FEBRABAN TECH 2026 | PAINEL - Além do Open Finance: Smart Data, IA e novos serviços financeiros

Encaminhando [música] aqui pra última sessão da Arena Fintec do Febrabante 2026, dessa vez com o nosso convidado internacional, Gavin Little John. A, o Gevin, ele é especialista em Open Bank, em Open Fence, é um dos pioneiros nessa nessa discussão aqui no Reino Unido e aqui no Brasil também. E a gente vai falar um pouco sobre e além do Open Finance, né, como que o Smart Deira, a inteligência artificial e a próxima geração de serviços financeiros estão sendo construídos. Ele traz uma grande bagagem de discussões de open finance ao redor do mundo e também tem acompanhado de perto o modelo britânico que é o Smackdra, que é essa evolução ah de como serviços financeiros e compartilhamento de dados para além dos serviços financeiros será feita, né? Eu vou mudar agora pro pro inglês. Então, se vocês quiserem, a gente tem um canal aqui específico de inglês. Gav switch English. Kevin, agora vou mudar para o inglês. Você pode ir para o canal 27 e eu gostaria de convidar para o palco Gavin Little John para fazer uma fala a respeito da mágica dos dados, além do Open Finance, eh, o que e está para além do horizonte. E também teremos uma conversa após a sua apresentação. Se você conseguir derrubar, >> consegue ouvir o áudio original? Está tudo bem? >> Ah, ok, no >> tudo bem. >> Dei um câm ano passado por causa por por causa da daal. Bom, eu fui convidado para vir ao Brasil para fazer alguns comentários a respeito da história do Open Finance e também para discutir o futuro, a mágica dos dados e o que resta, né, neste futuro, além do horizonte. Vou começar a palestra de hoje fazendo uma introdução a respeito da história do Open Finance e os direitos de dados dos usuários e também quais são os tipos de dados que podem ser utilizados nos ecossistemas. e entender o que vai emergir daqui paraa frente. Para além disso, também vamos olhar para a jornada de inovação e como nós vamos criar novas capabilidades para eh dar a direção da tecnologia e combinando os diferentes módulos modos de dados que temos disponíveis. Então, vamos fazer uma viagem de volta para a jornada do Open Finance. No começo tínhamos modelos de negócios que usavam dados para resolver problemas para os clientes, mas não tínhamos direitos a esses clientes. Os clientes não podiam escolher quais serviços eles gostariam de acessar, levando em consideração o acesso tecnológico de seus próprios dados. Eh, de fato, muitas das instituições financeiras tinham argumentos de que os dados eles detinham os dados, eles eram os detentores destes dados. Isso aconteceu e antes dos conceitos da LGPD e até mesmo de DPR na Europa, não havia clareza a respeito de quem detinha aqueles dados. Então, nós temos uma saturação na história do Open Finance. Os dados eles eh eles eram absorvidos a partir de uma tomada específica antes das APIs aparecerem. O os direitos dos clientes eh de darem acesso a esses dados a partir de seus consentimentos é um recente, é um fenômeno recente no Brasil com a LGPD e com a Open Finance. Eh, acho que desde 2021, certo? E na União Europeia, desde 2018, nós temos o GDPR e Open Banking a partir de 2018. Antes disso, era uma variedade de diferentes conceitos, incluindo a tecnologia dessa raspagem de dados e nenhum direito aos consumidores. Um outro elemento é que o cliente poderia dar consentimento e também e poderia e eh dar consentimento a um método para que eh seus dados financeiros fossem acessados. No Reino Unido, nós temos uma ideia de que, apesar que de dos do direito aos dados terem sido garantidos, havia falta de uma clareza a respeito destes dados que era adquiridos a partir das APIs. Ah, o por que que isso é importante? É porque no resto da União Europeia, quando o Reino Unido fazia parte da União Europeia, ainda não havia um conceito de utilizar as APIs padronizadas. Ah, mesmo que tivéssemos um direito a com cliente, nós não tínhamos a interface para fazer com que esses dados pudessem ser compartilhados. Hoje, eh, testemunhamos um novo paradigma. O Brasil ele tem um histórico muito muito bacana a respeito de eh Open Finance. Agora quero falar sobre alguns dos modelos de negócios que t se desenvolvido, o porqu é importante, mas o que vem pela frente quando falamos do domínio da Open Finance. E para além disso, nós já vimos muitos modelos aparecerem para clientes e para pequenos negócios. Nos