambientes regulados, portanto, não basta perguntar se uma ferramenta consegue executar determinada tarefa. É necessário definir se ela deve realizá-la de forma autônoma, como sua atuação será supervisionada, quais etapas exigem revisão humana e quem responderá pelo resultado.

Rastreabilidade também passa a ser fundamental: quanto maior a capacidade de interpretar contextos e sugerir caminhos, maior será a necessidade de compreender os critérios utilizados e de preservar a possibilidade de revisão.

Essa direção já aparece nas normas. O Regulamento de Inteligência Artificial da União Europeia exige que sistemas classificados como de alto risco sejam projetados para permitir supervisão humana efetiva, o que significa mais do que designar formalmente um responsável: exige que essa pessoa tenha competência, autoridade e condições concretas de intervir ou desconsiderar o resultado produzido. O mesmo regulamento impõe o registro automático de eventos ao longo do ciclo de vida da ferramenta. No Brasil, o projeto que estabelece o marco legal da inteligência artificial, aprovado pelo Senado em dezembro de 2024 e ainda em tramitação na Câmara, segue caminho semelhante ao prever supervisão humana, auditabilidade e direito de contestação em aplicações de alto risco. No setor financeiro, o Grupo Wolfsberg já havia consolidado princípios para o uso de inteligência artificial na prevenção a crimes financeiros, entre eles o de responsabilidade e supervisão. E o GAFI, ao tratar das novas tecnologias aplicadas à PLD, reconhece seus ganhos sem deslocar a responsabilidade, que permanece com a instituição.

Há ainda uma consequência importante nessa transformação: a mudança no perfil de quem atua na área. Se boa parte do trabalho de localizar, organizar e consolidar dados puder ser automatizada, o valor do especialista estará cada vez menos na execução de atividades repetitivas e mais na capacidade de questionar resultados, identificar inconsistências, reconhecer particularidades e tomar decisões diante de situações que não cabem perfeitamente em regras preestabelecidas.

Isso exigirá novas competências. Não será suficiente saber utilizar ferramentas baseadas em inteligência artificial; será preciso também saber discordar delas. Uma resposta apresentada com aparente segurança não é necessariamente correta, e caberá ao especialista perceber quando determinado contexto foi ignorado, quando faltam elementos para uma conclusão ou quando uma recomendação precisa ser revista. Nesse sentido, surge um aparente paradoxo: quanto mais sofisticadas forem as máquinas, mais valioso tende a se tornar o julgamento humano.

A tendência de aceitar sem questionar tem nome e literatura própria. Pesquisadores como Linda Skitka e Raja Parasuraman descrevem há décadas o viés da automação, a tendência de acolher a recomendação de um sistema automatizado sem verificação independente, mesmo quando há informação disponível apontando em sentido contrário. O fenômeno se manifesta de duas formas: deixar de perceber aquilo que a ferramenta não sinalizou e tratar como correto aquilo que ela sinalizou de maneira equivocada. Não se trata de desatenção individual, mas de uma característica previsível da interação entre pessoas e sistemas, agravada sob pressão de tempo e volume. A própria pesquisa da PwC registra que 89% dos executivos se preocupam com a validade dos resultados gerados por inteligência artificial, incluindo respostas erradas e alucinações.

A próxima fronteira do compliance, portanto, não será definida por uma disputa entre pessoas e algoritmos, mas pela capacidade das empresas de estabelecer uma divisão inteligente de responsabilidades. Podemos delegar à máquina a tarefa de encontrar sinais, organizar evidências, conectar dados e sugerir caminhos. O que não podemos terceirizar é a responsabilidade pela decisão. Em ambientes regulados, ela continuará sendo humana.

*Matheus Vidal é Head of Legal da Paag