As operações têm estruturas distintas, mas revelam uma tendência comum: a inteligência artificial passou a ocupar um espaço relevante nas decisões de investimento e nas estratégias de longo prazo das grandes companhias.
A seguir, veja o que impulsiona esses aportes e quais podem ser os desdobramentos para o mercado de tecnologia.
Itaú adquire startup de IA por quase R$ 3 bilhões
Em 26 de outubro de 2026, o Itaú Unibanco comunicou um acordo para comprar a totalidade das ações da NeoSpace A.I. Technologies, startup brasileira fundada em 2023 e com sede em Uberlândia, Minas Gerais. O montante anunciado foi de R$ 2,925 bilhões.
A companhia desenvolve modelos de inteligência artificial capazes de identificar padrões e relações em grandes volumes de dados. Conforme informações publicadas pelo g1, na reportagem sobre a compra da startup mineira, a tecnologia da NeoSpace já vinha sendo usada pelo banco em aplicações como análise de crédito, prevenção a fraudes e relacionamento com clientes.
A aquisição amplia uma parceria que existia havia quase dois anos. Com o negócio, o Itaú pretende reforçar sua capacidade de desenvolver modelos próprios de inteligência artificial e acelerar a evolução de suas soluções digitais.
A conclusão da operação ainda depende de aprovações regulatórias, entre elas as do Conselho Administrativo de Defesa Econômica (Cade) e do Banco Central do Brasil.
Por que comprar uma empresa de IA em vez de desenvolver tudo internamente?
Adquirir uma empresa especializada pode dar ao banco acesso mais direto a equipes de pesquisa, conhecimento técnico, modelos já desenvolvidos e experiência prática na aplicação da tecnologia.
Em vez de construir todas essas capacidades do zero, a instituição incorpora uma estrutura que já lida com problemas reais do negócio.
No caso da NeoSpace, a parceria anterior também oferece uma base para a continuidade do desenvolvimento. A tecnologia já era utilizada em atividades do banco, o que tende a facilitar sua integração a novos projetos.
De acordo com as informações divulgadas sobre a operação, a NeoSpace deverá manter sua gestão autônoma, sua equipe e a liderança de Bruno Pierobon. A continuidade da estrutura busca preservar o conhecimento técnico e a capacidade de pesquisa da empresa.
O negócio ilustra uma estratégia que vai além da adoção de ferramentas prontas: o objetivo é ampliar o domínio sobre tecnologias consideradas importantes para a competitividade da instituição.
Bancos financiam expansão da infraestrutura de IA da Anthropic
Outro exemplo da dimensão dos investimentos em inteligência artificial foi anunciado em 26 de outubro de 2026.
Segundo reportagem do InfoMoney, publicada com informações do Estadão Conteúdo, Bank of America, Citi, Morgan Stanley e Blackstone anunciaram uma operação de financiamento de US$ 63 bilhões voltada à expansão da capacidade computacional da Anthropic.
A operação envolve a aquisição de aceleradores de inteligência artificial e equipamentos de rede da Broadcom. Os equipamentos serão alugados à Anthropic, e as entregas estão previstas para começar em 2027.
Nesse caso, é importante fazer uma distinção: os bancos e a Blackstone não estão comprando a Anthropic. Eles participam de uma estrutura de financiamento destinada a viabilizar a infraestrutura necessária para ampliar a capacidade de processamento da empresa.
A diferença ajuda a entender como o mercado de IA movimenta recursos em várias frentes. Além das empresas que desenvolvem modelos, há demanda por chips, equipamentos de rede, centros de processamento de dados, energia e capital para financiar essa estrutura.
Por que a inteligência artificial precisa de tantos investimentos?
O desenvolvimento e a operação de sistemas avançados de IA exigem grande capacidade computacional.
Modelos de larga escala precisam ser treinados e executados em equipamentos especializados, que consomem energia e demandam infraestrutura de rede, refrigeração e armazenamento de dados.
Quanto maior a demanda por esses sistemas, maior pode ser a necessidade de ampliar a capacidade de processamento disponível.
O financiamento de US$ 63 bilhões demonstra que o crescimento da IA também cria oportunidades para empresas e investidores que viabilizam sua infraestrutura. O negócio conecta instituições financeiras, fornecedores de tecnologia e desenvolvedores de modelos em uma mesma cadeia econômica.
5 motivos que explicam o interesse dos bancos por inteligência artificial
As duas operações ajudam a identificar algumas das razões pelas quais as instituições financeiras estão destinando recursos à IA.
1. Automatizar processos e aumentar a eficiência
Bancos lidam diariamente com grandes quantidades de transações, documentos, solicitações e informações. Sistemas de inteligência artificial podem auxiliar na classificação de dados, na análise de documentos, no atendimento e em outras atividades operacionais.
A automação pode reduzir o trabalho manual em determinadas tarefas e permitir que as equipes concentrem esforços em atividades que exigem análise e tomada de decisão.
Os resultados, no entanto, dependem da qualidade dos sistemas, da integração com os processos existentes e de uma supervisão humana adequada.
2. Melhorar a análise de crédito e a prevenção a fraudes
A identificação de padrões em grandes conjuntos de dados pode ajudar instituições a avaliar riscos e detectar comportamentos suspeitos.
Na análise de crédito, modelos podem apoiar a avaliação de informações relevantes para estimar a capacidade de pagamento de um cliente. Na prevenção a fraudes, sistemas podem identificar transações que apresentam características incomuns.