modelos de clientes, nós temos visto a evolução do acesso ao crédito, nós vimos a evolução do Open Finance, os pagamentos a partir do Open Finance, nós também vimos ferramentas de gerenciamento de dinheiros que combinam diferentes dados. E quando combinamos todos esses elementos, eh, conseguimos ver muitas oportunidades para os clientes para terem melhores resultados. Quando falamos do aspecto dos pequenos negócios, estamos falando de acesso aos dados e mais uma vez como com os clientes, o acesso ao crédito e para além disso a habilidade, a capacidade de usar, ter ferramentas para eh eh fazer com que sistemas de pagamentos eh tivessem menos fricção ao passo que interagem com seus fornecedores e clientes. Quando olhamos para um contexto global, o Open Finance se tornou um fenômeno. Em todos os países da América Latina, o Open Finance faz parte desta agenda. E quando pensamos eh o Open Finance é como se fosse um um trilho de trem, cada país é como se fosse um uma parada nesta jornada. O Brasil, para que o Brasil fizesse parte desta jornada, dessas paradas, a Colômbia e a Argentina também tiveram que participar. E antes disso, países como Peru e Bolívia, que ainda eh precisaram evoluir os seus planos de open finance. No Reino Unido, nós tínhamos o open banking, eh diferente do Brasil, nós tínhamos eh acessos a dados que já estavam desenvolvidos. Então, no Brasil, o Open Finance, ele derivou deste modelo do Reino Unido. Agora, o Reino Unido está trazendo um outro modelo que se chama Smart Data, que nós unimos eh dados financeiros e a e migramos isso com dados de outros setores. Antes de falar sobre isso com mais detalhes, eu gostaria de explicar alguns dos conceitos fundamentais no Open Finance, que já levou problemas aos reguladores. É, acho que o problema mais difícil de ser resolvido é a responsabilidade legal, porque o cliente ele pode escolher o serviço que ele quer e todos os atores neste ecossistema eles devem contribuir. Então pensem no mercado japonês. Ah, a autoridade de serviços financeiros falou 133 bancos comerciais que eles precisavam construir uma API. E os japoneses são muito bons com tecnologia. Então, esses 123 bancos, eles conseguiram construir APIs de muita qualidade. E quando as primeiras Fex falaram: "Eu gostaria de me conectar com o primeiro banco, o banco falou: "Bom, eu vou te cobrar 5 milhões de dólares americanos para fazer essa conexão da API." E a Fintec falou: "Eu não vou pagar esta quantia." E o banco disse: "Tudo bem, eu não quero que você se conecte com os meus clientes de qualquer maneira". Então, nós vemos essa esse comportamento acontecer em diferentes mercados. Na Colômbia, quando eh tivemos acesso aos planos de Open Finance, eles falaram: "Olha, a gente vai padronizar as tecnologias, mas será voluntário se os bancos ou as Ftex devem se conectar ou não". E quando falamos do contexto do Brasil e os reguladores brasileiros eles falaram: "Olha, nós não sabemos se isso vai funcionar". Baseado na nossa experiência, nós precisamos coordenar um ecossistema e garantir que todas as partes estejam contribuindo. Então, a e o que vemos em cada situação é que o cliente ele tem direito de seu dado a seu dado e essa esses atores eles também precisam participar. Então agora falamos de responsabilidade. Então o que acontece quando algo dá errado? Então é isso. O problema cai no colo dos clientes. O que nós vemos no Brasil, na Europa e no Reino Unido, nós eh gostamos de falar que quando o dado migra do de quem provém o dado para o recipiente, então às vezes o recipiente ele é responsável legal para cuidar daquele dado e eles precisam estar em conformidade e eles precisam ter uma credencial. E no caso do Brasil, eh, temos uma autoridade do Banco Central, ela também precisa fazer parte desse mercado. Você não pode simplesmente entrar no OpenBanking, Open Finance no Brasil como uma empresa qualquer. Quais são os principais problemas que o Brasil está enfrentando hoje, que já aconteceu também no Reino Unido, em outros mercados, é a questão regulatória. O que acontece se uma um uma parte reguladora recebe uma um vazamento de dados e o Open Finance decide compartilhar esse dado com uma outra empresa que não está regulada, isso pode gerar vários problemas para os reguladores. E o que devem fazer em seguida? Quem vai cuidar deste cliente caso algo dê errado? Quando nós pensamos no conceito de migrarmos para outros setores, ah, agora eu