CIBC limita modelos avançados após conta mensal chegar a C$ 3 mil

O banco canadense restringiu o acesso a ferramentas premium e reservou seu ambiente interno de IA para 250 usuários em teste.

A expansão da inteligência artificial nos bancos começa a esbarrar em uma conta difícil de prever. O Canadian Imperial Bank of Commerce (CIBC), do Canadá, identificou que o uso de modelos avançados pode custar até C$ 3 mil por funcionário ao mês. Para evitar que a despesa se multiplique sem controle, o banco restringiu ferramentas mais potentes a grupos pequenos e passou a testar limites de consumo.

O movimento ilustra uma mudança na forma como instituições financeiras encaram a IA: depois da fase de experimentação, a prioridade é demonstrar quanto cada aplicação custa e que benefício entrega. O desafio não está apenas em contratar tecnologia, mas em acompanhar seu uso quando ela passa a executar tarefas em larga escala.

Da experimentação para a conta operacional

O CIBC limitou a algumas centenas de funcionários o acesso a determinados modelos premium. Seu espaço de trabalho integrado de IA, CAI 2.0, permanece em teste com 250 usuários, que podem consumir entre C$ 4 e C$ 250 por mês cada. A contenção busca impedir que uma ferramenta útil para certas funções se transforme em gasto aberto para dezenas de milhares de empregados.

A pressão também aparece em outros grandes bancos. O JPMorgan Chase, por exemplo, estabeleceu um limite mensal de cerca de US$ 2 mil para alguns engenheiros que usam o Claude Code, ferramenta da Anthropic. O diretor financeiro do banco estimou em aproximadamente US$ 700 milhões a despesa anual relacionada à IA, mas ressaltou que é difícil consolidar o total, já que os investimentos estão espalhados por diferentes áreas.

Por que agentes autônomos encarecem o uso

Sistemas de IA agêntica podem encadear tarefas sem que uma pessoa precise orientar cada etapa: analisar documentos, consultar bases de dados e preparar respostas, por exemplo. Cada chamada ao modelo consome processamento. Em fluxos longos, o volume de texto e de operações pode variar bastante, tornando menos confiável a projeção feita a partir de um teste pequeno.

O crescimento dessa modalidade reforça o problema. Dados da Evident citados na reportagem apontam que grandes bancos anunciaram 19 casos de uso de IA agêntica no primeiro trimestre de 2026, ante oito no trimestre anterior. No segundo trimestre, o número caiu pela metade, enquanto as instituições passaram a planejar aplicações mais complexas. A queda na contagem não significa necessariamente abandono: projetos maiores podem levar mais tempo para sair do planejamento.

Modelos menores e limites de consumo

Uma resposta é reservar os modelos mais caros para situações em que sua capacidade faça diferença e encaminhar tarefas rotineiras a alternativas mais leves. O Santander descreveu uma estratégia em que modelos de ponta verificam a qualidade de uma aplicação durante a validação; depois, processos aprovados migram para sistemas mais baratos. Segundo o executivo responsável por IA no banco, essa mudança reduziu o custo de uma aprovação de empréstimo de cerca de € 5 para € 0,03.

Há também medidas de governança: monitorar o consumo por pessoa ou equipe, limitar permissões e estimar o custo por tarefa antes de autorizar um projeto. No Deutsche Bank, o acompanhamento identificou funcionários com consumo excepcionalmente alto; em vez de simplesmente bloquear o uso, o banco avaliou se o trabalho era produtivo e buscou direcioná-lo a ferramentas adequadas.

O retorno terá de aparecer nos números

A distância entre entusiasmo e comprovação ainda é significativa. Um relatório da Evident identificou que somente 12 dos 50 maiores bancos globais monitorados atribuíram publicamente retornos projetados ou realizados à adoção de IA. Isso torna a disciplina de custos relevante não só para equipes técnicas, mas também para executivos que precisam decidir quais projetos merecem escala.

Para clientes, o efeito não é necessariamente imediato. Mas controlar despesas ajuda os bancos a evitar investimentos que não se pagam e a concentrar recursos em aplicações capazes de melhorar processos, atendimento ou segurança. A disputa agora é combinar produtividade, controle de risco e previsibilidade financeira — antes que a adoção em larga escala transforme contas variáveis em compromissos permanentes.

Quer se aprofundar nesta notícia? Leia mais sobre ela abaixo: