O mundo corporativo é pródigo em criar, de tempos em tempos, novas ondas e modismos que parecem levar todas as conversas e discussões nas empresas para uma mesma direção, quase que por gravidade, independentemente do perfil, momento ou necessidade de cada com…

O mundo corporativo é pródigo em criar, de tempos em tempos, novas ondas e modismos que parecem levar todas as conversas e discussões nas empresas para uma mesma direção, quase que por gravidade, independentemente do perfil, momento ou necessidade de cada companhia.

A onda do momento, das mais avassaladoras já vistas, é a da adoção da inteligência artificial para o maior número de áreas e atividades possíveis. A ordem é a de que os negócios precisam ser AI first.

A maior parte dessa pressão vem da promessa, que traz muito de verdade, de que a IA vai permitir fazer muito mais (trabalho), com muito menos pessoas (e dinheiro). É a equação básica da administração científica de Taylor fosse elevada à enésima potência. Daí a liderança pressiona para que as áreas adotem a IA para tudo o que for possível.

É inegável que ferramentas baseadas em IA estão transformando muito da forma como trabalhamos - assim como a massificação da internet, lá atrás, mudou a forma como nos comunicamos e nos conectamos ao mundo; e mais recentemente, como as redes sociais nos levaram a repensar a forma como nos relacionamos, e em muitos casos, moldamos a nossa visão de mundo.

Com sua incrível capacidade de processamento, ferramentas de IA podem tornar não só mais rápido, como também mais seguras e precisas muitas atividades corriqueiras, mas fundamentais para o dia a dia de qualquer área, como monitoramento, compilação de informações, análise de dados e padrões estabelecidos… E elas podem viabilizar tudo isso substituindo dezenas, centenas ou até milhares de profissionais a depender do tamanho da operação. Não são poucos os CEO's de grandes companhias globais que vem dizendo, sem muita cerimônia, que a adoção da IA vai permitir a redução de headcounts em grande escala.

Mas é preciso ter muito claramente uma questão relevante. O sucesso na adoção da IA, em qualquer área, demanda tempo, investimentos, gente e conhecimento real sobre onde, de fato, essa ferramenta pode oferecer um apoio efetivo. Particularmente em relação ao uso pela área de Compliance, é preciso também garantir que a sua aplicação seja segura. E segurança aqui versa sobre todos os seus aspectos, da segurança da informação até a segurança de que a ferramenta não irá inventar uma resposta a um questionamento de um colaborador, que em última instância, pode levá-lo a praticar algo que possa vir até a ser considerado uma infração às regras internas, com o aval da "IA do Compliance". A realidade é que a adoção de Inteligência Artificial para atividades de integridade e conformidade está longe de ser um passe de mágica.

O Chat GPT e outras IA's generativas como Claude, Gemini e Co-Pilot, com sua capacidade de dar respostas "certeiras" à tudo, criar material intelectual praticamente sozinho e de funcionar como um "trabalhador" que é páu pra toda obra, maravilhou o mundo. Por outro lado, esse maravilhamento ajudou a criar no mercado uma falsa ilusão, a de que basta plugar uma API dessas IA's a um sistema interno para revolucionar o trabalho. Aí, um profissional de compliance com restrições orçamentárias e com a sensação de que está ficando para trás nessa corrida, pega uma dessas IA's e acha que elas vão compilar toda a documentação produzida durante uma investigação, gerar um relatório com os achados do processo e até dar orientações sobre o que fazer a seguir. De fato, elas vão fazer isso porque a IA generativa é uma tecnologia, que como lembra Marília Zulini, Head de Compliance da Motiva, uma das maiores concessionárias de trilhos, rodovias e aeroportos do Brasil, cuja natureza, por definição, é a de criar.

O profissional que acreditar que vai usar a IA para soluções de compliance sem customização, sem uma programação específica para o problema ou atividade que ele deseja resolver, está cometendo um equívoco considerável. IA's genéricas e públicas como Chat GPT ou Gemini, atuam apenas como o motor de agentes de IA mais específicos, que precisam ser criados sob medida. "Eles são ultra úteis para tarefas simples do dia a dia. Revisar um e-mail, resumir um documento… Mas quando a gente vai falar de uma IA para revisão de documentos de investigação, não é o Copilot que a gente conhece no dia a dia que vai resolver", decreta Bruno Massard, diretor da Epiq Global, uma firma de serviços profissionais especializada em áreas como compliance e investigação.