quero focar na parte principal da minha fala. Então, já como dei esse contexto da história do Open Finance, será que nós podemos eh extrapolar o setor financeiro? Podemos falar de dados relacionados à saúde, dados eh relacionados a contas eh diárias, eh pensões, aposentadoria, dados que fazem parte de outras instâncias da vida do consumidor ou das instituições. E esses dados eles podem ser detidos a a partir de outras partes interessadas. E aí estamos falando de uma nova camada de complexidade e responsabilidade, porque agora temos o regulador e também temos a questão de uma conformidade com a lei de proteção de dados e também o regulador vertical do mercado, mas talvez acho que um dos conceitos mais interessantes e que tem mais valor eh tem a ver com as interações de dados. E aí podemos identificar os pontos de encontro dessas verticais de dados. Vou dar alguns exemplos. Eu posso estar buscando um dado de saúde para obter um seguro de vida. Ou então eu quero combinar os meus dados da minha propriedade com meus dados bancários quando eu estiver vendendo ou comprando um imóvel. E pode ser também que eu eh queira compartilhar esse dado de forma inconformidade, de forma legal, utilizando uma API eh em um formato de dado para dar a permissão que outras partes consumam este dado. Mas nós precisamos considerar alguns conceitos a respeito de responsabilidade. Eu, muitas pessoas me perguntam de muitos países, sempre que eu falo desse assunto a respeito da interação com a inteligência artificial, os clientes eles seguem perguntando: será que eu posso colocar os meus dados e que eu tenho com um banco? Vamos imaginar o Itaú Bradesco ou Caixa ou no Bank? E será que eu posso colocar o meu agente de inteligência artificial para operar as minhas escolhas financeiras? Bom, a verdade é que os reguladores apenas regulam negócios, eles não regulam consumidores ou clientes. Então, o que eles vão fazer? Será que eles vão eh oferecer esse direito do uso eh e e permitir que a inteligência artificial cometa erros de forma automatizada? Será que o agente de inteligência artificial eh em uma fintec credenciada no Brasil, será que esse agente terá oportunidade de se tornar um agente credenciado do Banco Central para acessar este dado? Eu eu eu não sei. Eu acho que o cenário mais provável é que os bancos e as Ftex eles podem eh trazer a inteligência artificial para suas soluções, que está eh em conformidade com LGPD e as as conformidades ali pautadas no Banco Central e seja eh um consumidor direto ou um pequeno negócio. E aí que as coisas se tornam cada vez mais difíceis, porque A e A pode começar a combinar dados de mais de uma vertical regulatória. Pode ser que combine dados de uma forma que vai tomar decisões a em nome do consumidor, do cliente, mas o dado pode também estar agregado eh a outros eh escritórios regulatórios. O que acontece se a inteligência artificial ela faz essas combinações de dados? Quem detém, de quem é este dado? Eu sei quais dados me pertencem. Eh, eu sei dos meus dados de saúde, meus dados de imóveis, mas o que acontece quando estes dados são combinados com outros eh bancos de dados e esse agente começa a fazer tomar decisões a partir dos meus dados agregados. Quais são as circunstâncias da minha família? Será o que eu estou tentando fazer com a minha vida? O que estou tentando alcançar? Então, quando eh conseguimos essas fontes de dados e estes dados derivados e quando temos ferramentas de inteligência artificial tomando decisões a eh por nós, começa se tornar muito difícil para um criar-se um regime regulatório. Existem alguns conceitos eh que eu acho que são muito importantes para fazer com que isso funcione. Primeiramente, se o dado me pertence, eu tenho direito de usá-lo. Então eu acho que a construção do Open Banking, Open Finance, ela é muito estreita enquanto um ser humano, enquanto um negócio, eu quero conseguir fazer uso dos meus dados para ter um melhor resultado. Então essa é uma escolha fundamental quando falamos dos direitos humanos. O segundo ponto é, se estas são as minhas escolhas fundamentais enquanto ser humano, eu quero conseguir combinar todas as ferramentas de tecnologia para fazer um melhor uso disso tudo. Então eu gosto de dizer que é muito importante ter coesão nas escolhas técnicas e nos padrões técnicos também. Se você pensar a respeito de Open Finance, eh, se ela for como se fosse eletricidade na sua casa, você tem, né, a