Open Banking não é mais um conector

Open Banking não é mais um conector: é a nova arena da concorrência

O Money20/20 deixou claro - Open Banking não é mais um projeto técnico isolado. É infraestrutura estratégica. E, como ficou evidente no painel “The Future of Open Banking — Defending Competition, Choice, and Innovation”, essa transformação está diretamente ligada à combinação entre dados abertos, inteligência artificial e um novo pacto regulatório que favorece a interoperabilidade.

Com mediação de Penny Lee, da Financial Technology Association, e presença de Mike Reust, da Betterment, o debate sinalizou um ponto de inflexão: o Open Banking está sendo reposicionado como motor de personalização, inclusão e eficiência, mas só funciona se vier acompanhado de segurança, governança e real abertura entre plataformas.

A nova camada de competição

Durante muito tempo, a abertura de dados bancários foi tratada como questão de conectividade. Permitir que um app visualizasse a conta de outro banco, ou que um serviço de gestão financeira agregasse saldos em tempo real. Hoje, esse discurso é insuficiente.

A proposta real do Open Banking está no impacto sistêmico, pois ele reduz fricções artificiais, acaba com o monopólio de dados dos grandes bancos e viabiliza experiências mais inteligentes, personalizadas e seguras. Não se trata mais de coletar dados e sim de ativar inteligência com base no contexto de cada usuário.

A experiência da Betterment reforça esse movimento. Criada com o propósito de democratizar investimentos nos EUA, a empresa hoje atende mais de 1 milhão de clientes, com uma abordagem que une consultoria automatizada e algoritmos de otimização de portfólio. A personalização que oferecem só é possível graças ao acesso granular e consentido aos dados financeiros de seus usuários, viabilizado, claro, por uma camada robusta de Open Banking.

Interoperabilidade não é “nice to have”

A discussão trouxe à tona uma crítica recorrente. Muitos bancos ainda criam barreiras disfarçadas de segurança, como tokens que expiram semanalmente, exigências redundantes de autenticação ou atrasos artificiais no fornecimento de dados.

Essas práticas, embora justificadas como precauções de cibersegurança, acabam funcionando como formas sutis de proteger market share e dificultar a entrada de concorrentes mais ágeis. A resposta dos reguladores, segundo os participantes, precisa ser firme - regulação baseada em princípios deve punir práticas anticompetitivas, ainda que camufladas sob o manto da proteção ao consumidor.

No Brasil, esse debate já é familiar. Desde a implementação do Open Finance pelo Banco Central, a tensão entre abertura real e bloqueios operacionais tem sido monitorada com atenção por fintechs, reguladores e consumidores. E há um consenso emergente, já que abertura parcial não resolve. É preciso garantir interoperabilidade real, padronizada, auditável e com SLAs definidos entre os atores.

IA como extensão da inteligência humana

Se os dados são a matéria-prima, a inteligência artificial é o motor da transformação. O painel reforçou que a IA aplicada ao setor financeiro não tem como objetivo substituir o trabalho humano, mas ampliá-lo. A lógica é simples. Algoritmos conseguem analisar grandes volumes de dados em tempo real, identificar padrões sutis e sugerir ações. Mas a decisão final, sobretudo em temas de maior complexidade, continua sendo humana.

A próxima geração de aconselhamento financeiro será híbrida. De um lado, sistemas automatizados capazes de realizar análises preliminares com base em renda, objetivos, perfil de risco e eventos da vida do cliente. De outro, consultores especializados, prontos para validar ou ajustar as sugestões com base em nuances subjetivas.

Esse modelo, além de escalar o padrão CFP (Certified Financial Planner) com eficiência, viabiliza a inclusão de serviços de aconselhamento que antes eram privilégio de poucos passam a ser acessíveis a públicos mais amplos, com qualidade e custo controlado.

Responsabilidade algorítmica é a nova compliance

Com grande poder vem grande responsabilidade, e isso vale especialmente para sistemas de recomendação financeira baseados em IA. Os participantes do painel foram unânimes em destacar a importância de governança algorítmica. É preciso saber o que um modelo fez, por que fez e com base em quais dados.

Na prática, isso se traduz em rastreabilidade (decisões precisam deixar trilhas claras), observabilidade (o sistema deve sinalizar comportamentos anômalos) e accountability (as decisões precisam ser auditáveis e justificáveis).

Modelos que operam como caixas-pretas não escalam com responsabilidade, nem sobrevivem a uma auditoria regulatória.

Empresas brasileiras que já trabalham com IA aplicada ao setor financeiro estão começando a investir pesado em práticas como versionamento de modelos, monitoramento de drift e explicabilidade com camadas SHAP ou LIME. É um caminho sem volta. A IA não pode ser uma caixa mágica, precisa ser uma ferramenta compreensível e controlável.

O que muda na prática:

1. Open Banking como vetor de competição

   • Substituir integrações antigas por APIs modernas.

   • Estabelecer acordos claros de nível de serviço (dados sempre atualizados e disponíveis).

   • Priorizar integrações com maior impacto em receita e experiência do usuário.

2. Regulação que estimula inovação

   • Garantir interoperabilidade real, com base em padrões claros (OAuth2, OIDC).

   • Punir práticas que dificultam integrações sob pretextos artificiais.

   • Automatizar reporting regulatório com evidências por evento de consentimento.

3. IA para personalização com contexto

   • Evoluir de modelos fixos para algoritmos que consideram objetivos de vida e eventos financeiros.

   • Medir impacto de personalização com testes A/B por persona e explicabilidade por camadas.

4. Compliance e IA lado a lado

   • Implementar trilhas de auditoria, versionamento e aprovação de modelos.

   • Estabelecer regras claras para intervenções humanas, overrides e justificativas arquivadas.

5. Consultoria híbrida como modelo de futuro

   • Unir chatbots com especialistas para criar jornadas fluídas.

   • Medir sucesso não apenas por ROI, mas por satisfação, adequação e adesão às metas do cliente.

Uma disputa que está apenas começando

O painel deixou uma última mensagem no ar.

Adisputa entre bancos tradicionais e fintechs pelo domínio da experiência do cliente está apenas começando. E nessa corrida, quem tiver mais dados não necessariamente vencerá, o que importa é o que se faz com eles.

A inteligência, seja artificial ou humana, precisa ser usada com propósito. E a regulação deve garantir que ninguém jogue sujo, nem esconda a bola.

Sobre o autor deste artigo:

Fernando Henrique Ferreira de Souza é advogado, DPO e entusiasta de inovações no mundo do Direito e dos Negócios.

Notas:
[1] Mike Reust é presidente da Betterment, plataforma de investimentos dos EUA focada em gestão automatizada de portfólios.
[2] Penny Lee é CEO da Financial Technology Association, entidade que representa o setor de fintechs nos Estados Unidos.
[3] A MATH é uma empresa brasileira especializada em soluções de dados, marketing e inteligência artificial com foco em performance e ROI.
[4] SHAP (SHapley Additive exPlanations) e LIME (Local Interpretable Model-agnostic Explanations) são técnicas de explicabilidade para modelos de machine learning.
[5] CFP (Certified Financial Planner) é uma certificação internacional para consultores financeiros, focada em planejamento pessoal de alta complexidade.