Um CIO puxa a planilha no meio da reunião. Não no começo — no meio, naquele ponto em que ele já acha que convenceu todo mundo e agora só mostra a prova. Na tela, uma projeção: menos 18% de gente em middle-office e operações nos próximos doze meses. A justificativa cabe numa linha — “automação de processos complexos via IA”.
Eu já tinha visto aquela planilha. Não a mesma — uma versão dela, em outro banco, outro logotipo, outra capital da região. Mesmo discurso, mesma confiança, quase o mesmo número. E das duas vezes faltava a mesma coisa: uma pergunta que ninguém na sala estava fazendo. Quais desses processos, exatamente, a IA hoje sabe automatizar com risco aceitável em produção? Não estava na planilha. E era o assunto inteiro.
Esta é a Bancada #005 — agora em áudio. Quinze minutos sobre por que a adoção de IA em banco grande raramente fracassa por limitação técnica — e sobre os três antipadrões que eu vejo se repetir de casa em casa na América Latina. Não é o drama da manchete, a IA demitindo em massa. É o que acontece em silêncio dentro da empresa: cortes na formação, no critério e na revisão que só aparecem na conta quando a demo vira produção.
Aperte o play. Ou leia a versão escrita, no arquivo da Sala.
Neste episódio
Começo na cena que se repete — a planilha do corte de 18% justificada por uma linha de PowerPoint — e mostro por que ela me incomoda. Os estudos sérios ainda não conseguem demonstrar o tombo do desemprego nas ocupações mais expostas à IA; o que aparece é outro sinal, mais discreto e mais grave: a entrada de gente nova nessas ocupações começa a desacelerar. A empresa raramente demite — congela vaga, reduz contratação júnior, troca um time grande por um menor e mais experiente. E, ao cortar o custo de aprendizado embutido no fluxo, corta o mecanismo pelo qual o time se renovava sozinho. Daí saem os três antipadrões que detalho — e as três coisas que precisam entrar no lugar para quem lidera. Fecho voltando à reunião, com a pergunta que ninguém fez: na sua casa, quem é o dono do critério?
Capítulos
(timestamps aproximados — ajuste ao corte final)
* 00:00 — A planilha no meio da reunião: menos 18%
* 02:00 — A metáfora errada: porque a adoção fracassa antes da técnica
* 03:30 — O que os dados mostram: não é o desemprego, é a porta de entrada
* 06:00 — Quem fala aqui — e o que é a Sala das Máquinas
* 07:00 — Antipadrão 1: confundir capacidade técnica com adoção segura
* 09:00 — Antipadrão 2: cortar o pipeline de formação
* 11:00 — Antipadrão 3: confundir velocidade com qualidade
* 12:30 — O que muda para quem lidera: governança, equipe, accountability
* 14:30 — De volta à reunião: quem é o dono do critério?
* 15:30 — Da Sala
Os três antipadrões
Confundir capacidade técnica com adoção segura — a demo funciona, a POC funciona, o piloto funciona, logo “vai funcionar em produção”. Mas em banco “funciona” quer dizer passar em revisão de segurança, de modelo e jurídica, com rastreabilidade, retenção, auditoria e um humano responsável quando o output sai errado. Nada disso aparece na demo; tudo aparece na conta no fim do trimestre.
Cortar o pipeline de formação achando que a IA resolveu o problema de talento — o mais grave, porque a conta só chega anos depois. Critério só se forma sob restrição; quem tira a restrição cedo demais forma um profissional rápido e frágil. O risco não é o júnior usar IA — é ele nunca desenvolver o músculo do critério porque o sistema parou de obrigá-lo a exercitar.
Confundir velocidade com qualidade — quando produzir código fica barato, o valor do trabalho migra para especificar bem, reduzir ambiguidade, revisar com critério, entender risco arquitetural. O time que não faz essa transição entrega mais rápido nos primeiros meses e quebra mais alto nos seguintes. Velocidade sem revisão não elimina o defeito; só adianta.
O que entra no lugar
Governança — código mais barato não é software mais barato. O custo não some, migra: para validação, segurança, conformidade, rastreabilidade, observabilidade. Cortar a revisão para “capturar a economia da IA” descapitaliza justamente a parte que protege o resto.
Desenho de equipe — o ganho não vem de transformar todo mundo em super dev. Vem de padronizar, reforçar revisão, melhorar teste, fortalecer pipeline, investir em plataforma interna. Quanto mais o time usa IA, mais importa ter um piso comum bem-feito.
Accountability — a IA não assume responsabilidade; o time e a empresa assumem. Precisa estar claro quem decide o quê, com qual critério e com qual evidência. Não é burocracia: é proteção econômica e, em banco, regulatória.
Da Sala. Adoção de IA em banco grande raramente é problema de tecnologia. É problema de arquitetura de decisão — e a primeira decisão é proteger o que ainda não existe na empresa: critério para usar bem a ferramenta que você acabou de comprar.
Longe do palco. Perto da máquina.
Carlos Mattos é CTO regional para a América Latina em uma consultoria global de tecnologia focada em serviços financeiros, autor de O Código Invisível e Microsoft Regional Director desde 2017. Escreve da Cidade do México.
Bancada às quintas, Travessia às terças. Até a próxima.
Sala das Máquinas é uma publicação financiada pelos leitores. Para receber novas postagens e apoiar meu trabalho, considere se tornar um assinante gratuito ou pago.
Get full access to Sala das Máquinas at saladasmaquinas.substack.com/subscribe