Goldman Sachs avança para uma nova fase da inteligência artificial: Marco Argenti fala sobre agentes

O Goldman Sachs já não fala apenas de experimentos com IA, mas da próxima etapa de adoção: plataformas de agentes e casos de uso práticos para equipes de desenvolvimento. Segundo o diretor de tecnologia da informação, Marco Argenti, o mercado amadureceu bastante em um ano e meio. A principal pergunta não é mais se o banco precisa de IA, mas onde ela realmente acelera o trabalho sem risco desnecessário.

Processado por IA de Bloomberg Tech; editado por Hamidun News
Goldman Sachs avança para uma nova fase da inteligência artificial: Marco Argenti fala sobre agentes
Fonte: Bloomberg Tech. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalBloomberg Tech ↗
Editor-chefe
Dado-chave #1Ferramentas internas para funcionários
Dado-chave #2Suporte ao desenvolvimento e ao trabalho com código
Dado-chave #3Cadeias de ações mais complexas em vez de consultas isoladas

O Goldman Sachs está revendo sua estratégia de inteligência artificial diante do crescimento rápido das ferramentas de agentes e do amadurecimento dos casos de uso corporativos. Marco Argenti, diretor de tecnologia da informação do banco, fala agora não só de experimentos internos, mas de como a nova onda de IA muda o desenvolvimento de software e os processos do dia a dia dentro de uma instituição financeira.

O que mudou em um ano e meio

Um ano e meio atrás, o Goldman Sachs falava principalmente sobre como construía suas próprias ferramentas internas de IA e onde tentava aplicar modelos sem levá-los a um ambiente de uso amplo. Desde então, o mercado acelerou bruscamente: os modelos generativos ficaram mais precisos, os casos de uso corporativos, mais claros, e os sistemas de agentes, que não apenas respondem a uma solicitação, mas conseguem executar cadeias de ações, passaram para o primeiro plano.

Isso muda também a conversa dentro das empresas: da ideia de "vamos tentar" para a pergunta "que parte do trabalho já podemos passar para a máquina".

Para um banco como o Goldman Sachs, essa mudança importa por mais do que a moda da IA. Se antes o valor era medido muitas vezes pela qualidade das respostas em um chat, agora o foco é a produtividade dos funcionários: quanto mais rápido um desenvolvedor escreve código, um analista monta um rascunho ou uma equipe encontra a informação de que precisa nos próprios sistemas. Nesse sentido, plataformas de agentes como o Claude Code deixam de ser um brinquedo isolado e viram uma nova interface para o trabalho corporativo, no qual são necessários tanto resultado quanto controle.

Para onde o banco olha

Pelo relato da nova conversa com Argenti, o foco do Goldman Sachs está saindo do fato da adoção em si para a qualidade do uso. Ao banco já não basta ter serviços internos de IA. Agora importa entender quais tarefas eles resolvem melhor que o software clássico, onde realmente economizam tempo e onde exigem verificação humana demais. Para uma grande instituição financeira, é uma abordagem prática: toda automação só tem valor quando se encaixa nos processos existentes, nos requisitos de segurança e na responsabilidade das equipes.

  • Ferramentas internas para funcionários
  • Suporte ao desenvolvimento e ao trabalho com código
  • Cadeias de ações mais complexas em vez de consultas isoladas
  • Avaliação da utilidade real, e não só da qualidade das respostas

Para que servem os agentes

O ponto mais interessante é como o banco avalia especificamente a abordagem de agentes. Não se trata mais apenas de um assistente que resume documentos ou responde a perguntas sobre uma base de conhecimento, mas de sistemas capazes de executar tarefas em várias etapas. Para as equipes de engenharia e produto isso é especialmente visível: uma ferramenta assim pode ler código, sugerir mudanças, buscar dependências e cuidar de parte do trabalho rotineiro sem troca constante de janelas. Mas, quanto maior a autonomia, mais agudas ficam as questões de confiança, de registro das ações e do direito da pessoa à decisão final.

Por isso a experiência do Goldman Sachs é interessante não como a história de "um banco que também adota IA", mas como sinal da próxima etapa do mercado. Quando organizações assim discutem não pilotos de demonstração, mas cenários de trabalho e o efeito sobre os especialistas, isso significa que a tecnologia está passando por um teste de utilidade. Mesmo que parte dos experimentos não traga resultado imediato, a mudança em si importa: a IA corporativa vai deixando de ser um conjunto de chatbots para virar uma camada de infraestrutura que ajuda a escrever, buscar, verificar e executar ações dentro da empresa.

O que isso significa

Para todo o setor de IA corporativa, é um marco de maturidade. A conversa sobre IA se afasta de promessas abstratas e se aproxima da eficiência mensurável: onde os agentes economizam horas de trabalho, como se encaixam em processos sensíveis e quais tarefas podem ser confiadas a eles sem perda de controle. Se essa abordagem se consolidar nos bancos, logo servirá de referência também para outras grandes empresas internacionais.

História

Perguntas frequentes sobre a notícia

O que mudou em um ano e meio?

Um ano e meio atrás, o Goldman Sachs falava principalmente sobre como construía suas próprias ferramentas internas de IA e onde tentava aplicar modelos sem levá-los a um ambiente de uso amplo. Desde então, o mercado acelerou bruscamente: os modelos generativos ficaram mais precisos, os casos de uso corporativos, mais claros, e os sistemas de agentes, que não apenas respondem a uma solicitação, mas conseguem executar cadeias de ações, passaram para o primeiro plano. Isso muda também a conversa dentro das empresas: da ideia de "vamos tentar" para a pergunta "que parte do trab

O que se sabe sobre Para onde o banco olha?

Pelo relato da nova conversa com Argenti, o foco do Goldman Sachs está saindo do fato da adoção em si para a qualidade do uso. Ao banco já não basta ter serviços internos de IA. Agora importa entender quais tarefas eles resolvem melhor que o software clássico, onde realmente economizam tempo e onde exigem verificação humana demais. Para uma grande instituição financeira, é uma abordagem prática: toda automação só tem valor quando se encaixa nos processos existentes, nos requisitos de segurança e na responsabilidade das equipes. Ferramentas internas para funcionários Suporte

O que se sabe sobre Para que servem os agentes?

O ponto mais interessante é como o banco avalia especificamente a abordagem de agentes. Não se trata mais apenas de um assistente que resume documentos ou responde a perguntas sobre uma base de conhecimento, mas de sistemas capazes de executar tarefas em várias etapas. Para as equipes de engenharia e produto isso é especialmente visível: uma ferramenta assim pode ler código, sugerir mudanças, buscar dependências e cuidar de parte do trabalho rotineiro sem troca constante de janelas. Mas, quanto maior a autonomia, mais agudas ficam as questões de confiança, de registro das a

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…