Sete casos de uso de IA para ajudar gestores de ativos a aumentar a eficiência e a produtividade face aos ventos contrários do mercado

Stuart Grant é Chefe de Mercados de Capitais, Gestão de Ativos e Património na SAP.

Descubra as principais notícias e eventos do setor fintech!

Subscreva a newsletter do FinTech Weekly

Lido por executivos da JP Morgan, Coinbase, Blackrock, Klarna e mais

Desde a compressão de taxas até mudanças desfavoráveis nas condições macroeconómicas e investimentos tecnológicos crescentes que ainda não deram retorno esperado, as organizações de gestão de ativos enfrentam obstáculos significativos à medida que o calendário avança para 2026.

Numa análise de 2025 sobre a indústria global de gestão de ativos, a McKinsey & Company constatou, por exemplo, que as margens dos gestores de ativos diminuíram três pontos percentuais na América do Norte e cinco pontos percentuais na Europa nos últimos cinco anos, devido a fatores como esses.

Por outro lado, uma válvula de alívio surge na forma de implementações direcionadas e bem posicionadas de inteligência artificial. A IA, em várias formas — generativa, agentic, etc. — começa a demonstrar valor em uma variedade de casos de uso no front, middle e back-office, oferecendo aos gestores de ativos meios para captar novos ganhos de produtividade e eficiência, identificar e capitalizar novas oportunidades de negócio rentáveis antes da concorrência. Com base numa pesquisa junto a executivos de alto nível de empresas de gestão de ativos na América do Norte e Europa, a McKinsey concluiu que, para um gestor de ativos médio, o impacto potencial da IA, IA generativa e IA agentic “poderia ser transformador, equivalente a 25 a 40 por cento da sua base de custos.”

O desafio para as organizações de gestão de ativos, então, é determinar onde dentro de suas estruturas a IA pode oferecer maior valor.

Implementar IA para Máximo Impacto

Empresas de todo o setor de gestão de ativos estão a usar IA em várias frentes. Grande parte dessa atividade ocorre em organizações maiores, que dispõem de recursos profundos para desenvolver suas próprias capacidades em modelos de linguagem de grande escala, agentes de IA direcionados, entre outros. Mas o outro lado da moeda da IA é que ela também pode ajudar gestores de ativos fora das maiores organizações de Tier One a competir de forma mais equilibrada contra essas empresas maiores.

Além disso, enquanto muitas organizações concentram seus investimentos em casos de uso de IA voltados para o cliente, é importante não negligenciar as oportunidades de criar valor com outras implementações escaláveis de IA em todo o front, middle e back-office. Em vez de buscar soluções pontuais que podem não integrar-se bem entre si, uma abordagem mais inteligente para gerar valor com IA pode ser direcionar investimentos que dissolvam as barreiras virtuais entre as três camadas do escritório, criando eficiências, aumentando a produtividade, simplificando processos e melhorando o planejamento e a estratégia.

Resumindo, procure casos de uso de IA que incentivem — e possam aproveitar — o movimento mais livre de dados por toda a organização. Aqui estão alguns que parecem especialmente promissores:

1. Automatizar e acelerar o encerramento financeiro e outras funções financeiras. As finanças historicamente têm sido uma área repleta de processos manuais. Com a ajuda de agentes de IA, as organizações de gestão de ativos têm a oportunidade de automatizar muitos processos relacionados às finanças, incluindo o encerramento financeiro, contas a receber, contas a pagar, reconciliação de faturas, entre outros. Nesses cenários, a IA pode apoiar uma automação aprimorada do movimento de dados e fornecer notificações proativas — e cenários acionáveis — para problemas potencialmente não detectados, como excedentes ou déficits de capital, ajustes no balanço patrimonial, etc.

2. Melhorar a gestão de riscos através de uma verdadeira alinhamento com as finanças. Dados do back office podem ser extremamente valiosos para as equipes de gestão de risco no middle office. Essas equipes podem usar dados sobre participações de investidores, fluxos de caixa, liquidez de mercado, margens/garantias, etc., combinados com dados de perfil de cliente e comunicações, para identificar sinais precoces de resgates de clientes e riscos de liquidez associados.

