Durante muito tempo, underwriting foi uma palavra restrita ao vocabulário de bancos, seguradoras, resseguradoras e instituições financeiras. Em sua essência, significa avaliar risco, definir preço, decidir se uma operação deve ou não ser aceita e estabelecer em quais condições. Crédito, seguros, garantias, antecipação de recebíveis, financiamento, proteção econômica e produtos de risco sempre dependeram dessa capacidade de interpretar informações e tomar decisões sob incerteza.
Mas a inteligência artificial está ampliando radicalmente esse conceito.
O underwriting está deixando de ser apenas uma função financeira tradicional para se tornar uma infraestrutura invisível da economia digital. Ele não estará apenas dentro de bancos ou seguradoras. Estará embutido em plataformas, cadeias produtivas, marketplaces, redes de fornecedores, ecossistemas empresariais, empresas de energia, saúde, educação, telecomunicações, logística, varejo, indústria e grandes organizações que lidam com dados, relacionamento recorrente e decisões complexas.
A pergunta deixa de ser apenas “quem concede crédito?” ou “quem emite uma apólice?”. A pergunta mais importante passa a ser: quem conhece melhor o risco, o contexto, o comportamento e o momento da necessidade?
Esse é o novo centro da competição.
A digitalização das relações econômicas fez com que empresas de diferentes setores passassem a deter algo extremamente valioso: relacionamento contínuo com clientes, fornecedores, colaboradores, consumidores, prestadores de serviço, pequenos negócios e comunidades inteiras. Essas relações geram histórico, recorrência, dados operacionais, padrões de comportamento, sinais de capacidade, risco, necessidade e potencial de consumo.
Durante anos, muitas dessas informações ficaram presas em sistemas internos, planilhas, cadastros incompletos, ERPs, CRMs, plataformas legadas e bases pouco integradas. Eram vistas como subproduto operacional. Agora, com inteligência artificial, governança de dados e automação, podem se transformar em infraestrutura de decisão.
É daí que nasce a revolução do underwriting.
Não se trata apenas de automatizar análise de crédito. Trata-se de usar dados e IA para compreender contextos complexos, combinar informações estruturadas e não estruturadas, qualificar relações econômicas, detectar riscos, antecipar necessidades, personalizar ofertas e criar produtos financeiros, comerciais e operacionais mais adequados à realidade de cada ecossistema.
O underwriting deixa de ser estático e passa a ser contextual.
Deixa de depender apenas de dados retrospectivos e passa a incorporar sinais dinâmicos.
Deixa de olhar somente para balanços, garantias ou histórico financeiro tradicional e passa a considerar relações, comportamento, recorrência, produção, localização, cadeia de valor, reputação, atividade operacional e contexto setorial.
Essa mudança conversa diretamente com a tendência global do embedded finance, na qual serviços financeiros passam a ser integrados a jornadas de empresas não financeiras. A McKinsey descreve a próxima geração desse movimento como a incorporação de produtos financeiros em interfaces digitais usadas diariamente por consumidores e empresas, tornando o serviço financeiro uma extensão natural de experiências não financeiras. O World Economic Forum também aponta que a IA tende a tornar o embedded finance mais inteligente, seguro, personalizado e integrado às jornadas digitais.
Mas há uma diferença importante: embedded finance é a camada visível. O underwriting contextual é a infraestrutura que permite decidir o que oferecer, para quem, quando, a que preço e com qual risco.
Sem essa camada, a oferta financeira embutida vira apenas distribuição. Com ela, pode se tornar inteligência econômica.
É por isso que bancos, seguradoras e instituições financeiras não desaparecem nesse processo. Ao contrário, podem se tornar ainda mais relevantes quando se conectam a novos ecossistemas de dados, originação e relacionamento. A mudança está na reorganização das funções: quem conhece o contexto, quem origina a oportunidade, quem assume o risco, quem regula, quem distribui, quem precifica e quem entrega valor.
O futuro não será uma disputa simples entre bancos e empresas não financeiras. Será uma disputa por contexto, confiança e capacidade de decisão.
Nesse ponto, o Brasil merece atenção especial.
Poucos países reúnem, ao mesmo tempo, um sistema financeiro sofisticado, alto grau de digitalização de pagamentos, forte agenda regulatória, grandes mercados regulados, cadeias produtivas complexas e enorme necessidade de ampliar acesso a crédito, seguro, proteção e eficiência. O Pix tornou pagamentos instantâneos parte da vida cotidiana brasileira; o Open Finance criou as bases para compartilhamento consentido de dados; e a agenda do Banco Central para 2025/2026 inclui temas como Pix, Open Finance, tokenização, ativos virtuais e acompanhamento do uso de inteligência artificial no sistema financeiro.
Isso coloca o país em uma posição rara.
O Brasil não precisa copiar integralmente modelos estrangeiros. Pode construir uma arquitetura própria, combinando inovação financeira, regulação, dados, IA e conhecimento profundo de setores complexos. Em um país continental, com desigualdades regionais, empresas de todos os portes, informalidade relevante, forte presença de plataformas digitais e grandes cadeias empresariais, a capacidade de entender risco contextual pode ser uma vantagem competitiva nacional.
