O modelo que aprovou R$ 2 bi em crédito sem um humano no meio

O ponto de partida

Em 2023, o tempo médio de aprovação de crédito para uma PME no Itaú Empresas era de 11 dias úteis. Em 2026, é de 47 minutos. Sem perda de qualidade na carteira — pelo contrário: a inadimplência caiu 18%.

Como? Reescrevemos o pipeline de risco do zero. E aprendemos lições caras no caminho.

A premissa que abandonamos

O modelo antigo tratava cada PME como um caso individual: analista lia, comitê discutia, decisão saía. O custo médio por análise era de R$ 1.800 — economicamente inviável para tickets abaixo de R$ 500 mil.

O insight foi: PMEs não são clientes individuais. São perfis em uma matriz. Se você conseguir mapear 200 dimensões — setor, ciclo de caixa, sazonalidade, comportamento de fornecedor, comportamento tributário — você não precisa de analista para 80% dos casos. O modelo decide. Bem.

A arquitetura em três camadas

1. Camada de ingestão. Plugamos 14 fontes públicas e privadas: Receita, SPC, Serasa, dados bancários consentidos (Open Finance), dados de fornecedores via NFe pública, comportamento em apps próprios. 2. Camada de modelo. Não é um modelo só — são 7. Cada um especializado em um perfil de risco. O orquestrador escolhe qual rodar baseado no setor e ticket. 3. Camada de decisão. O modelo só auto-aprova até R$ 800 mil. Acima disso, vira "assistente" — recomenda decisão, mas humano valida.

O que deu errado no piloto

Nos primeiros 3 meses, o modelo discriminava implicitamente PMEs do Nordeste. Não por preconceito do dado — por proxy: setores predominantes no Nordeste tinham historicamente menor base de dados disponível, então o modelo punia incerteza.

Levamos 4 meses para corrigir, com auditoria de fairness e rebalanceamento de feature weights. Foi a lição mais cara — e a mais importante.

A lição operacional

IA em finanças não é problema de algoritmo. É problema de governança. Quem audita o modelo? Quem responde se ele errar sistematicamente? Quem tem autoridade para desligá-lo?

Se você não responder essas três perguntas antes de subir para produção, não suba.