Regulação de IA no Setor Financeiro: Crédito e Scoring

A inteligência artificial já decide quem recebe crédito no Brasil, e a regulação desse poder algorítmico se tornou uma das questões jurídicas mais urgentes do setor financeiro.

O Avanço da Inteligência Artificial nas Decisões de Crédito

Nos últimos anos, instituições financeiras brasileiras passaram a adotar sistemas de inteligência artificial para automatizar e acelerar decisões de concessão de crédito. Modelos de machine learning analisam centenas de variáveis simultaneamente, desde o histórico de pagamentos até padrões de consumo digital, para gerar pontuações (scores) que determinam se um consumidor terá acesso a empréstimos, financiamentos ou cartões de crédito. Essa transformação trouxe ganhos reais de eficiência, mas também levantou preocupações profundas sobre transparência, discriminação algorítmica e proteção de direitos fundamentais.

Quando se analisa o cenário atual, verifica-se que o scoring por IA não se limita mais aos birôs de crédito tradicionais. Fintechs, bancos digitais e até cooperativas de crédito utilizam algoritmos proprietários que processam dados alternativos, como comportamento em redes sociais, geolocalização e até o tipo de dispositivo utilizado pelo solicitante. Essa ampliação do escopo de dados levanta questões que o ordenamento jurídico brasileiro ainda está aprendendo a enfrentar, especialmente no que diz respeito à Lei Geral de Proteção de Dados (LGPD) e ao Código de Defesa do Consumidor.

O ponto central da discussão reside no chamado “efeito caixa-preta”: o consumidor que tem seu crédito negado por um algoritmo frequentemente não consegue compreender os motivos da recusa, tampouco contestá-la de forma efetiva. Diferentemente de uma análise humana tradicional, onde critérios como renda e histórico bancário são transparentes, os modelos de IA podem ponderar variáveis de maneira opaca, criando barreiras invisíveis ao acesso ao crédito.

O Marco Regulatório Brasileiro e a LGPD nas Decisões Automatizadas

A LGPD, em seu artigo 20, estabelece que o titular de dados tem direito a solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses. Isso inclui, expressamente, decisões destinadas a definir perfil pessoal, profissional, de consumo e de crédito. Trata-se de uma norma fundamental para a proteção dos consumidores frente aos sistemas de scoring por IA, pois garante, ao menos em tese, o direito de compreender e questionar a lógica por trás da decisão algorítmica.

No entanto, verifica-se que a aplicação prática desse dispositivo enfrenta obstáculos consideráveis. As instituições financeiras frequentemente alegam que a explicação detalhada dos critérios algorítmicos configuraria violação de segredo comercial e industrial. O parágrafo primeiro do mesmo artigo 20 prevê que o controlador deverá fornecer informações claras e adequadas sobre os critérios e procedimentos utilizados para a decisão automatizada, mas a tensão entre transparência algorítmica e proteção de propriedade intelectual permanece como um dos maiores desafios regulatórios do setor.

Além da LGPD, o Banco Central do Brasil tem atuado na regulação do uso de IA no sistema financeiro. A Resolução BCB nº 4.893/2021, que trata da política de segurança cibernética, e as normas sobre gestão de riscos operacionais exigem que as instituições financeiras mantenham controles adequados sobre seus sistemas tecnológicos, incluindo os algoritmos de decisão de crédito. A Autoridade Nacional de Proteção de Dados (ANPD) também vem desenvolvendo diretrizes específicas sobre decisões automatizadas, buscando equilibrar inovação tecnológica com proteção de direitos.

A transparência algorítmica não é apenas uma exigência legal, é a base para que o consumidor exerça seus direitos fundamentais diante de decisões automatizadas que afetam diretamente sua vida financeira.

No plano legislativo, o Projeto de Lei nº 2.338/2023, que propõe o Marco Legal da Inteligência Artificial no Brasil, traz disposições específicas sobre sistemas de IA de alto risco, categoria na qual se enquadram os sistemas de scoring de crédito. O projeto prevê obrigações de transparência, avaliação de impacto algorítmico e mecanismos de supervisão humana que, se aprovados, representarão um avanço significativo na regulação do setor.

Discriminação Algorítmica e Viés no Scoring de Crédito

Um dos aspectos mais sensíveis da regulação de IA no crédito diz respeito ao risco de discriminação algorítmica. Modelos de machine learning aprendem a partir de dados históricos que, em sociedades marcadas por desigualdades estruturais como a brasileira, podem refletir e perpetuar vieses raciais, de gênero, regionais e socioeconômicos. Um algoritmo treinado com dados que historicamente penalizaram determinados grupos pode reproduzir essas desigualdades de forma automatizada e em escala massiva, sem que nenhum operador humano tenha a intenção de discriminar.

Analisa-se, por exemplo, o caso de variáveis aparentemente neutras (chamadas de “proxies”) que, na prática, funcionam como indicadores indiretos de raça ou classe social. O CEP de residência, o tipo de escola frequentada ou até o padrão de consumo podem carregar informações correlacionadas a características protegidas por lei. A Constituição Federal, em seu artigo 5º, proíbe qualquer forma de discriminação, e o Código de Defesa do Consumidor veda práticas abusivas contra o consumidor. A utilização de algoritmos que produzam efeitos discriminatórios, ainda que de forma não intencional, pode configurar violação a esses dispositivos.

