O paradoxo da IA no Agibank: quando executar vira commodity e decidir vira o ativo caro

O texto é branded content do Agibank no Neofeed, então vale começar com o alerta óbvio: os números vêm do próprio banco, não de auditoria independente, e eu os trato como o que são, alegações de quem tem interesse na narrativa. Dito isso, a tese que sustenta a peça merece ser levada a sério, porque não é marketing vazio: é a formulação mais limpa que li de um movimento que já está no radar de quem contrata dev no Brasil.

Marciano Testa, fundador do banco, resume assim:

Quanto mais as máquinas executam, mais escasso e mais caro fica aquilo que só os humanos fazem. É o talento, o julgamento e a capacidade de execução das pessoas que transformam inteligência artificial em valor real.

Marciano Testa, fundador e controlador do Agibank

A frase é bonita e, como toda frase bonita de palco, esconde uma assimetria. Ela é verdadeira para quem já está do lado do julgamento. Para quem está do lado da execução pura, ela é uma sentença. Meu trabalho aqui é separar as duas.

Os números que o banco põe na mesa

Antes da tese, os dados. O Agibank diz operar com 7,6 milhões de clientes ativos no fim do 2T26 e ter levado IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → a 100% das áreas. Os ganhos citados, todos de fonte própria:

O número que interessa direto ao leitor deste texto é o de desenvolvimento: quase 80% mais velocidade, com "soluções de IA que apoiam a produção de código e etapas de preparação dos softwares". Traduzindo do release para o chão de fábrica: copilots gerando código e automação de pipeline. Nada que um time que usa Copilot, Cursor ou Claude Code no dia a dia não reconheça. O que muda é a escala de adoção declarada, não a tecnologia.

O que a tese acerta

Há uma peça técnica genuinamente interessante escondida no meio do marketing: o Complexity Points. É um modelo treinado no histórico de demandas e requisitos do próprio banco para estimar a complexidade de cada nova iniciativa e ajudar a priorizar e dimensionar esforço.

Isso é mais relevante do que gerar código, e explico por quê. Gerar boilerplate mais rápido é ganho marginal, todo mundo já tem. Estimar complexidade a partir do histórico real da sua base ataca o problema que sempre foi humano e sempre foi ruim: planning poker chutado, prazo furado, escopo mal dimensionado. Se funciona como descrito (e esse é um grande se), o valor não está em escrever a linha, está em decidir o que escrever e quanto vai custar. É exatamente o "julgamento" da tese de Testa, só que instrumentado.

A lógica se repete em segurança e em prevenção à lavagem: a IA faz coleta, organização e triagem de volume, e o humano fica com os casos que exigem decisão. Aqui a tese fecha. Quando a máquina come a parte mecânica do SOC, o analista que sobra não é o que abria ticket, é o que decide se aquilo é ataque ou falso positivo. O trabalho não some, ele sobe de camada.

O contraponto que o release não faz

Agora o problema. A peça vende a escassez do trabalho humano como uma boa notícia universal, e ela não é.

Um corte de 60% nas posições de atendimento não é "as pessoas subiram para tarefas de maior valor". É 60% menos gente na folha daquela função, com uma minoria reposicionada e a maioria fora. Chamar isso de valorização do humano é escolher a metade luminosa da frase. A mesma dinâmica ronda a base de desenvolvimento: se você acelera o desenvolvimento em 80%, ou entrega 80% mais produto com o mesmo time, ou entrega o mesmo com menos gente. As duas coisas não são igualmente prováveis num banco que mede sucesso por "retorno econômico".

E há o ponto que todo dev deveria internalizar: a fronteira entre executar e decidir não é fixa, ela sobe junto com a máquina. O que era "decisão" ontem (estimar complexidade, escrever um teste de integração, revisar um PR simples) vira execução automatizável amanhã. O Complexity Points é a prova disso dentro do próprio release: uma tarefa de julgamento sênior sendo empurrada para dentro de um modelo. Quem apostar que "basta virar arquiteto" para ficar a salvo está mirando um alvo que também se move.

O que muda pra quem constrói no Brasil

O recado prático não é "aprenda a promptar", isso já é commodity. É mais desconfortável e mais duradouro:

• O valor migrou do como para o quê e o porquê. Saber escrever a função importa cada vez menos do que saber qual função resolve o problema certo, quanto ela custa em manutenção e por que ela existe. Contexto de negócio, que dev historicamente terceirizou pro PM, virou parte da defesa do cargo.
• Julgamento sobre output de IA é a nova skill escassa. Revisar código que a máquina cospe, saber quando o modelo alucinou uma dependência, quando o teste gerado testa a coisa errada. O gargalo deixou de ser produzir e passou a ser validar em escala. É onde o humano ainda ganha, por enquanto.
• Domínio de dado não estruturado como sinal. O caso de crédito do Agibank (transformar texto, áudio e imagem em sinais de risco via LLM, melhorando o KS) mostra onde a engenharia agrega: não no modelo pronto, mas na pipeline que transforma dado bruto em feature confiável. Isso é engenharia de dados↳Engenharia de dados43 conteúdosResolvendo desafios de Big Data com Ciência de Dados na UberData · abr 2019Análise de dados com Python e tabelas dinâmicas com PandasData · mai 2019Ferramentas para análise de dados são cada vez mais fundamentais para auxiliar pessoas desenvolvedorasData · jun 2024Ver tudo em Data → aplicada, e é difícil de automatizar porque depende de entender o negócio.

A leitura honesta da peça do Agibank não é a que o banco quer vender. Não é "a IA liberta o humano para o que importa". É: a IA está redesenhando a linha que separa quem é caro de quem é fungível, e essa linha sobe todo trimestre. Quem só executa vai ser comprimido, e nenhum discurso de valorização do talento muda essa matemática. Quem se posiciona onde há decisão, contexto e responsabilidade sobre resultado ganha espaço, sabendo que precisa subir de novo no ciclo seguinte. O paradoxo é real. Ele só não é confortável como o palco sugere.

Fonte: Neofeed