Uma investigação de um ano dos e-mails de um executivo pode resultar em cerca de 25 mil documentos para serem analisados. "Você acha que o Chat GPT corporativo vai analisar 25 mil documentos e responder adequadamente? Não vai", pontua Massard. Primeiro porque, ao contrário do que a maior parte das pessoas pode pensar, as IA's generativas não vão ler todas as páginas de um documento, linha por linha. As tecnologias são programadas para ver tudo o que está escrito, extrair o contexto geral dali e a partir desse entendimento, trazer uma resposta, que pode ser muito adequada e assertiva para situações mais delimitadas, mas que não é necessariamente capaz de se aprofundar e detalhes, nuances e miudezas do que está presente nos textos sob análise. Além disso, como faz uma interpretação do contexto mais amplo, uma ferramenta genérica como essas não apenas pode entregar resultados insatisfatórios, como pode levar a decisões erradas com consequências reais: demitir alguém sem evidência suficiente, ou concluir que uma fraude não aconteceu quando ela de fato aconteceu.

O ponto de partida que costuma parecer mais óbvio para as áreas de compliance no uso dos agentes de IA são os canais internos para tirar dúvidas dos funcionários acerca do programa de compliance. Não é difícil de entender o porquê disso. Ao menos em tese, a maior parte das respostas às dúvidas dos colaboradores costumam estar expressas em algum tipo de documento interno: limites de valores e regras para alimentação com clientes, o que os funcionários podem ou não fazer diante de um convite de fornecedor, se aquele presente recebido precisa ser declarado, se uma determinada situação viola ou não o programa de integridade da empresa. Parece simples. Bastaria alimentar o agente com as informações e deixar ele fazer o trabalho de responder aos colaboradores, de forma imediata, num regime 24 x 7, e de quebra, salvando horas de trabalho dos analistas do time que antes ficavam encarregados de atender essas demandas internas. Na prática, a coisa se mostrou bem mais complexa e difícil de ser viabilizada.

Marília viveu essas dificuldades na pele. Foi justamente esse o ponto de partida da executiva com modelos de IA no compliance da empresa. E é por isso que hoje, ela recomenda que os colegas não comecem por ali.

Esse primeiro agente da Motiva, era um bot, que se alimentava do conteúdo de uma planilha alimentada com uma espécie de perguntas frequentes (FAQ) e respostas mapeadas. O agente consultava a planilha, cruzava com as políticas da empresa e então, respondia ao colaborador. O resultado foi uma sucessão de alucinações, com o robô inventando coisas (como já mencionado pela executiva mais acima nesta matéria, criar - e porque não inventar, nesse caso - é da natureza da IA generativa cria). A hipótese da equipe é que o modelo se confundiu justamente com essa camada intermediária, o Excel funcionou como um ruído entre o agente e o documento original. Diante do problema, a área de tecnologia construiu um novo agente usando o Copilot (a IA da Microsoft) para ler as políticas diretamente, e as respostas até melhoraram, em especial para perguntas mais simples e delimitadas. Mas o problema de fundo permanece. Se um funcionário chega com uma questão que escapa ao padrão — exatamente o tipo de dúvida que mais importa —, o risco é alto, justamente porque situações que saem do padrão não vão estar na política e se a IA generativa não encontra respostas ali, ela começa a criar coisas, porque a natureza do agente é criar. Nessa, ela pode responder qualquer coisa — e nós seremos responsabilizados", reforça a executiva da Motiva.

Esse risco torna o agente de normas internas, paradoxalmente, um dos mais difíceis de construir. Por mais simples que isso parece, é preciso uma inteligência artificial muito bem construída para que ela responda ao funcionário algo como: 'essa é uma situação que sai do padrão, procure o compliance'. Porque a natureza generativa da IA vai na direção contrária do que uma política corporativa exige: respostas exatas, dentro dos limites estabelecidos. "Por isso eu não recomendo começar a usar os agentes para essa finalidade".