O crédito no Brasil ainda é caro. O seguro ainda é pouco distribuído em muitas camadas da sociedade. Pequenas e médias empresas enfrentam dificuldade de financiamento. Fornecedores nem sempre têm seu risco corretamente compreendido. Consumidores são frequentemente avaliados por modelos genéricos. Grandes empresas possuem dados relevantes sobre suas cadeias, mas nem sempre os transformam em produtos, proteção ou eficiência.
A inteligência artificial pode ajudar a mudar essa lógica, desde que seja usada com responsabilidade.
Uma indústria pode compreender melhor sua cadeia de fornecedores e estruturar mecanismos de crédito, antecipação ou proteção. Uma empresa de logística pode usar dados operacionais para avaliar previsibilidade, capacidade e risco. Uma rede de varejo pode transformar recorrência de consumo em produtos financeiros personalizados. Um marketplace pode oferecer crédito contextual no momento exato da necessidade. Uma empresa de energia pode criar modelos de financiamento associados a consumo, eficiência ou transição energética. Uma grande organização pode redesenhar benefícios, garantias e proteção econômica a partir de dados reais de sua população e de sua cadeia.
O ponto comum não é o setor. É a existência de relacionamento, dados e contexto.
Contexto é o novo ativo do underwriting.
Quem conhece melhor a jornada do cliente, o comportamento do fornecedor, a recorrência da transação, a capacidade de execução, o risco operacional e o momento da necessidade pode criar ofertas mais precisas, mais úteis e mais sustentáveis.
Mas essa revolução não acontecerá apenas com bons algoritmos. Ela exigirá infraestrutura.
Infraestrutura de dados para integrar informações dispersas.
Infraestrutura de IA para identificar padrões e apoiar decisões.
Infraestrutura de governança para garantir segurança, rastreabilidade e conformidade.
Infraestrutura de confiança para permitir que decisões automatizadas sejam explicáveis, auditáveis e corrigíveis.
Esse ponto é decisivo. A nova inteligência de risco não pode se transformar em uma máquina opaca de exclusão, discriminação algorítmica ou endividamento inadequado. Quanto mais poderosa a infraestrutura de IA, maior deve ser o compromisso com proteção de dados, transparência, supervisão humana, mitigação de vieses e alinhamento regulatório.
O underwriting do futuro será tão valioso quanto confiável.
Essa preocupação já aparece nas discussões globais sobre IA no setor financeiro. O avanço de modelos de decisão em tempo real, embedded finance e análise automatizada de risco pressiona bancos e seguradoras a reverem sua posição na cadeia de valor, mas também aumenta a necessidade de governança, infraestrutura tecnológica e controles robustos.
A próxima geração de produtos financeiros não nascerá apenas de agências bancárias, aplicativos de bancos ou mesas de crédito. Nascerá em cadeias produtivas, plataformas empresariais, ambientes digitais, redes de relacionamento e ecossistemas multissetoriais onde dados confiáveis permitam enxergar riscos e oportunidades antes invisíveis.
A grande mudança é que o underwriting deixará de ser uma etapa isolada e passará a ser uma camada contínua de inteligência.
Em vez de uma análise feita apenas no momento da contratação, teremos modelos capazes de acompanhar sinais ao longo do tempo. Em vez de produtos genéricos, ofertas ajustadas ao contexto. Em vez de decisões lentas e centralizadas, fluxos automatizados com governança. Em vez de risco avaliado apenas por documentos formais, risco compreendido por múltiplos sinais usados de forma responsável, transparente e segura.
Empresas que entenderem esse movimento cedo poderão criar novas receitas, melhorar relacionamento, reduzir riscos, ampliar acesso, fortalecer ecossistemas e transformar dados em vantagem competitiva. As que não entenderem continuarão tratando dados como subproduto operacional, enquanto outros transformarão esses mesmos dados em infraestrutura de crescimento.
A revolução do underwriting é, no fundo, uma nova forma de enxergar valor.
Valor que já existe, mas está disperso.
Valor que já circula, mas ainda não foi estruturado.
Valor que está nos relacionamentos, mas ainda não virou produto.
Valor que depende de IA, mas não nasce apenas da IA.
Na próxima década, muitas empresas descobrirão que sua maior oportunidade financeira não estava necessariamente fora do negócio. Estava escondida dentro dos dados, das relações, dos sinais e da confiança que elas já possuíam.
E o Brasil, se combinar sua inovação financeira com uma infraestrutura responsável de dados e inteligência artificial, pode deixar de ser apenas um grande mercado consumidor de tecnologia para se tornar um laboratório global da nova inteligência de risco.
Ademar Paes Junior é médico, empresário e CEO da LifesHub, empresa brasileira de tecnologia especializada em inteligência de dados, inteligência artificial, automação e infraestrutura de confiança para empresas de múltiplos setores e mercados regulados.
