O copiloto de IA deixou de ser projeto de laboratório e virou disputa aberta entre os maiores bancos do Brasil. Em poucas semanas, o Itaú Unibanco estreou o assistente conversacional “i.ai”, o Bradesco reuniu suas ferramentas no ecossistema “O Meu Bradesco” e o Banco do Brasil começou a distribuir uma nova versão do aplicativo com IA no centro do atendimento, com liberação gradual até o fim de setembro. Três instituições que quase nunca concordam sobre nada estão, ao mesmo tempo, apostando no mesmo lugar: a IA como camada de relacionamento com o cliente.
Quando isso acontece, o recado para a empresa média não é “compre um copiloto”. É que a fronteira competitiva se moveu — de “você usa IA?” para “a IA é a interface pela qual o seu cliente fala com você?”. E essa mudança tem um pré-requisito que os bancos levaram anos construindo e que a maioria das empresas médias ainda não tem: dado organizado o suficiente para a IA responder sem inventar, e uma regra clara sobre o que ela pode decidir sozinha.
Principais aprendizados
- A convergência de Itaú, Bradesco e Banco do Brasil para o copiloto de IA sinaliza uma mudança estrutural de interface — de “onde clicar” para “o que perguntar” —, não um lançamento isolado de produto.
- Colocar um copiloto de IA na frente do cliente exige antes três camadas: base de conhecimento confiável, integração com os sistemas que têm a resposta e uma fronteira definida entre o que a IA resolve e o que vai para uma pessoa.
- Um assistente de IA que responde bem mas não está conectado ao sistema que guarda o dado real é uma demonstração, não uma operação.
- O maior risco de médio prazo não é a IA errar uma resposta: é o time perder o conhecimento de como o processo funciona por baixo quando a interface vira uma caixa-preta conversacional.
- Governança de copiloto de IA cabe em uma frase auditável: a IA recomenda, uma regra determinística valida, uma pessoa nomeada decide o que é sensível e todo esse caminho fica registrado.
O que muda quando a IA vira a interface do cliente, e não só uma ferramenta interna?
Muda o que está em jogo quando ela erra. Uma ferramenta interna de IA que escreve um rascunho ruim custa o tempo de quem revisa. Um copiloto de IA que informa errado um saldo, um prazo ou uma cláusula de contrato para o cliente custa confiança — e, dependendo do setor, custa multa. Por isso os bancos só chegaram a esse ponto depois de anos padronizando dado e processo: a interface conversacional é a última camada, não a primeira.
Há um padrão de mercado por trás disso que já apareceu fora do sistema financeiro. Os principais fornecedores de ERP do Brasil — de portes e arquiteturas diferentes — passaram a oferecer, de forma independente, interfaces conversacionais no lugar de telas cheias de formulário. Quando fornecedores que competem entre si tomam a mesma decisão de produto sem combinar, raramente é modismo. É sinal de que o jeito de operar um sistema está mudando: de treinar gente em “onde clicar” para treinar gente em “o que perguntar”.
Para a empresa média, a implicação prática é escolher onde essa interface entra primeiro. Começar pelo cliente final é o caminho de maior risco e maior exposição. Começar por um público interno — time de atendimento consultando políticas, vendedores puxando informação de produto, backoffice conferindo regra — entrega quase o mesmo aprendizado com uma fração da exposição. Foi assim que uma operação de educação de médio porte com que trabalhei reduziu o tempo de espera do atendimento de cerca de duas horas para menos de um minuto e absorveu um aumento de volume de aproximadamente 45%: o assistente entrou primeiro onde o erro era barato de corrigir, e só depois foi para o contato direto com o aluno. É a mesma lógica de decidir em qual canal a IA é entregue antes de decidir o que ela vai fazer.
Quanto de estrutura uma empresa média precisa antes de colocar um copiloto de IA na frente do cliente?
Menos do que um banco, mais do que uma assinatura de ferramenta. Na prática, três camadas precisam existir antes de o copiloto encostar no cliente:
- Base de conhecimento confiável. As políticas, os manuais e as regras que a IA vai usar para responder precisam estar escritos, atualizados e em um único lugar. Se a resposta certa hoje mora na cabeça de três pessoas, o copiloto vai inventar as outras.
- Integração com o sistema que tem a resposta. Consultar um pedido, um contrato ou um saldo exige conexão com o sistema transacional. Um copiloto que só conversa, sem ler o dado real, resolve dúvida genérica e trava na primeira pergunta específica.
- Fronteira de decisão definida. Antes da primeira conversa, é preciso ter escrito o que a IA responde sozinha e o que ela obrigatoriamente encaminha para uma pessoa.
O custo real não está na tecnologia de IA — modelos e plataformas conversacionais estão acessíveis. Está no trabalho de organizar a base, conectar os sistemas e escrever as regras. Num programa de automação de atendimento que acompanhei numa operadora de telecom, o orçamento anual girava em torno de R$ 12 milhões e o custo operacional evitado passou de R$ 131 milhões em três anos — mas a maior parte desse esforço foi integração e desenho de fluxo, não o “cérebro” que conversava. A conta de qualquer copiloto sério se parece com essa: a interface é a ponta visível de um trabalho de dados que ninguém vê.
