Goldman Sachs avança para uma nova fase de inteligência artificial: Marco Ardenti sobre agentes

Goldman Sachs está repensando sua estratégia de inteligência artificial em meio ao rápido crescimento de ferramentas de agentes e cenários corporativos mais maduros. Marco Ardenti, diretor de tecnologia da informação do banco, agora fala não apenas sobre experimentos internos, mas sobre como uma nova onda de IA está mudando o desenvolvimento e os processos do dia a dia dentro da organização financeira.

O Que Mudou em 18 Meses

Há dezoito meses, Goldman Sachs falava principalmente sobre como construir suas próprias ferramentas de IA internas e onde tentar aplicar modelos sem alcance em massa. Desde então, o mercado acelerou dramaticamente: modelos generativos ficaram mais precisos, cenários corporativos ficaram mais claros, e sistemas de agentes chegaram ao primeiro plano—sistemas que não apenas respondem a uma consulta, mas conseguem executar cadeias de ações. Isso também está mudando a conversa dentro das empresas: da ideia de "vamos tentar" para a pergunta "que parte do trabalho podemos passar para a máquina agora mesmo?"

Para um banco como Goldman Sachs, essa mudança importa não apenas porque IA está na moda. Se antes o valor era frequentemente medido pela qualidade das respostas em chat, agora a produtividade dos funcionários está em primeiro plano: quanto mais rápido um desenvolvedor escreve código, quanto mais rápido um analista elabora um rascunho, quanto mais rápido uma equipe encontra a informação que precisa dentro de seus próprios sistemas. Nesse sentido, plataformas de agentes como Claude Code se tornam mais do que uma ferramenta isolada—elas se tornam uma nova interface para o trabalho corporativo, onde tanto resultado quanto controle importam.

Para Onde o Banco Está Olhando

Pela descrição da nova conversa com Ardenti, fica claro que o foco da Goldman Sachs está mudando do simples fato da implementação para a qualidade da aplicação. O banco não acha mais suficiente simplesmente ter serviços internos de IA. Agora é mais importante entender quais tarefas essas ferramentas resolvem melhor que software tradicional, onde realmente economizam tempo, e onde requerem muita verificação humana. Para uma grande organização financeira, essa é uma abordagem prática: qualquer automação é valiosa apenas quando se encaixa nos processos existentes, requisitos de segurança e responsabilidade das equipes.

• Ferramentas internas para funcionários
• Suporte para desenvolvimento de código e trabalho com código
• Cadeias de ações mais complexas em vez de solicitações únicas
• Avaliação do valor real, não apenas da qualidade das respostas

Por Que Agentes São Necessários

A verdadeira questão aqui é como o banco avalia especificamente a abordagem de agentes. Não estamos mais falando apenas sobre um assistente que resume documentos ou responde perguntas de uma base de conhecimento, mas sobre sistemas capazes de executar tarefas com múltiplas etapas. Para equipes de engenharia e produto, isso é especialmente notável: essa ferramenta pode ler código, sugerir mudanças, encontrar dependências, e realizar parte do trabalho rotineiro sem estar constantemente alternando entre janelas.

Mas quanto maior a autonomia, mais aguda é a questão de confiança, registro de ações, e o direito do humano de tomar a decisão final. Por isso, a experiência da Goldman Sachs é interessante não como uma história sobre "um banco que também está implementando IA," mas como um sinal do próximo estágio do mercado. Quando organizações como essa discutem não pilotos demonstrativos, mas cenários de funcionamento e impacto para especialistas, significa que a tecnologia está passando em um teste de utilidade.

Mesmo que alguns experimentos não produzam resultados imediatos, a mudança em si é importante: IA corporativa está gradualmente se transformando de um conjunto de chatbots em uma camada de infraestrutura que ajuda a escrever, procurar, verificar, e executar ações dentro da empresa.

O Que Isso Significa

Para todo o setor corporativo de IA, esse é um marcador de maturidade. A conversa sobre IA está se afastando de promessas abstratas em direção à questão de eficiência mensurável: onde agentes economizam horas de trabalho, como se integram em processos sensíveis, e quais tarefas podem ser confiadas a eles sem perder controle. Se essa abordagem se consolidar nos bancos, rapidamente se tornará um referencial para outras grandes empresas internacionais também.