O avanço da inteligência artificial e dos agentes de IA podem ajudar a destravar um mercado que até pouco tempo parecia saturado: o das fintechs B2C. Com a possibilidade de entender melhor os consumidores e de personalizar produtos, com cálculos de riscos mais assertivos, a ideia é que a mesma inclusão social percebida durante a primeira onda de fintechs para o consumidor final, liderada pelo Nubank, possa ser replicada em mercados mais complexos, como crédito, investimentos de renda variável, financiamentos, entre outros.
O surgimento das fintechs no Brasil, durante a década de 2010, ajudou a modernizar um mercado até então controlado por grandes players e que excluía boa parte da população. O alto nível de desbancarizados no país ficou claro no início da pandemia, quando se percebeu que muitos brasileiros não possuíam sequer conta bancária para receber o auxílio emergencial pago pelo governo. A inclusão da população de baixa renda no sistema financeiro foi a marca registada da primeira onda das fintechs no Brasil, com o crescimento de players como Nubank, Mercado Pago, PicPay, entre outros. Com o mercado B2C consolidado, porém, as novas fintechs passaram a se concentrar no segmento B2B, apostando principalmente na criação de bancos para nichos específicos da economia.
No entanto, os consumidores que começaram a fazer parte do sistema financeiro na primeira onda de fintechs B2C não passaram da superfície dos serviços bancários, com acesso a conta bancária, poupança, renda fixa e transações, como Pix, e algum acesso a crédito, mas ainda sem usufruir de serviços mais complexos, como investimentos em renda variável, financiamento imobiliário, entre outros.
Com a IA, porém, isso pode estar prestes a mudar, disse Conrad Wilkinson Schwartz, Chief AI Officer da fintech mexicana Baubap. “O que a IA pode realmente destravar é um conhecimento mais profundo sobre a situação de cada pessoa. O problema com o sistema bancário tradicional é que eles colocam todas as pessoas em uma única caixa. Com IA você consegue olhar para uma série de dimensões e perceber que muito mais pessoas são confiáveis e deveriam ter acesso a crédito ou outros produtos mais complexos, por exemplo”, argumentou o executivo, durante conversa com a imprensa no AWS re:Invent 2025.
Alvaro Echeverria, general manager da AWS Startups Latam, acrescentou que a inclusão da população de baixa renda no mercado bancário veio seguida de mais educação financeira, o que contribui para esse movimento de maior sofisticação dos produtos consumidos.
“A partir do momento em que eles começam a usar cartões de crédito e fazer empréstimos, eles passam a desenvolver mais conhecimento e expertise, o que abre caminho para essa nova fase de maior sofisticação”, destacou.
Notícias Relacionadas
Na Índia, fintechs como a Fibe têm promovido também a inclusão de pessoas de baixa renda em segmentos como saúde e educação por meio de empréstimos pessoais, contou o CTO Anil Sinha. No setor de saúde, especificamente, o executivo explicou que a IA permite que empréstimos para emergências médicas sejam aprovados mesmo à meia-noite, sem necessidade de intervenção manual. Isso é possível porque a IA consegue processar documentos não estruturados de milhares de hospitais diferentes na Índia, cada um com seu próprio formato de documentação. A tecnologia analisa o tipo de doença (se é infecciosa ou não), o histórico do hospital no tratamento daquele tipo específico de caso, e cria uma avaliação de risco em tempo real, algo que tradicionalmente exigiria especialistas e levaria tempo.
Além do uso de IA para análise de crédito, startups têm usado a tecnologia para criar agentes de atendimento ao cliente que oferecem suporte personalizado 24/7. Esses chatbots são capazes não apenas de responder perguntas, mas de executar ações reais no sistema, como alterar datas de pagamento, eliminar gargalos de capacidade e proporcionar uma experiência quase concierge para cada cliente individualmente, disse Conrad. Segundo ele, os clientes não se importam se estão falando com IA ou humano, desde que seus problemas sejam resolvidos rapidamente – e é essa eficiência que está construindo confiança na tecnologia.
Os modelos de IA generativa, no entanto, enfrentam desafios significativos quando aplicados a mercados emergentes, já que a maioria é treinada principalmente com dados dos Estados Unidos e da Europa. Na Índia, por exemplo, existem 22 idiomas oficiais e centenas de dialetos regionais que os modelos globais não conseguem processar adequadamente.
Para resolver isso, fintechs têm investido na criação de modelos de linguagem locais, treinados com dados específicos de cada país. A Fibe, por exemplo, desenvolveu um “GPT local” treinado com informações da própria empresa, que serve como base para que diferentes times criem agentes especializados para suas necessidades. Além da questão linguística, há diferenças comportamentais. Na Índia, o compartilhamento de dispositivos entre membros da família é comum, enquanto nos EUA isso é raro – um detalhe que impacta diretamente os modelos de detecção de fraude.
“Um modelo de pagamento construído em um lugar não pode ser usado em outro”, explicou Anil. “Padrões de fraude, comportamentos de pagamento e até a forma como as pessoas usam seus dispositivos são muito específicos de cada região.”
