julho 30, 2026 · 6min de leitura
O que sentimos que os novos relatórios Gartner® Hype Cycle™ sinalizam sobre as tendências de prevenção à fraude
Os bancos estão cercados por fornecedores dizendo que a IA transformará a prevenção à fraude. O que lhes falta é uma maneira confiável de saber quais dessas alegações já são realidade e quais ainda são apenas aspiracionais.
Para nós, esse é o valor da pesquisa Gartner Hype Cycle. Ela mapeia em que estágio uma tecnologia realmente se encontra, independentemente do que dizem os fornecedores. Em junho de 2026, o Gartner publicou quatro novos relatórios cobrindo IA no setor bancário: o Hype Cycle for Artificial Intelligence in Banking, 2026, Hype Cycle for Banking Customer Experience, 2026, Hype Cycle for Data and Analytics in Banking, 2026, e Hype Cycle for AI-Driven Trade Finance Transformation in Banking, 2026.
O relatório focado no setor bancário em geral abre com uma observação impressionante: “A adoção de IA no setor bancário está crescendo rapidamente, mas apenas 38% das organizações veem ganhos financeiros.”1
A Feedzai está entusiasmada por ser reconhecida nesses quatro relatórios. Estes três se destacam em particular: Hype Cycle for Artificial Intelligence in Banking, 2026,1 Hype Cycle for Banking Customer Experience, 2026,2 e Hype Cycle for Data and Analytics in Banking, 2026.3 Mas, na nossa visão, a história real aqui não é sobre fornecedores — é o que a curva de maturidade diz sobre onde os bancos deveriam estar investindo agora, onde deveriam estar acompanhando de perto e onde deveriam ser mais céticos em relação aos discursos de vendas apresentados a eles.
O aprendizado de máquina já entrou no platô
O Hype Cycle for Artificial Intelligence in Banking, 2026, posiciona o aprendizado de máquina (machine learning – ML) no setor bancário na fase “Entrando no Platô” (Entering the Plateau), com uma classificação de benefício “Transformacional” (Transformational) e penetração de mercado de “mais de 50% do público-alvo”. Na nossa visão, esse é o sinal mais claro de que a detecção de fraudes baseada em ML, a tomada de decisões de crédito e o monitoramento de AML (prevenção à lavagem de dinheiro) não são mais apostas emergentes, mas sim práticas consolidadas.
No entanto, não achamos que “maduro” signifique “problema resolvido”. Um dos obstáculos apontados pelo relatório é que “modelos do tipo ‘caixa-preta’ reduzem a confiança da empresa, dos reguladores e dos clientes, e limitam a clareza sobre transações recusadas.”1 Esse é o mesmo problema que os reguladores continuam trazendo à tona, e trata-se de um desafio de governança tanto quanto de tecnologia.
Na nossa visão, a tecnologia amadureceu mais rápido do que as práticas de explicabilidade e gestão de risco de modelos criadas ao seu redor. Para os líderes de risco e conformidade (compliance), a questão não é se você deve adotar ML (essa decisão ficou anos para trás), mas se suas práticas de gestão de risco e explicabilidade de modelos acompanharam o ritmo.
A simulação é a camada que a maioria dos bancos ainda não construiu
O posicionamento que se destaca para nós, por aparecer em todos os novos relatórios, é a simulação de IA no setor bancário. O Gartner a classifica com benefício “Alto” (High) e maturidade “Adolescente” (Adolescent), com a matriz de prioridades em todos os relatórios posicionando-a a “5 a 10 anos” da adoção convencional. A simulação de IA está se tornando especialmente importante na era dos agentes (Agentic era), com casos de uso mais diversos sendo criados rapidamente.
A simulação resolve um problema específico e persistente nos crimes financeiros: os dados de que você mais precisa são justamente aqueles aos quais você tem menos acesso. A fraude e a lavagem de dinheiro são, por natureza, problemas de eventos raros e desbalanceados, e apenas os dados históricos não conseguem mostrar qual será o próximo padrão de ataque.