A questão se torna ainda mais complexa quando consideramos que muitos modelos de IA operam como redes neurais profundas, cujas decisões são praticamente impossíveis de decompor em fatores individuais compreensíveis. Nesse cenário, exigir que as instituições financeiras demonstrem a ausência de viés discriminatório em seus algoritmos requer o desenvolvimento de metodologias de auditoria algorítmica que ainda estão em estágio inicial no Brasil. Experiências internacionais, como o AI Act da União Europeia e as diretrizes da Equal Credit Opportunity Act nos Estados Unidos, oferecem referências importantes para o desenvolvimento de mecanismos similares no contexto brasileiro.

Direitos do Consumidor e Mecanismos de Contestação

Diante desse cenário, verifica-se que a efetivação dos direitos do consumidor frente às decisões algorítmicas de crédito depende de mecanismos práticos e acessíveis de contestação. O direito à revisão previsto no artigo 20 da LGPD precisa ser operacionalizado de forma que o cidadão comum consiga, de fato, questionar uma negativa de crédito baseada em IA. Isso passa pela criação de canais específicos de atendimento, pela obrigação de fornecer explicações em linguagem acessível e pela possibilidade de revisão humana efetiva da decisão algorítmica.

O Código de Defesa do Consumidor, em seus artigos 43 e 44, já prevê o direito de acesso às informações existentes em cadastros e bancos de dados sobre o consumidor, bem como o direito de correção de dados inexatos. Com a integração da IA nos processos decisórios, esses direitos precisam ser interpretados de forma ampliada, abrangendo não apenas os dados brutos utilizados, mas também a lógica de processamento e os pesos atribuídos pelo algoritmo a cada variável. A jurisprudência brasileira vem gradualmente reconhecendo essa necessidade de atualização interpretativa, embora ainda não haja consolidação suficiente sobre os limites e contornos desse direito.

Para os consumidores que se sentirem prejudicados por decisões algorítmicas de crédito, existem alguns caminhos práticos disponíveis. O primeiro é a solicitação formal de revisão junto à própria instituição financeira, com fundamento no artigo 20 da LGPD. O segundo é a reclamação junto aos órgãos de defesa do consumidor (Procons) e à ANPD. O terceiro é a via judicial, que pode incluir pedidos de indenização por danos morais quando configurada discriminação ou violação de direitos fundamentais. Em todos os casos, recomenda-se que o consumidor documente detalhadamente a negativa recebida e solicite, por escrito, os critérios utilizados na decisão.

Perspectivas Regulatórias e o Futuro do Crédito Algorítmico

O futuro da regulação de IA no setor de crédito brasileiro aponta para um modelo de governança que busca equilibrar três pilares: inovação tecnológica, proteção do consumidor e estabilidade do sistema financeiro. O Banco Central tem sinalizado uma abordagem baseada em princípios (principles-based regulation), que estabelece diretrizes gerais sem engessar a evolução tecnológica, ao mesmo tempo em que exige das instituições financeiras a demonstração de conformidade com padrões éticos e legais.

A tendência regulatória que observamos inclui a obrigatoriedade de avaliações periódicas de impacto algorítmico, a criação de comitês internos de ética em IA nas instituições financeiras, a exigência de documentação detalhada dos modelos utilizados e a implementação de mecanismos de auditoria externa. O conceito de “IA explicável” (Explainable AI ou XAI) ganha força como requisito regulatório, exigindo que os modelos de scoring sejam capazes de fornecer explicações compreensíveis sobre suas decisões, mesmo que isso implique alguma perda de precisão preditiva.

Outro aspecto relevante é a tendência de interoperabilidade regulatória internacional. À medida que o sistema financeiro global se digitaliza, a harmonização de regras sobre IA em diferentes jurisdições torna-se cada vez mais necessária. O Brasil, como membro do G20 e participante ativo em fóruns internacionais sobre regulação financeira, tem a oportunidade de contribuir para o desenvolvimento de padrões globais que protejam os consumidores sem sufocar a inovação que a inteligência artificial pode trazer ao acesso ao crédito.

Consideramos fundamental que o debate regulatório inclua não apenas reguladores e instituições financeiras, mas também organizações da sociedade civil, academia e os próprios consumidores. A regulação de IA no crédito não é apenas uma questão técnica ou econômica: é uma questão de cidadania, que afeta diretamente a capacidade das pessoas de acessar bens, serviços e oportunidades. O desafio está em construir um marco regulatório que seja ao mesmo tempo robusto o suficiente para prevenir abusos e flexível o bastante para permitir que a tecnologia cumpra sua promessa de democratizar o acesso ao crédito.

Esse assunto tem relação direta com ia no setor energético, tema que abordamos em artigo específico.

Esse assunto tem relação direta com proteção de dados no setor financeiro, tema que abordamos em artigo específico.

As informações deste artigo são de caráter informativo e não substituem consulta jurídica individualizada.

As informações deste artigo são de caráter informativo e não substituem consulta jurídica individualizada.