Esse cuidado com a base não é zelo excessivo. Um estudo da Sinch divulgado em agosto de 2026, com mais de 2,5 mil executivos, aponta que 80% das empresas brasileiras já precisaram interromper ou reverter alguma implementação de IA — e que, no Brasil, o motivo mais citado é vazamento ou uso indevido de dado, numa proporção maior do que a registrada nos Estados Unidos e no Canadá. Colocar uma interface conversadora sobre uma base desorganizada é acelerar exatamente esse tipo de acidente. Vale aqui a distinção entre o que é replicável e o que depende de contexto: a estrutura de três camadas se aplica a praticamente qualquer empresa; os números de retorno variam conforme volume de atendimento, maturidade de dados e o quanto o processo atual já dói. É o mesmo cuidado descrito em como evitar que um agente de IA em produção vire uma reversão por vazamento de dado.
Como decidir o que o copiloto pode resolver sozinho e o que precisa passar por uma pessoa?
Com uma regra escrita antes de a primeira conversa acontecer, não depois do primeiro incidente. O modelo mais simples de explicar para uma diretoria separa quatro papéis: a IA recomenda uma resposta ou ação; uma regra determinística valida se aquilo é permitido; uma pessoa com papel formalmente definido decide os casos sensíveis; e cada passo desse caminho fica registrado. Nenhuma etapa pula para a seguinte.
Na prática, isso vira uma lista curta de fronteiras: consultar informação e responder dúvida frequente, o copiloto faz sozinho; simular um cálculo ou um cenário, faz sozinho com aviso explícito de que é simulação; mudar um cadastro, cancelar um contrato, conceder um desconto ou liberar um pagamento, sempre passa por uma pessoa. A regra de ouro que uso é simples: na dúvida sobre em qual lado a ação cai, ela cai no lado humano.
Esse desenho também protege contra o risco mais silencioso da interface conversacional: a perda de conhecimento processual. Se a IA passa a responder tudo, em pouco tempo ninguém no time sabe mais explicar como o cálculo é feito ou por que a regra é aquela. Manter uma pessoa no circuito das decisões sensíveis não é só controle de risco jurídico — é o que impede a empresa de virar refém de um agente que ela não entende mais.
Sobre a regulação: não é preciso esperar o Marco Legal da IA para definir essa fronteira. O PL 2338 tem votação prevista apenas para o fim de 2026, mas a Autoridade Nacional de Proteção de Dados já atua na prática, inclusive com um sandbox regulatório em andamento. Uma empresa que já tem a regra de “o que a IA decide e o que não decide” escrita e auditável está à frente, independentemente da data em que a lei passar.
Por onde uma empresa média deveria começar?
Pelo público interno, com um caso em que o erro é barato de corrigir, e só depois pela frente do cliente. Antes de qualquer piloto, três perguntas: a base de conhecimento que a IA vai usar está escrita e em um lugar só? O copiloto vai conseguir ler o dado real nos sistemas, ou só conversar? Está escrito o que ele decide sozinho e o que passa por uma pessoa? Se a resposta a qualquer uma delas for “não”, o trabalho é esse, não o copiloto. A corrida dos bancos mostra para onde o mercado está indo — não obriga ninguém a chegar lá com a casa desarrumada. Para a leitura de campo sobre onde a IA no atendimento funciona, onde não funciona e onde é desperdício, vale o artigo complementar no blog da Gillian.
Perguntas frequentes
O que é um copiloto de IA no contexto de uma empresa?
É uma interface conversacional que responde perguntas e executa tarefas usando os dados e as regras da empresa. Diferente de um chatbot de script fixo, o copiloto interpreta a intenção e busca a informação nos sistemas internos. Para funcionar, depende de uma base de conhecimento confiável e de integração com os sistemas que guardam a resposta real — sem isso, ele apenas conversa.
Uma empresa média precisa de um copiloto de IA para competir?
Não imediatamente, mas precisa começar a organizar a base que torna isso possível. A corrida dos grandes bancos indica que a interface conversacional está virando padrão de relacionamento com o cliente. A empresa média que hoje arruma o dado, conecta os sistemas e define a fronteira de decisão chega pronta quando o custo de entrada cair — que é o movimento esperado.
Quanto custa colocar um copiloto de IA em operação?
O maior custo não é a tecnologia de IA, que está acessível, e sim o trabalho de preparação: organizar a base de conhecimento, integrar os sistemas transacionais e escrever as regras de decisão. Em programas de automação de atendimento de maior porte, a integração e o desenho de fluxo consomem a maior parte do orçamento. O valor exato depende do volume de atendimento e da maturidade de dados de cada empresa.
O copiloto de IA pode substituir a equipe de atendimento?
Não sem risco. O copiloto resolve bem consulta de informação e dúvida recorrente, o que libera a equipe para casos complexos. Mas decisões sensíveis — cancelar contrato, conceder desconto, liberar pagamento — devem passar por uma pessoa. Retirar completamente o humano do circuito também elimina o conhecimento de como o processo funciona por baixo, o que deixa a empresa dependente de um sistema que ela não consegue mais explicar.
A HAIA ajuda empresas de médio porte a traduzir IA em resultado mensurável — do diagnóstico de maturidade à governança de agentes em produção. Se a sua empresa está avaliando onde a IA deve encostar no cliente, fale com a HAIA.