Acreditamos que os fatores apontados nos relatórios para essa categoria correspondem perfeitamente aos pontos onde as equipes de prevenção à fraude costumam travar: gerar dados sintéticos realistas onde os dados reais são escassos, realizar testes de estresse em modelos contra cenários que ainda não aconteceram e provar aos reguladores que um modelo se sustenta em condições além daquelas para as quais foi treinado. A Feedzai é citada em Predictive Analytics in Banking no Hype Cycle for Data and Analytics in Banking, 2026,3 e em AI Simulation in Banking no Hype Cycle for Artificial Intelligence in Banking, 2026.1
A simulação e os dados sintéticos não são apenas uma funcionalidade fundamental da Plataforma Feedzai, mas também estão disponíveis gratuitamente como parte da nossa base de código aberto para todos. Em nossa opinião, isso é importante porque a tecnologia que protege os bancos hoje e a tecnologia que será mais relevante nos próximos cinco anos (ou mais) não são a mesma coisa. Os bancos que investem apenas na primeira estão se otimizando para os padrões de fraude de ontem.
O que está superestimado agora e por que é útil saber isso
Na nossa opinião, um dos elementos mais úteis desses relatórios é a clareza sobre o que está prometendo mais do que pode entregar no momento.
No Hype Cycle for AI-Driven Trade Finance Transformation in Banking, 2026, tecnologias como IA de agentes no setor bancário (agentic AI in banking) e analítica de agentes (agentic analytics) — ambas situadas no topo do pico — são centrais para essa transformação, capacitando os bancos a otimizar operações e a execução de transações.4
O mesmo relatório destaca que os assistentes de vendas com IA (AI sales assistants) moveram-se para a “Ladeira da Desilusão” (Trough of Disillusionment), sinalizando um período de reavaliação após o entusiasmo inicial, enquanto os agentes de IA em pagamentos (AI agents in payments) estão subindo em direção ao “Pico das Expectativas Infladas” (Peak of Inflated Expectations), impulsionados pelo crescente entusiasmo e altas expectativas sobre seu potencial transformador. O Gartner observa que a “IA Generativa no Setor Bancário moveu-se para a Ladeira da Desilusão.1” Essa posição reflete uma compreensão mais consciente de seus limites e do esforço necessário para escalá-la.
Acreditamos que nada disso significa que essas tecnologias não entregarão valor no futuro — e o relatório tende a concordar, já que várias delas mantêm classificações transformacionais de longo prazo nos quatro relatórios. Mas, na nossa visão, um fornecedor que promete hoje agentes de pagamento autônomos prontos para produção está vendendo algo muito além de onde o mercado realmente está.
Essa lacuna entre o que pode ser entregue agora e o que ainda está sendo comprovado é precisamente o que um Hype Cycle foi projetado para expor, servindo como um choque de realidade muito útil antes de qualquer conversa sobre planejamento tecnológico construída mais sobre promessas de fornecedores do que sobre capacidade real.
O padrão a ser levado para o planejamento de 2027
Acreditamos que esses relatórios, lidos em conjunto, contam uma história consistente. A tecnologia que realmente protege as instituições hoje pode não ser glamourosa, mas é madura e, cada vez mais, pressionada para ser explicável.
A tecnologia que vale a pena acompanhar a seguir é a simulação e a capacidade de construir a camada de resiliência que permite às equipes de fraude se prepararem para o que os dados históricos não conseguem mostrar.
Essa é uma perspectiva muito mais útil para um mapa de rota (roadmap) de IA para 2027 do que o nome de qualquer fornecedor em qualquer lista.
GARTNER e Hype Cycle são marcas registradas da Gartner, Inc. e/ou de suas afiliadas.
