Do Banco 4.0 ao Banco 5.0: como destravar sistemas legados e escalar agentes de IA com governança

A inteligência artificial deixou de ser uma agenda experimental para ocupar espaço nas decisões estratégicas das instituições financeiras. O desafio agora é outro: como transformar iniciativas pontuais de IA em capacidades reais, escaláveis e governadas dentro do banco?

Para muitas instituições, a resposta não está apenas na escolha de um novo modelo de IA ou na adoção de uma plataforma mais sofisticada. Existe um obstáculo anterior: a infraestrutura tecnológica que sustenta boa parte das operações bancárias ainda foi construída para uma realidade diferente da atual.

Sistemas legados, códigos proprietários, integrações fragmentadas e processos dependentes de regras estáticas criam uma camada de complexidade que dificulta o acesso aos dados e limita a capacidade de colocar a IA para atuar diretamente sobre os processos de negócio.

É nesse contexto que surge a evolução do Banco 4.0 para o Banco 5.0.

Banco 4.0 vs. Banco 5.0: de digitalizar processos a orquestrar decisões

O setor financeiro passou por uma profunda transformação nas últimas décadas. Aplicativos, internet banking, autosserviço e automação digital mudaram a relação entre bancos e clientes.

Esse movimento pode ser associado ao que chamamos de Banco 4.0, digital e reativo.

Banco 4.0: digital e reativo

No Banco 4.0, grande parte da experiência é digitalizada, mas a lógica operacional continua baseada em fluxos previamente definidos.

São comuns:

• canais digitais e autosserviço;
• automações baseadas em regras;
• fluxos estruturados de decisão;
• integrações entre sistemas especializados;
• respostas acionadas a partir de uma demanda do cliente ou da operação.

O banco se tornou digital, mas continua, em grande medida, reagindo ao que acontece.

Banco 5.0: cognitivo, conectado e orientado por agentes

O Banco 5.0 representa uma mudança de paradigma.

A inteligência deixa de estar restrita a uma aplicação específica e passa a ser incorporada à própria operação. Agentes de IA podem interpretar contexto, acessar informações, utilizar ferramentas, executar tarefas e orquestrar diferentes etapas de um processo.

Na prática, isso permite que o banco avance de: “O cliente solicitou, o sistema respondeu”

para: “O sistema compreendeu o contexto, identificou uma necessidade, avaliou possibilidades e acionou os recursos necessários, dentro das regras estabelecidas.”

Isso não significa eliminar o fator humano. Pelo contrário. Em ambientes financeiros, a autonomia precisa caminhar junto com governança, rastreabilidade, segurança e supervisão humana.

O objetivo do Banco 5.0 não é simplesmente automatizar mais. É aumentar a capacidade do banco de tomar e executar decisões com inteligência, velocidade e contexto.

Da conversa à execução: a evolução Prompt → Skill → Agente

Para chegar a esse nível de maturidade, é preciso entender que nem toda aplicação de IA generativa é um agente.

Existe uma evolução importante entre conversar com um modelo, disponibilizar ferramentas para que ele execute tarefas e construir sistemas capazes de orquestrar essas ferramentas de forma contextual.

1. Prompt: a interação

O prompt é a camada mais básica dessa jornada.

É a instrução dada ao modelo para gerar uma resposta, analisar uma informação ou produzir determinado conteúdo.

Por exemplo:

“Analise este relatório de risco e identifique os principais pontos de atenção.”

É extremamente útil, mas existe uma limitação: o modelo depende do contexto fornecido e, isoladamente, não executa o processo de ponta a ponta.

2. Skill: a capacidade de executar

A skill transforma uma capacidade específica em uma função reutilizável.

Ela pode, por exemplo:

• consultar uma base de dados;
• acessar uma API;
• executar uma análise de risco;
• consultar informações regulatórias;
• recuperar documentos;
• acionar um modelo preditivo.

Em vez de apenas responder, a IA passa a ter ferramentas para agir sobre o ambiente corporativo.

3. Agente: a capacidade de orquestrar

O agente combina diferentes capacidades para alcançar um objetivo.

Imagine a solicitação:

“Analise a viabilidade de uma repactuação de crédito considerando o histórico do cliente, seu perfil de risco e as regras regulatórias aplicáveis.”

Em vez de depender de uma sequência manual de consultas, um agente pode decompor o objetivo em etapas, selecionar as skills necessárias, consultar diferentes fontes, analisar os resultados e consolidar uma recomendação.

É aqui que a IA deixa de ser apenas uma interface conversacional e passa a atuar como camada de orquestração da operação.

