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
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.
- 1 de nov. de 2026Modelos locais perdem para Opus e Codex: 0,21 ponto no MacBook contra 1,00 do Codex
- 1 de nov. de 2026Kimi marca 96,2% em teste de análise em base 1C e vira reserva caso o Claude seja bloqueado
- 1 de nov. de 2026OpenAI reescreve as regras de comportamento do GPT: cinco valores e uma cadeia de prioridades
- 1 de nov. de 2026Google admite que o AI Mode reduz a receita da Busca; ações caem 15%
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
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.