3. Identificar e mobilizar rapidamente oportunidades para novas estruturas de taxas e modelos de negócio. As organizações podem solicitar às suas ferramentas de IA que pesquisem e modelizem o impacto de possíveis mudanças de taxas, bem como novos modelos de negócio. O que os dados históricos sugerem sobre como uma alteração de taxa afetaria as contas a receber? Existem oportunidades de dividir uma área de negócio existente (como fundos de classe de ativos específicos ou de uma região geográfica) em duas ou mais partes, ou de segmentar clientes de forma diferente? E qual é a viabilidade de negócios dessas mudanças?

4. Informar decisões sobre expansão para novos produtos ou regiões. Sua organização está considerando entrar num mercado geográfico promissor, mas relativamente arriscado. Como foram os resultados de movimentos semelhantes no passado, em termos de custos previstos e reais? Quais os impactos regulatórios e de recursos humanos? Um diálogo com um assistente digital de IA generativa pode fornecer respostas valiosas a essas perguntas, levando a decisões estratégicas mais bem informadas.

5. Modelar cenários “e se” sobre o impacto potencial do reequilíbrio de portfólio nos lucros futuros, prioridades de investimento dos clientes e apetites de risco. Ferramentas de IA podem oferecer insights sobre o impacto dessas mudanças, além de recomendações sobre o momento ideal, considerando obrigações de contas a pagar e outros fatores. Ao estabelecer essas conexões com os dados, a IA ajuda a resolver desconexões de informação entre a função financeira e a gestão de portfólio no front office, apoiando um planejamento estratégico e orçamentação mais precisos.

Por exemplo, uma empresa com a qual trabalho busca combinar dados de atribuição de portfólio sobre o desempenho de elementos específicos com dados sobre o apetite de risco e estruturas de taxas dos clientes. O objetivo é entender melhor as reverberações financeiras do reequilíbrio de portfólio em relação às expectativas dos clientes e aos lucros futuros.

6. Aumentar a produtividade. Alguns executivos de gestão de ativos com quem conversei recentemente dizem que suas organizações pretendem duplicar os ativos sob gestão sem aumentos materiais na equipe, simplesmente aproveitando a IA e agentes de IA de forma mais ampla. Estão criando agentes de IA e colocando-os ao lado dos funcionários — como extensões digitais desses funcionários, essencialmente. No final, os ganhos de produtividade que esses agentes proporcionam permitem que empresas pequenas e médias concorram de forma mais equilibrada com as maiores.

7. Aperfeiçoar a deteção de fraudes durante a integração de clientes. A IA é eficiente em escanear rapidamente e validar a autenticidade de documentos de onboarding, identificando até as menores anomalias (como tamanho da fonte, formatação do documento, etc.) que possam indicar que um cliente não é quem parece ser, exigindo uma triagem mais aprofundada.

Por mais impactantes que esses casos de uso possam ser dentro de uma organização de gestão de ativos, maximizar seu valor depende fortemente da qualidade e acessibilidade dos dados que os alimentam. Antes de tudo, os dados devem ser compreensíveis para humanos e máquinas de forma self-service. Muitas vezes, as empresas extraem dados de aplicações fonte e os transferem para um data lake. No entanto, isso remove semânticas e contextos essenciais específicos do ambiente de aplicação. Sem esses metadados, a saída da IA — e seu impacto geral — pode ser subótima. Assim, muitas organizações se beneficiam mais ao deixar esses dados em seu ambiente de aplicação natural, junto com os metadados acompanhantes. Pense nesses dados como as baterias que alimentam a IA generativa, IA agentic e análises inteligentes dentro de uma organização. Quanto mais potentes as baterias, melhor posicionada estará a organização de gestão de ativos para aproveitar seus investimentos em IA e superar os obstáculos que enfrentam.

Sobre o autor

Stuart Grant é Chefe de Mercados de Capitais, Gestão de Ativos e Património na SAP. Há mais de 20 anos trabalha com dados na indústria de mercados de capitais, em funções de gestão de produto, desenvolvimento de negócios e gestão empresarial.