Mas existe uma condição para que isso funcione em escala:

o agente precisa conseguir acessar dados confiáveis e sistemas preparados para serem consumidos por ele.

E é justamente aí que os sistemas legados entram na equação.

O verdadeiro gargalo: não é falta de dados

O setor bancário possui enormes volumes de dados transacionais, históricos de clientes, informações de risco, documentos e registros operacionais.

O problema, portanto, não é necessariamente a ausência de dados.

O desafio está em transformar esse patrimônio de informação em dados acessíveis, confiáveis, governados e utilizáveis por aplicações modernas de IA.

Muitos ambientes ainda dependem de códigos proprietários, processos de ETL antigos, arquiteturas monolíticas e integrações desenvolvidas ao longo de décadas.

Como destacou Fábio Mariano, CTO da ATRA, durante o Febraban Tech 2026:

“O problema não é a falta de dados, mas a complexidade para integrar sistemas diferentes e a demora para modernizar arquiteturas antigas.”

Esse é um gargalo silencioso.

Uma instituição pode ter os melhores modelos de IA disponíveis no mercado, mas se o agente não consegue acessar os dados certos, interpretar seu contexto ou interagir de forma segura com os sistemas corporativos, sua autonomia fica limitada.

Para escalar agentes, primeiro é preciso preparar o ambiente em que eles vão operar.

Modernização como acelerador da IA

É nesse ponto que a modernização de dados e código deixa de ser apenas uma iniciativa de tecnologia e passa a fazer parte da própria estratégia de IA.

O Migrador de IA da ATRA foi desenvolvido para acelerar essa transição, automatizando a conversão e modernização de códigos e processos legados para arquiteturas modernas em nuvem.

Como explica Fábio Mariano:

“Com o Migrador da ATRA, automatizamos a conversão desses códigos para a nuvem.”

A proposta é reduzir o esforço manual envolvido na modernização e acelerar a transição de ambientes legados para uma arquitetura preparada para analytics, inteligência artificial e agentes.

Na arquitetura baseada em Google Cloud, essa jornada pode combinar diferentes capacidades da plataforma:

• BigQuery, para armazenamento e processamento analítico em escala;
• Vertex AI, para desenvolvimento e operacionalização de soluções de inteligência artificial;
• Gemini, para capacidades avançadas de IA generativa e raciocínio;
• Agent Development Kit (ADK) e Agent Engine, para desenvolvimento e execução de aplicações baseadas em agentes;
• Dataplex, para descoberta, organização e governança dos dados;
• Looker, para transformar dados em análises e informações acionáveis.

O resultado é uma arquitetura em que dados, analytics, IA e agentes deixam de funcionar como componentes isolados e passam a fazer parte de um mesmo ecossistema.

O CoE de IA: o elo entre inovação e governança

Mesmo com uma arquitetura moderna, tecnologia sozinha não garante escala.

À medida que diferentes áreas começam a desenvolver seus próprios casos de uso, surge outro desafio: como permitir autonomia sem transformar o ambiente de IA em um conjunto desorganizado de modelos, agentes e aplicações?

É nesse contexto que o Center of Excellence (CoE) de IA ganha relevância.

No case apresentado pela ATRA em conjunto com o Banco ABC durante o Febraban Tech 2026, o CoE atua como um catalisador da transformação, estabelecendo uma estrutura que combina governança centralizada e autonomia das áreas de negócio.

O CoE pode estabelecer padrões para:

• arquitetura e desenvolvimento de agentes;
• segurança e controle de acesso;
• governança de dados;
• observabilidade e rastreabilidade;
• avaliação de modelos;
• conformidade regulatória;
• uso responsável da inteligência artificial.

Ao mesmo tempo, as Business Units podem desenvolver skills, agentes e soluções alinhadas às suas necessidades específicas.

O resultado é um modelo de “governança no centro, inovação nas pontas”.

Essa combinação é fundamental para instituições financeiras. Centralizar tudo reduz a velocidade de inovação. Liberar tudo sem governança aumenta riscos.

O CoE cria o equilíbrio necessário para que a IA possa crescer sem perder controle.

Banco 5.0 não começa no agente. Começa na fundação.

A evolução para o Banco 5.0 não acontece simplesmente com a adoção de agentes de IA.

Ela depende de uma cadeia de capacidades:

Dados confiáveis → Arquitetura moderna → Skills conectadas → Agentes governados → Decisões mais inteligentes

Quando sistemas legados dificultam o acesso aos dados, a IA perde contexto.

Quando os dados não possuem governança, o agente perde confiabilidade.

Quando as skills não estão estruturadas, o agente perde capacidade de execução.

E quando não existe uma camada de governança, a escala aumenta o risco junto com a inovação.