tomada que conecta tudo isso. Essa é a identidade e o registro deste dessas partes interessadas. O perfil de segurança é como se fosse eh essa caixa elétrica, mas podemos estar falando da geladeira e da televisão. Pode ser qualquer negócio, mas a eletricidade e a tomada é a mesma. Mas quando eu penso eh no de elevar de open finance para dados smartideira, eu gostaria que vocês lembrassem, o conceito da eletricidade em casa é praticamente o mesmo. Eu dou acesso aos meus dados a partir de um consentimento. As APIs e os modelos de segurança e a identidade, o registro, eh, devem ser exatamente os mesmos. A minha habilidade para usar LGPD é a mesma coisa também. E quando eh olhamos para isso, olhamos para os agentes de IA e vão fazer com que este agente faça escolhas inteligentes. Então este conceito do Smart Data, ele vai, ele passou recentemente no parlamento um projeto de lei. E o que aconteceu? cada vertical do mercado onde esses dados estão, é, existe hoje uma autonomia para criar uma regulação independente, mas haverá um princípio, uma diretriz a respeito de interoperabilidade e coesão de mercado, que será é o nosso equivalente da LGPD, o GDPRD. E quando falamos da agenda da inovação, qualquer parte que for especializada em dados de saúde ou dados de imóveis ou ou aposentadoria, seguros ou bancos, não terá a experiência em outras nessas outras verticais de dados. Então, o que nós podemos fazer a respeito disso? Como podemos eh tirar vantagem destes usos? Então, acho que um dos conceitos que são muito relevantes, eu vejo uma progressão disso no Brasil, em outros mercados, é o uso das eh das caixas experimentais. E quando falamos dessas sandboxas, né, nós podemos colocar estas amostras de dados. Os tipos de dados que vocês podem colocar nessas amostras podem ser gerados de forma sintética. Então você pode criar casos de uso, você pode gerar ou regenerar altos níveis de dados extremamente realistas, que não apenas possuem as mesmos domínios de dados, mas também eh mantém a relação entre a probabilidade das características de dados. Então, por exemplo, quando falamos de dados bancários, quais são as chances de alguém tiver R$ 10 milhões deais na suas contas bancárias e essa pessoa ter um problema de eh de crédito, provavelmente é baixo, porque eles tinham capital suficiente para se livrar deste problema de crédito. Então, essa é uma relação que não faz sentido. As pessoas que têm bastante dinheiro, elas têm a tendência de pagar contas mais altas, porque elas têm dinheiro para dispensar. E as pessoas, o contrário, né? Elas gastam menos dinheiro em compras, eh, mercados, contas de água, luz e aluguéis e hipotecas por motivos lógicos. Então, quando falamos de dados sintéticos, nós precisamos manter a mesma distância relacional entre estes ativos, estes eh dados para fazer interpretações mais coesas. Então, quando olhamos para esta caixa instrumental ou independentemente do setor, nós podemos trazer eh dados de vários setores e isso fará com que as empresas consigam treinar melhor seus modelos. Nós temos um desafio histórico e o desafio histórico foi eh como um uma empresa entrante, eles não tinham acesso aos dados ou dados suficientes como os as grandes empresas para treinar seus modelos. Agora, nós conseguimos enviar esses dados, mas também conseguimos usar todos estes eh esses ativos de dados. que o valor, eu acho que o valor principal é essa junção entre estes dados, comp de dados. É aí que você pode começar ajudar os eh clientes ao reduzir a fricção, acelerar os processos, reduzindo também o tempo que você leva para vender uma casa, o tempo que você demora para conseguir o a o seguro de vida, acesso ao crédito. Todas essas coisas são muito importantes para as pessoas que buscam isso. E nós precisamos combinar os dados para esses ativos multivariados para encontrar o melhor lugar e melhor apropriação para esse cliente. Em termos de empresas que estão pensando nesses conceitos e tomar boas decisões de investimento, eu sugiro que elas não gastem muito capital de uma vez. E eu o que eu quero dizer com isso é que em relação à experimentação, tentem trabalhar com as autoridades regulatórias, com meio acadêmico, com empresas de outros setores que possam combinar dados para poder explorar o que pode ser colaborativo em termos de outros mercados. por exemplo, trazer exemplos que sejam reais. tragam esses clientes para o seu sandbox e garanta que você