Determinístico e probabilístico: a distinção que organiza tudo
Um limite de 20% por emissor é uma regra determinística: com a mesma carteira, o mesmo preço e a mesma versão do regulamento, o resultado é sempre o mesmo, e a Resolução CVM 175 e a Resolução CVM 21 esperam exatamente isso, gravado por cinco anos e reprocessável. Um modelo de linguagem que lê um regulamento e sugere as regras é probabilístico: útil, rápido, e capaz de errar de forma plausível. A primeira categoria é a espinha dorsal do controle; a segunda é uma ferramenta em volta dela. Onde a norma exige evidência reproduzível, o resultado final precisa ser determinístico; a IA pode preparar, sugerir, detectar e explicar, mas não pode ser a única fonte do número que vai para o regulador.
A automação determinística é o piloto automático que mantém altitude e rota. A IA é o copiloto que lê o manual, avisa de um padrão estranho no radar e redige o relatório. Quem assina o voo continua sendo o comandante.
Onde a IA já ajuda risco e compliance de fundos
| Caso de uso | Tipo de IA | Valor | Controle necessário |
|---|---|---|---|
| Regulamento em regras | Modelos de linguagem com extração estruturada | Lê regulamento, anexos e apêndices e propõe as regras (base, numerador, agregação, exceções) para o motor de limites | Revisão humana obrigatória antes de ativar; diferença entre versão anterior e proposta exibida; regra ativada é determinística |
| Monitoramento normativo | Classificação e sumarização de texto | Lê resoluções, ofícios circulares e consultas públicas e aponta impacto por fundo e por política | Fonte oficial vinculada; responsável valida e registra a análise |
| Detecção de anomalias no passivo | Modelos estatísticos e de aprendizado supervisionado | Sinaliza aportes e resgates fora do padrão para a seleção de PLD e para a liquidez | Regras de seleção documentadas na política; decisão do diretor de PLD; taxa de falsos positivos monitorada |
| Lastro em FIDC | Extração de documentos e detecção de padrões | Lê notas, duplicatas e contratos, cruza com sacados e cedentes, aponta duplicidade e inconsistência | Verificação final registrada com evidência; amostragem humana; conciliação com a registradora continua determinística |
| Triagem de quebras de batimento | Classificação | Sugere a causa provável de cada quebra (evento, preço, boleta) e o dono | Conciliação em si é determinística; a sugestão acelera, não decide |
| Relatórios e respostas a ofícios | Geração de texto sobre dados estruturados | Redige o rascunho do relatório mensal de risco ou da resposta, a partir das apurações gravadas | Todo número vem do sistema de registro, com referência; revisão e assinatura do diretor |
Onde a IA não substitui a regra
- Apuração de limites, cota sombra, VaR e liquidez. São cálculos com metodologia declarada; o regulador quer reproduzi-los, não confiar neles.
- Classificação final de desenquadramento. A IA pode sugerir "passivo, por oscilação de preço"; quem classifica e assina é o responsável de risco, com a evidência.
- Decisão de comunicar ao COAF. A Resolução CVM 50 atribui a decisão ao diretor; o modelo seleciona e ajuda a analisar.
- Precificação de ativos sem mercado. Um modelo estatístico pode apoiar, mas o manual de apreçamento e a governança do administrador mandam.
- Qualquer número sem trilha. "O modelo disse" não é evidência. Se o resultado não pode ser reprocessado com os mesmos insumos, não serve para o regulador.
Os riscos específicos da IA em controles
- Erro plausível. O modelo extrai um limite de 10% onde o regulamento diz 15% e o texto parece perfeito. Sem revisão humana com comparação lado a lado, o erro entra no motor.
- Deriva. Modelos de detecção treinados em um regime de mercado perdem precisão quando o regime muda, e ninguém percebe até a taxa de falsos negativos aparecer em uma inspeção.
- Opacidade. Uma seleção de PLD que não consegue explicar por que sinalizou um cotista não sustenta a decisão de comunicar nem a de arquivar.
- Vazamento de dados. Regulamentos são públicos; carteiras e cadastros de cotistas não são. Enviar dados de cotistas a um modelo externo sem contrato, segregação e base legal viola as regras de cibersegurança da ANBIMA e a legislação de proteção de dados.
- Dependência sem saída. Regras que só existem dentro de um modelo proprietário, sem exportação, repetem o problema da planilha em outra embalagem.
A governança que o regulador vai cobrar
A CVM ainda não tem norma específica sobre inteligência artificial em gestoras, mas os sinais estão dados: a Resolução CVM 21 já exige supervisão de terceiros que mensuram risco, os códigos da ANBIMA já exigem segurança cibernética e governança de dados, e a própria CVM criou em 2026 uma divisão de tecnologia financeira na sua área de desenvolvimento. O padrão internacional de governança de modelos se traduz em seis práticas que servem hoje:
- Inventário de modelos: quais existem, para que servem, quem responde, quais dados usam.
- Validação independente antes de entrar em produção e depois de mudanças relevantes, com métricas de acurácia e de falsos positivos e negativos.
- Humano no circuito em toda decisão com efeito regulatório: regra ativada, desenquadramento classificado, comunicação ao COAF, resposta a ofício.
- Trilha: insumos, versão do modelo, saída e decisão humana gravados; a saída do modelo é um insumo do dossiê, não o dossiê.
- Dados: classificação do que pode sair da gestora e do que não pode; contratos com fornecedores; base legal para dados pessoais.
- Monitoramento contínuo de desempenho, com critério de desligamento.
Roteiro de adoção em três horizontes
| Horizonte | O que fazer | Pré-requisito |
|---|---|---|
| 1. Base determinística | Automatizar batimento, enquadramento, risco, liquidez, desenquadramento e agenda em um sistema de registro com trilha | Nenhum: é o ponto de partida. Sem isso, IA só acelera a produção de números sem evidência |
| 2. IA assistiva | Extração de regras de regulamentos, monitoramento normativo, triagem de quebras, rascunho de relatórios, com revisão humana | Sistema de registro funcionando; política de dados; inventário de modelos |
| 3. IA analítica | Detecção de anomalias em passivo e lastro, sinais antecipados de crédito, priorização de amostragem | Histórico de dados limpo e conciliado; validação independente; métricas de desempenho monitoradas |
A ordem importa. Gestoras que começam pelo horizonte 3 sem o 1 produzem modelos elegantes sobre carteiras não conciliadas. A base determinística está descrita em como automatizar o controle de enquadramento de carteira e o critério de escolha do sistema em software de controle de risco e compliance: como escolher.
Cinco perguntas para quem vende IA para a sua gestora
- Qual parte do resultado é determinística e qual é probabilística? Mostre as duas separadas.
- Quando o modelo erra, como eu descubro? Qual é a taxa de erro medida, em que base?
- Que dados saem da gestora, para onde, com que contrato e que base legal?
- Se o modelo for desligado amanhã, o que fica: regras, histórico, decisões, em que formato?
- Como o diretor de compliance explica a saída do modelo à CVM?
Checklist de governança de IA em risco e compliance
Antes de colocar um modelo no processo
Fundamentos
- Sistema de registro determinístico em produção, com trilha auditável diária.
- Inventário de modelos com finalidade, responsável, dados e fornecedor.
- Política de dados: o que pode e o que não pode ser enviado a modelos externos.
Operação
- Humano no circuito em toda decisão com efeito regulatório, com registro.
- Saída do modelo gravada como insumo do dossiê, com versão e data.
- Validação independente antes da produção e após mudanças relevantes.
- Métricas de acurácia, falsos positivos e negativos acompanhadas, com critério de desligamento.
Contrato
- Segregação e confidencialidade conforme as regras de cibersegurança da ANBIMA.
- Exportação de regras, histórico e decisões em formato aberto.
- Responsabilidade por atualização normativa definida.
Perguntas frequentes sobre IA em risco e compliance
A inteligência artificial pode substituir o controle de risco e compliance de uma gestora?
Não. A Resolução CVM 21 e a Resolução CVM 175 exigem apurações reproduzíveis, com metodologia declarada, gravadas por cinco anos e sob responsabilidade de diretores estatutários. Esses cálculos precisam ser determinísticos. A IA ajuda em volta deles: lendo regulamentos e normas, detectando padrões em movimentações e documentos, triando quebras e redigindo relatórios, sempre com revisão humana e com o número final vindo do sistema de registro.
Quais são os melhores casos de uso de IA em compliance de fundos?
Extração de regras a partir de regulamentos para o motor de limites, monitoramento de resoluções e ofícios com análise de impacto, detecção de anomalias em aportes e resgates para PLD e liquidez, leitura de documentos de lastro em FIDCs para apontar duplicidades, triagem de causas de quebras de batimento e rascunho de relatórios e respostas a ofícios a partir de dados estruturados. Em todos, a decisão e a assinatura continuam humanas.
Quais são os riscos de usar IA em controles regulatórios?
Erros plausíveis que passam despercebidos sem revisão, deriva de desempenho quando o regime de mercado muda, opacidade que não sustenta decisões como a de comunicar ao COAF, vazamento de dados de cotistas e carteiras para modelos externos sem contrato e base legal, e dependência de regras que só existem dentro de um modelo proprietário sem exportação.
A CVM regula o uso de IA por gestoras?
Até agosto de 2026 não há norma específica da CVM sobre inteligência artificial em gestoras de recursos, mas as regras existentes já se aplicam: a Resolução CVM 21 exige supervisão de terceiros que mensuram risco e guarda de registros, os códigos da ANBIMA exigem segurança cibernética e governança de dados, e a Resolução CVM 50 mantém a decisão de comunicação ao COAF com o diretor responsável. A CVM criou em 2026 uma divisão de tecnologia financeira, sinal de atenção crescente ao tema.
Por onde começar a usar IA em risco e compliance?
Pela base determinística: batimento, enquadramento, risco, liquidez, desenquadramento e agenda automatizados em um sistema de registro com trilha auditável. Só então faz sentido a IA assistiva, com extração de regras, monitoramento normativo e rascunhos revisados por pessoas, e depois a IA analítica, com detecção de anomalias sobre histórico conciliado e validação independente.
Como avaliar um fornecedor de IA para a gestora?
Perguntando o que é determinístico e o que é probabilístico no resultado, qual é a taxa de erro medida e como ela é monitorada, que dados saem da gestora e sob que contrato e base legal, o que fica com a gestora se o modelo for desligado e como o diretor de compliance explicaria a saída do modelo à CVM. Respostas vagas a qualquer uma delas são motivo para não contratar.
Comece pelo que precisa ser reproduzível. O resto vem depois, e vem melhor.
Traga os regulamentos e as carteiras da sua gestora. Em uma demonstração, mostramos a base determinística do controle funcionando por classe e subclasse, com a trilha auditável de cada apuração diária, o alicerce sobre o qual qualquer iniciativa de IA pode ser construída com segurança.
Conhecer o FundsysEste conteúdo tem finalidade informativa e não substitui a leitura das normas citadas nem a assessoria jurídica da sua instituição. Prazos, números de artigos e entendimentos das áreas técnicas foram verificados em agosto de 2026 e são revisados trimestralmente; alterações posteriores podem não estar refletidas.