O Setor Financeiro Adotou IA Generativa em Tudo e Não Consegue Observar Quase Nada

Uma nova pesquisa com times de serviços financeiros traz um número fácil de ler de relance e difícil de defender. Noventa e quatro por cento adotaram IA generativa em trabalho de observabilidade. Oitenta e nove por cento esperam observar seus modelos de linguagem. Seis por cento de fato implementaram observabilidade de LLMs. Leia os três números em sequência e você está olhando para uma indústria que conectou IA à maquinaria que vigia seus sistemas e esqueceu de vigiar a IA.

Os dados vêm do State of Observability 2026 da Elastic, recorte de serviços financeiros, publicado em abril. É uma pesquisa financiada por fornecedor, então trate os percentuais exatos como direcionais, não como censo. O formato do achado se sustenta independentemente das casas decimais. A adoção correu muito à frente da instrumentação que a torna segura, e correu à frente justamente na única indústria onde automação não observada não é um descuido de ferramenta, e sim uma exposição regulatória.

A Maturidade Subiu. A Visibilidade Não.

A mesma pesquisa aponta que 70% dos times de serviços financeiros agora avaliam suas práticas de observabilidade como maduras ou de nível especialista, contra 45% no ano anterior. É um salto real de confiança. Ele convive de forma estranha com os 6% que conseguem observar os LLMs que já colocaram em produção.

As duas coisas podem ser verdadeiras. Os times amadureceram de verdade em observar infraestrutura, serviços e aplicações tradicionais. Os painéis estão melhores. Os alertas chegam mais rápido. Os plantões estão mais calmos. O que cresceu foi a competência com a geração anterior de sistemas. O que ficou parado foi a visibilidade sobre a nova camada que a IA generativa introduziu por baixo desses sistemas.

Essa é a armadilha de medir maturidade contra o terreno do ano passado. Um time pode ser especialista em vigiar o edifício que já conhece e cego para o andar novo que alguém acrescentou enquanto ele ajustava alertas. A confiança é merecida. E também aponta para a camada errada.

A Pergunta da Auditoria Já Está em Jogo

A razão pela qual isso pesa mais no setor financeiro do que em quase qualquer outro lugar aparece em dois números pareados. Sessenta e um por cento desses times já usam observabilidade para compliance e auditoria em tempo real. Apenas 53% avaliam suas ferramentas como aceitáveis para prontidão de auditoria.

Pare nesse par. A maioria fez da observabilidade parte de como satisfaz reguladores em tempo real. Uma maioria menor de fato confia nas ferramentas para aguentar quando um auditor pedir a prova. As instituições não esperaram a instrumentação ficar pronta antes de rotear compliance por ela. Rotearam compliance por ela e agora torcem para que a instrumentação alcance antes que a fiscalização chegue.

Quando um LLM fica dentro de um fluxo relevante para compliance e ninguém consegue reconstruir o que ele fez, a falha não é um painel lento. É uma pergunta sem resposta vinda de um regulador. “Me mostre as decisões que esse sistema tomou e por quê” tem resposta limpa para um motor de regras tradicional. Para um modelo não observado, a resposta honesta é dar de ombros, e dar de ombros não sobrevive a uma auditoria.

Regulação É o Vento Contra, Não a Desculpa

Noventa e cinco por cento desses times relatam obstáculos regulatórios. Sessenta e sete por cento citam GDPR especificamente. Seria fácil ler isso como a causa do atraso na observabilidade: regulação é difícil, então a instrumentação é lenta. A causalidade corre no sentido oposto.

Regulação é exatamente o motivo pelo qual o número de 6% é alarmante, e não apenas constrangedor. Em um domínio pouco governado, colocar em produção modelos que você não consegue observar é imprudente. Em um domínio onde 95% dos times já sentem o peso dos reguladores e dois terços respondem ao GDPR, colocar em produção modelos que você não consegue observar é um apontamento esperando para ser redigido. A pressão regulatória não desculpa a visibilidade ausente. Ela eleva o custo dela.

O GDPR em particular torna a camada de conhecimento estrutural. Se um modelo processou dados pessoais, você pode ter de explicar o que ele fez com esses dados, provar que consegue apagá-los e mostrar quem teve acesso. Nada disso tem resposta sem observabilidade sobre o próprio modelo. Os 67% que citam GDPR estão nomeando exatamente a obrigação que sua taxa de implementação de 6% ainda não consegue cumprir.

E o Orçamento Está Indo na Direção Errada

Aqui está a parte que transforma um problema de visibilidade em um problema de governança. Noventa e nove por cento desses times estão cortando ativamente gastos com observabilidade. Setenta e um por cento relatam estouros regulares de custo na observabilidade que já operam.

Ou seja, a camada com a pior cobertura é também a camada sendo desfinanciada, dentro de times que não conseguem manter sob controle as contas de observabilidade que já têm. A pressão para cortar é real; ninguém aprecia uma fatura de observabilidade que estoura todo trimestre. Mas cortar o orçamento do andar que você ainda não construiu é como o 6% continua 6%. A instrumentação que tornaria as implementações de LLM auditáveis disputa verbas minguantes com a instrumentação que já está estourando.

É aqui que a coisa deixa de ser item de backlog de engenharia e vira decisão de liderança. Alguém está escolhendo, implicitamente, manter modelos em fluxos relevantes para compliance sem a observabilidade para defendê-los, porque a conversa de orçamento fala mais alto que a conversa de auditoria. Essa escolha é reversível. E, neste momento, está sendo feita por inércia, não de propósito.

Faça Isto Agora

Se você roda IA em um fluxo financeiro regulado, faça um exercício neste trimestre. Escolha um único processo apoiado por LLM que toque uma obrigação de compliance ou auditoria. Depois tente responder, de ponta a ponta, a pergunta que um fiscal faria: o que esse modelo fez, sobre quais entradas, produzindo quais saídas, e você consegue provar.

Se você responder com clareza, está entre os 6%, e deveria documentar como chegou lá, porque o resto da sua indústria precisa do padrão. Se você não conseguir responder, encontrou o ponto exato em que sua adoção correu à frente da sua visibilidade. Não comece comprando mais ferramenta. Comece decidindo que esse único fluxo será observável antes de expandir, e financie essa decisão de forma específica, à frente do corte mais amplo de orçamento. Um fluxo auditável que você consegue defender vale mais que dez que você adotou e não consegue explicar.

Já argumentamos antes que observabilidade sem um loop de governança que age sobre o que vê é apenas logging caro, que governança precisa se estender além da engenharia para as áreas que carregam o risco, e que cada indústria vertical herda uma versão distinta do mesmo problema de governança. O setor financeiro acaba de receber seus números. Os números dizem que a adoção está feita e a instrumentação mal começou.

---

Fontes

• Elastic. “State of Observability 2026: Financial Services.” Abril de 2026.

A Victorino ajuda times regulados a fechar a lacuna entre adotar IA e conseguir observá-la: contato@victorino.com.br | www.victorino.com.br