O Gartner não endossa nenhum fornecedor, produto ou serviço retratado em suas publicações de pesquisa e não aconselha os usuários de tecnologia a selecionar apenas os fornecedores com as classificações mais altas ou outra designação. As publicações de pesquisa do Gartner consistem nas opiniões da organização de pesquisa e consultoria do Gartner e não devem ser interpretadas como declarações de fato. O Gartner se isenta de todas as garantias, expressas ou implícitas, com relação a esta pesquisa, incluindo quaisquer garantias de comerciabilidade ou adequação a uma finalidade específica.
Perguntas Frequentes (FAQs)
O que os relatórios Gartner® Hype Cycle™ de 2026 sugerem sobre a IA no setor bancário?
Os relatórios Hype Cycle for Artificial Intelligence in Banking, 2026 abrem com uma observação marcante: “A adoção de IA no setor bancário está crescendo rapidamente, mas apenas 38% das organizações veem ganhos financeiros.” Na nossa visão, isso reflete uma divisão clara no cenário de IA. Acreditamos que o aprendizado de máquina alcançou a maturidade como uma prática consolidada, enquanto a simulação de IA representa uma camada emergente importante que a maioria dos bancos ainda precisa construir. Tecnologias como IA de agentes e agentes de IA em pagamentos, na nossa opinião, permanecem como as mais distantes de serem comprovadas, apesar de gerarem grande atenção.
O que significa dizer que o aprendizado de máquina no setor bancário está "entrando no platô"?
O Hype Cycle for Artificial Intelligence in Banking, 2026, posiciona o aprendizado de máquina no setor bancário na fase “Entrando no Platô”, com uma classificação de benefício “Transformacional” e penetração de mercado de “mais de 50% do público-alvo”. Em nossa visão, isso sinaliza que o ML não é mais uma aposta emergente — é uma prática consolidada. Acreditamos que maturidade não significa que a tecnologia esteja “resolvida”, e que os bancos devem agora focar em escalar suas práticas de gestão de risco e explicabilidade de modelos, em vez da simples adoção básica.
Por que a explicabilidade é importante na prevenção à fraude com aprendizado de máquina?
O relatório Hype Cycle for Artificial Intelligence in Banking, 2026 afirma que “modelos do tipo ‘caixa-preta’ reduzem a confiança da empresa, dos reguladores e dos clientes, e limitam a clareza sobre transações recusadas.” Na nossa visão, a tecnologia de aprendizado de máquina amadureceu mais rápido do que as práticas de governança ao seu redor. Acreditamos que garantir que os modelos sejam explicáveis é agora um requisito regulatório e de governança crítico para as instituições financeiras.
O que é simulação de IA no setor bancário?
Os relatórios Hype Cycle for Artificial Intelligence in Banking, 2026 classificam a simulação de IA no setor bancário com benefício “Alto” e maturidade “Adolescente”, com a matriz de prioridades em ambos os relatórios posicionando-a a “5 a 10 anos” da adoção convencional. Na nossa visão, ela resolve um dos problemas mais difíceis no combate aos crimes financeiros — a escassez dos dados de que você mais precisa. Acreditamos que ela tem o potencial de permitir que as equipes de fraude se preparem para padrões de ataque que apenas dados históricos não conseguem revelar, gerando dados sintéticos, realizando testes de estresse em modelos contra cenários futuros e demonstrando resiliência aos reguladores.
Como os bancos devem usar as pesquisas do Gartner Hype Cycle para o planejamento de IA de 2027?
Em nossa visão, os relatórios são mais úteis como um teste de realidade contra as promessas dos fornecedores. Acreditamos que o planejamento de IA para 2027 deve priorizar a expansão da explicabilidade para o aprendizado de máquina maduro, acompanhar a simulação como um investimento de resiliência de longo prazo e aplicar um ceticismo saudável a alegações de soluções “prontas para produção” envolvendo tecnologias — como IA de agentes e agentes de IA em pagamentos — que ambos os relatórios posicionam no Pico das Expectativas Infladas ou próximo a ele.
Footnotes
All expertise and insights are from human Feedzaians, but we may leverage AI to enhance phrasing or efficiency. Welcome to the future.
