A incorporação de inteligência artificial às rotinas do mercado financeiro elevou de forma significativa a capacidade das instituições de identificar, mensurar e antecipar riscos. Modelos mais sofisticados, maior volume de dados e decisões cada vez mais rápidas passaram a fazer parte do cotidiano. Ainda assim, episódios de deterioração de crédito, falhas operacionais e perdas relevantes continuam ocorrendo com frequência, inclusive em segmentos que ganharam escala e relevância sistêmica nos últimos anos, como o cooperativismo financeiro, que já alcança a marca de R$ 1 trilhão em ativos, segundo o Banco Central.
Do ponto de vista técnico, nunca se evoluiu tanto. As ferramentas atuais capturam sinais precoces de deterioração, integram múltiplas fontes de dados e permitem ajustes quase em tempo real. Ainda assim, eventos de risco persistem, muitas vezes com impactos relevantes.
Essa contradição revela um ponto incômodo: o principal desafio da gestão de riscos hoje não está na limitação dos modelos, mas na forma como as decisões são tomadas dentro das organizações.
Na prática, não é incomum que alertas relevantes sejam relativizados, que critérios técnicos sejam flexibilizados diante de pressões comerciais ou que ações corretivas sejam postergadas por excesso de otimismo. Em outras palavras, o problema não está apenas no que os modelos deixam de capturar, mas, sobretudo, no que as instituições escolhem ignorar.