Essas aplicações exigem controles rigorosos. Dados inadequados podem comprometer os resultados, enquanto modelos mal projetados podem reproduzir vieses e gerar decisões injustas.
Por isso, a implementação de IA no setor financeiro precisa considerar segurança, explicabilidade, privacidade e conformidade regulatória.
3. Personalizar serviços financeiros
A inteligência artificial também pode ajudar bancos a adaptar serviços às necessidades de cada cliente.
Com o uso responsável de dados, sistemas podem apoiar recomendações financeiras, organizar informações sobre gastos e facilitar o acesso a produtos e serviços relevantes para diferentes perfis.
No caso do Itaú, a aquisição da NeoSpace está relacionada à ampliação de suas capacidades próprias de IA, incluindo aplicações para relacionamento com clientes e desenvolvimento de soluções financeiras.
A personalização, porém, precisa respeitar as regras de proteção de dados e os limites de uso das informações dos consumidores.
4. Desenvolver tecnologia própria e reduzir dependências
Empresas que dependem exclusivamente de soluções externas podem enfrentar limitações relacionadas a custos, personalização, integração e controle sobre a tecnologia.
Ao adquirir uma empresa especializada ou investir em equipes próprias, um banco pode ampliar sua capacidade de adaptar modelos às necessidades específicas de sua operação.
Isso não significa que desenvolver IA internamente seja sempre mais barato ou eficiente. A estratégia envolve custos de infraestrutura, pesquisa, contratação de profissionais e manutenção contínua.
A decisão depende de fatores como a importância estratégica da tecnologia, a escala de uso e a capacidade de transformar o investimento em resultados concretos.
5. Disputar espaço em um mercado cada vez mais tecnológico
A concorrência entre instituições financeiras também passa pela experiência digital oferecida aos clientes.
Serviços mais rápidos, atendimento eficiente, prevenção de fraudes e ferramentas financeiras personalizadas podem influenciar a percepção de qualidade de um banco.
Nesse contexto, a IA deixa de ser apenas um recurso experimental e passa a integrar decisões sobre produtos, infraestrutura e desenvolvimento de negócios.
O investimento em empresas especializadas pode acelerar esse processo, desde que a tecnologia seja incorporada de maneira segura e sustentável.
O que esses investimentos significam para estudantes e profissionais de tecnologia?
A movimentação de bilhões de reais e dólares em inteligência artificial chama a atenção para uma questão importante: a tecnologia depende de profissionais capazes de desenvolver, integrar, operar e avaliar esses sistemas.
Para estudantes e profissionais que desejam entrar ou crescer no setor, isso significa que as oportunidades não se restringem à criação de modelos de IA.
A expansão desse mercado envolve diferentes especialidades, com responsabilidades que vão da preparação de dados à operação de sistemas em larga escala.
Engenharia de software
Profissionais de engenharia de software desenvolvem as aplicações que conectam modelos de inteligência artificial a produtos, plataformas e processos empresariais.
Isso envolve criar APIs, integrar serviços, construir sistemas confiáveis, testar funcionalidades e garantir que as soluções funcionem em ambientes de produção.
Conhecimentos de programação, arquitetura de software, bancos de dados, testes e integração de sistemas continuam sendo importantes, inclusive para quem pretende trabalhar com IA generativa.
Ciência de dados e engenharia de dados
Os modelos de IA dependem de informações adequadas para produzir resultados úteis.
Cientistas e engenheiros de dados trabalham na coleta, organização, análise, transformação e disponibilização dessas informações. Também podem participar da avaliação de modelos e da identificação de padrões relevantes para o negócio.
Estatística, programação, SQL, qualidade de dados e fundamentos de aprendizado de máquina são conhecimentos que podem contribuir para essa trajetória profissional.
Inteligência artificial e aprendizado de máquina
A construção e a adaptação de modelos exigem conhecimentos específicos sobre algoritmos, treinamento, avaliação e implantação.
Entre as atividades possíveis estão o desenvolvimento de modelos preditivos, a criação de aplicações com IA generativa, a avaliação de respostas de sistemas e a integração de modelos a processos empresariais.
Também é importante compreender as limitações dessas ferramentas. Um sistema pode produzir respostas incorretas, apresentar vieses ou falhar quando aplicado a situações diferentes daquelas consideradas em seu desenvolvimento.
Infraestrutura, nuvem e MLOps
A expansão da capacidade computacional da Anthropic mostra que a infraestrutura é parte relevante da cadeia de inteligência artificial.
Profissionais dessa área trabalham com computação em nuvem, implantação de aplicações, monitoramento, disponibilidade, desempenho e custos operacionais.
Já as práticas de MLOps ajudam a organizar o ciclo de vida dos modelos, desde sua implantação até o monitoramento e a atualização.
Essas competências são importantes para transformar protótipos em sistemas que possam ser utilizados de forma confiável por empresas e clientes.
Cibersegurança, privacidade e governança de IA
O uso de inteligência artificial em operações financeiras exige atenção à proteção de dados, ao controle de acessos e à segurança dos sistemas.
Profissionais de segurança da informação e governança podem atuar na avaliação de riscos, na prevenção de vazamentos, no monitoramento de aplicações e na definição de regras para o uso responsável da tecnologia.
Essa frente também envolve questões como rastreabilidade, supervisão humana, explicabilidade e cumprimento de normas aplicáveis.