Outro problema comum às áreas de compliance na sua nova relação com as IA's é que a maior parte das empresas sequer faz uso de alguma tecnologia já existente no mercado para exercer suas atividades. Um levantamento da Epiq, realizado em 2023, aponta que 72% das empresas pesquisadas ainda realizam investigações de e-mail manualmente no Outlook. A questão é que agora, todos querem ir direto para o que há de mais avançado e sofisticado, em um mercado que tenta queimar etapas, o que não é algo necessariamente positivo, ou mesmo efetivo no caso das áreas de compliance. "Empresas sem tecnologia básica de investigação querem implementar machine learning. Quem não tem uma ferramenta como o Discovery quer agentes generativos. "Vamos implementar tecnologia, vamos treinar o time para usar tecnologia, para depois eventualmente falar de machine learning, que é diferente de IA, para depois falar de IA generativa, para depois começar a pensar na IA agêntica", diz Massard. "Estamos atropelando as etapas e isso pode gerar problemas até na compreensão dos processos", reforça o gerente da Epiq.

Onde os agentes funcionam — e por quê

Se um dos caminhos que parecia mais óbvio, oferece tantas armadilhas, por onde começar a experiência com os agentes de IA no compliance? Ambientes controlados, nos quais o agente não irá interagir com usuários não habilitados para essa finalidade e onde um especialista humano vai, obrigatoriamente, revisar o que o agente produziu antes que aquilo chegue a qualquer decisão.

Diante da natureza sensível e complexa do ambiente de investigações, não deixa de ser uma surpresa que um agente de IA seja aplicado ali de forma mais segura e efetiva do que em um ambiente que em tese implica em menos risco. Mas é o que a realidade demonstrou, ao menos no caso da Motiva, que teve muito sucesso com um agente de IA de investigações para o seu canal confidencial. A equipe treinou um modelo — turbinado com o Chat GPT-5 via Copilot — para produzir relatórios de investigação. O especialista fornece a sua conclusão em relação ao processo, com as evidências coletadas e as atas das entrevistas. O agente de IA compila, edita, formata o documento no padrão da empresa, sugere quais violações estão presentes no caso com base nos códigos internos e propõe medidas de remediação a partir de uma planilha de causas-raízes. O trabalho que antes levava de duas a três horas, agora é feito em minutos. "É bem diferente de ter pessoas externas perguntando, deixando o agente de IA maluco. Aqui ele funciona como um estagiário mesmo. Ele monta, o especialista vai lá e revisa", explica Marília.

O potencial analítico sobre grandes volumes de dados com o qual o agente de IA trabalha também gera descobertas improváveis. Ao plugar a base de dados do canal confidencial em uma IA interna para criar mapas de palavras, a equipe da Motiva viu a palavra "carro" se destacar nos relatos de desvios de conduta sexual. "As situações de desvio de comportamento estavam acontecendo dentro dos carros de frota… É algo no qual você dificilmente pensaria", conta Marília, destacando como a IA permite trazer à tona, novos padrões ocultos aos times da empresa.

O sucesso do agente de IA de investigações abriu caminhos para o desenvolvimento de um segundo agente de IA para a área de compliance da Motiva, desta vez dedicado às due diligence. O novo robô consolida dados de ferramentas de mineração de informações externas, como processos judiciais envolvendo o fornecedor, com dados internos da empresa, conflitos de interesse declarados, por exemplo, dentro de um sistema que consolida tudo isso. Com base nas regras internas de classificação de risco, o agente propõe o parecer já redigido. A analista só revisa, valida e o fluxo segue. O tempo economizado é de pelo menos duas horas por parecer. Em casos em que não há nenhum apontamento relevante, o robô já possui autonomia para aprovar o cadastro automaticamente. E o ganho aqui vai além do tempo. Marília explica que o processo anterior, manual, dependia de copiar e colar informações de diferentes fontes, com o risco de trocas e omissões que o agente virtual praticamente eliminou. "Ganhamos muito em qualidade da informação", diz a executiva.

No que também pode parecer algo contraintuitivo, os agentes de IA vêm se saindo bem em uma atividade para os quais existiam (e para parcela significativa de pessoas, ainda existem) muitas dúvidas e restrições sobre a sua aplicação: o atendimento do canal de denúncias. Isso pela natureza sensível, e porque não dizer humana dessa ferramenta, com a necessidade de sensibilidade e escuta que a máquina ainda não tem como oferecer. Só que a operação do canal também tem uma característica que a torna menos suscetível a dar respostas erradas ao usuário, que é justamente o fato de o canal ser muito mais passivo e ter uma interação limitada e, até certo ponto, bastante controlada. O mais importante, é que a coleta da denúncia seja feita de forma adequada e que o denunciante se sinta seguro em fazê-la.