Um apanhado curado das novidades de 2025–2026 em IA para gestão de patrimônio — com foco no que é útil para uma casa que aloca e seleciona gestores. Três frentes que valem entrar no radar agora.
Novidades que importam para quem alocaA indústria passou do piloto para a produção — segundo a EY, cerca de 70% das grandes instituições financeiras já têm múltiplos casos de IA generativa rodando. O que mudou de fato no último ano não é "mais um chatbot": é IA especializada em finanças, comitês multi-agente auditáveis, e a própria IA virando critério de due diligence de gestor. Abaixo, as três frentes que importam para quem aloca.
Esta é a continuação natural da entrega de Bedrock: o andar financeiro que sobe em cima do perímetro AWS que vocês já aprovaram. Não é um produto novo a contratar do zero — é uma camada especializada que entra dentro da infraestrutura e das regras de dados que já validamos.
Versão do Claude focada em casos financeiros, lançada em jul/2025, disponível via AWS Bedrock e AWS Marketplace — ou seja, dentro do mesmo perímetro AWS que vocês já confiam.
Conectores prontos para S&P Capital IQ, FactSet, Morningstar, PitchBook, Daloopa, Snowflake e Databricks — ligam direto no data lake AWS e nas bases de pesquisa, sem integração artesanal.
Skills prontas de DCF, comparáveis, pacotes de due diligence, análise de earnings e initiating coverage. Isso valida e turbina a estratégia de skills que estamos montando: a Anthropic já entrega skills de finanças production-grade como template.
Integração com o Excel via sidebar (out/2025), trazendo o modelo para dentro da planilha onde a análise já acontece.
São números divulgados pelas próprias instituições — tratem como ordem de grandeza do potencial, não como benchmark independente.
A segunda frente é a que mais conecta com o projeto de IDD / comitê de investimentos de vocês. Em vez de um único modelo "dando a resposta", a arquitetura replica uma mesa de investimento com papéis que debatem entre si.
Framework open-source (LangGraph) que replica uma mesa: time de analistas (fundamentos, sentimento, notícias, técnico) → debate bull vs. bear → trader → gestão de risco → portfolio manager. Saídas estruturadas (Pydantic) e aprendizado com o histórico. Dezenas de milhares de estrelas no GitHub.
JPMorgan usa debate loops que forçam discordância entre agentes — eficazes para achar risco escondido. BlackRock Aladdin como "time de pesquisa virtual"; Wellington com o PM orquestrando agentes; Bridgewater (AIA Labs) traduzindo seu método para multi-agente.
O valor do debate multi-agente não é previsão melhor — é trilha de decisão auditável + dissidência registrada. Cada relatório de analista e cada transcrição de debate fica logado. É exatamente o que torna isso aceitável num comitê regulado: dá para reconstruir por que uma decisão foi tomada, e qual visão contrária foi considerada e descartada.
Os próprios autores tratam o TradingAgents como ferramenta de pesquisa, não recomendação de trade. O uso certo aqui é como arquitetura de referência para o projeto de IDD / comitê de investimentos — desenho de papéis, debate e trilha auditável — e não para operar trade ao vivo.
A terceira frente é a mais estratégica para uma casa que seleciona gestores — e a que poucos ainda fazem. Segundo CENTRL e DiligenceVault, o DDQ de gestor passou a incluir perguntas sobre controle de privacidade de dados, governança de modelo, supervisão de fornecedor, uso de LLM privado e se dado proprietário treina modelo externo. O setor chama isso de "economies of trust".
A casa pode adicionar uma dimensão de "governança de IA" ao DDQ dos gestores que avalia. É diferencial concreto: pergunta como o gestor protege dados, governa modelos e supervisiona fornecedores. Pouquíssimos alocadores fazem isso de forma estruturada hoje.
Os clientes institucionais vão começar a fazer essas perguntas para a própria casa — e tudo que já fizemos (Bedrock, logs do Enterprise, sem treino com seus dados) é exatamente a resposta pronta. Vocês chegam à mesa já cobertos.
Lançada em jul/2025, lê DDQs, PPMs e demonstrações financeiras, responde automaticamente com atribuição de fonte + score de confiança, e a empresa reporta –70% no tempo de revisão. Conversa direto com o acervo de cartas e memos de gestores que vocês centralizaram no SharePoint.
Para dimensionar o momento, os números de adoção mais citados no último ano. Todos são reportados pelas próprias empresas e fornecedores — servem como ordem de grandeza, não como benchmark independente.
| Fonte | Indicador (reportado) |
|---|---|
| EY | ~70% das grandes instituições com múltiplos casos de IA generativa em produção. |
| Ásia (setor) | ~49% das gestoras escalando IA generativa (vs. 19% em 2024). |
| JPMorgan · LLM Suite | 230 mil+ funcionários; 3–6h/semana economizadas por usuário. |
| Morgan Stanley | 98%+ das equipes de assessoria usando o assistente de IA. |
| DiligenceVault | –70% no tempo de revisão de DDQ. |
Números reportados pelas próprias empresas e fornecedores. Use como ordem de grandeza, não como benchmark independente.
Das três frentes, a de comitê multi-agente conecta direto com o projeto de IDD, e a de governança de IA na DD é um diferencial imediato — poucos alocadores fazem. O Claude for Financial Services pode entrar gradualmente, sobre o Bedrock que vocês já vão adotar. Ficamos à disposição para aprofundar qualquer uma delas numa próxima entrega.