Por isso, a transformação para o Banco 5.0 precisa ser tratada como uma jornada arquitetural, operacional e cultural, e não apenas como um projeto de inteligência artificial.

Prepare seu banco para a próxima geração de IA

A jornada para o Banco 5.0 não começa com a escolha de um agente. Começa pela arquitetura que permitirá que esses agentes operem com dados confiáveis, sistemas conectados e governança.

Com o Migrador de IA da ATRA, sua instituição pode acelerar a modernização de ambientes legados e criar uma base tecnológica preparada para analytics, inteligência artificial e novas aplicações agênticas.

Quer entender onde sua arquitetura está hoje e quais caminhos podem acelerar essa evolução?

→ Fale com um arquiteto de soluções da ATRA.

O que é Banco 5.0?

Banco 5.0 é uma evolução do modelo bancário digital para uma operação mais cognitiva, contextual e orientada por inteligência artificial. Em vez de apenas responder às solicitações dos clientes e usuários, o banco passa a utilizar IA para interpretar contexto, antecipar necessidades, apoiar decisões e orquestrar processos, sempre dentro de limites de segurança, governança e supervisão definidos pela instituição.

Qual é a diferença entre Banco 4.0 e Banco 5.0?

O Banco 4.0 é caracterizado principalmente pela digitalização de canais, automação de processos e atendimento digital. O Banco 5.0 adiciona uma camada de inteligência capaz de interpretar contexto, utilizar ferramentas, executar tarefas e orquestrar diferentes etapas de um processo.

Em termos simples, o Banco 4.0 digitaliza e automatiza. O Banco 5.0 busca tornar a operação mais inteligente, contextual e adaptativa.

O que são agentes de IA no setor bancário?

Agentes de IA são sistemas capazes de interpretar objetivos, planejar etapas, utilizar ferramentas e executar tarefas para alcançar determinado resultado. Em um banco, eles podem apoiar processos como análise de crédito, atendimento, operações, risco, compliance, pesquisa de informações e análise de dados.

A autonomia do agente deve ser definida de acordo com o risco do processo e acompanhada por mecanismos de governança, segurança, auditoria e supervisão humana.

Qual é a diferença entre Prompt, Skill e Agente?

O Prompt orienta o modelo de IA sobre o que fazer ou responder.

A Skill representa uma capacidade ou ferramenta que o sistema pode executar, como consultar uma base, acessar uma API ou realizar uma análise específica.

O Agente combina raciocínio, contexto e diferentes skills para alcançar um objetivo, podendo decompor uma tarefa em etapas e decidir quais ferramentas utilizar.

Uma forma simples de visualizar essa evolução é:

Prompt → orienta
Skill → executa
Agente → orquestra

Por que os sistemas legados dificultam a adoção de agentes de IA?

Agentes precisam acessar dados, aplicações e ferramentas para executar tarefas. Quando essas informações estão distribuídas em sistemas legados, códigos proprietários, integrações antigas ou estruturas pouco padronizadas, o acesso ao contexto necessário se torna mais complexo.

Por isso, modernizar dados e aplicações é parte importante da preparação da arquitetura para aplicações baseadas em IA.

O que é um CoE de IA?

Um Center of Excellence (CoE) – Centro De Excelência – de IA é uma estrutura responsável por estabelecer padrões, práticas e mecanismos de governança para o desenvolvimento e uso de inteligência artificial dentro da organização.

O CoE pode atuar em temas como arquitetura, segurança, dados, avaliação de modelos, desenvolvimento de agentes, observabilidade, compliance e uso responsável de IA.

Por que um CoE de IA é importante para bancos?

Instituições financeiras precisam equilibrar velocidade de inovação e controle de riscos. Um modelo totalmente centralizado pode reduzir a velocidade de desenvolvimento, enquanto iniciativas completamente descentralizadas podem criar problemas de segurança, duplicação de esforços e falta de padrões.

O CoE permite combinar governança centralizada com autonomia das áreas de negócio, criando uma estrutura para que novos casos de uso possam ser desenvolvidos com padrões comuns.

A modernização de sistemas legados é necessária para implementar IA?

Não necessariamente para todos os casos de uso, mas ela pode ser determinante para escalar IA de forma integrada ao negócio.

Uma prova de conceito pode funcionar com dados e sistemas isolados. Porém, quando a organização precisa colocar agentes para operar sobre processos reais, a capacidade de acessar dados confiáveis e interagir com sistemas corporativos passa a ser um fator crítico.

Por isso, a modernização deve ser vista não apenas como uma iniciativa de tecnologia, mas como parte da preparação da empresa para uma arquitetura orientada por IA.