e o órgão regulatório estejam trabalhando próximos e com os clientes, você possa refinar a essa eh compartilhar essa proximidade com as fintecs. Há anos atrás, antes de um investimento, ele era mais barato, mas o que realmente é caro é de fato o órgão regulatório e também construir uma base de dados personalizada para o cliente. Quando nós temos clientes de outros setores, nós consigam acessar a base de clientes deles para poder acelerar esse caminho dentro de um novo mercado. Se eu consigo garantir que tudo funciona mais rápido, então o Bruno vai me abrir aqui a oportunidade para poder responder algumas perguntas ainda sobre esse assunto, mas eu queria terminar a minha apresentação com alguns pontos chave. O dado pertence ao cliente, seja como pequeno consumidor, seja como pequeno empreendedor, como seu direito. Faz sentido que eu, como cliente, queira utilizar os dados que pertencem a mim, seja como for essa relação de cliente ou fornecedor. Se eu quero adquirir o melhor valor a partir da menor fricção no meu profissionamento, eu preciso trabalhar de forma colaborativa para ter melhores resultados entre cliente e fornecedor. Com relação a isso, o órgão regulador eh vai trazer relações e melhores com CVM, Banco Central, entre outros órgãos. Eu preciso trabalhar próximo. Em termos de tecnologia. A tecnologia já está aí. Você precisa ser consistente, disciplinado com relação à coesão de mercado e interoperabilidade. Em relação a experiência, utilize sandboxes. Ah, considere pequenos volumes de capital de mercado e uma vez que você tem um bom modelo estabelecido por meio do seu sandbox, você expande isso para desenvolver um melhor mercado de capital. Bom, com isso eu agradeço muito vocês por terem me escutado e eu fico aberto aos comentários, insites e reflexões que nós possamos ter ao redor da área de dados. Obrigado, Gen. Excelente sua apresentação. Acho que esse é o momento para fazer algumas perguntas. Bom, em primeiro lugar, obrigado mais uma vez pela sua explicação e apresentação. E eu queria refletir com você a respeito dessa jornada em como que você foi modificando a sua visão no assunto. esse esse tempo de open banking que iniciou no Reino Unido e agora com o conceito do Open Finance, você foi um dos ah um dos pioneiros nessa área, nesse mercado. Eu queria entender de você, olhando para trás nessa jornada, nesse caminho, você poderia comentar um pouquinho do seu início como empreendedor? por quais são quais eram as suas proposições naquela época em termos de data share e o que que mudou na forma como você vê esse essa questão de consentimento, ah, agenciamento com o cliente e como que o Open Finance nos ajuda a a caminhar agora pro conceito de smarteira. O mundo de open banking, open finance hoje ele eh ele ele veio antes do advento da da mídia social, da da das APIs, e ele precede o conceito de big data e o que a gente pensa no mundo moderno como IA. E esse conceito eh está em em em em fornecer em sites financeiros, utilizar dados para facilitar o acesso ao crédito. Então ele ele vem antes de tudo isso. minha, no meu próprio caminho, na na minha jornada, eu come eu comecei em 2005 com negócio de Open Finance, trabalhei com raspagem de dados ah, e trabalhei com essa parte de formalidade de ownership de dados e trabalhei com grandes bancos, um dos maiores do mundo, um dos cinco maiores bancos do mundo. E eles disseram para mim o seguinte: "Pare de usar esse esse dashboard financeiro". E era isso que a minha empresa fazia. Ah, imagina a quantidade de de clientes que recebiam comunicações no Reino Unido e era isso que eu fazia com os clientes. E ele chegou para mim e falou: "Pare de fazer isso. Vamos, você não pode compartilhar senha. O dado que você tem ou que você tá compartilhando é, na verdade o meu dado. Esse dado pertence a instituição. Então eu eu como proprietário da empresa quis me defender, né? a primeira reação, mas eu não tinha entendido claramente como que eu poderia me defender desse desse tipo de sugestão, porque eu tava muito institucionalizado no meu conceito. E hoje tá claro que até como cliente consumidor e eu teria benefícios em compartilhar o dado e ver o meu relacionamento financeiro a trazendo outros exemplos de dados agregados, por exemplo, Itaúi, Banco, Bradesco, ah, ter todas as minhas informações de poupança, investimento, aplicações. Então, parecia intuitivo do ponto de vista do cliente que ele quisesse fazer isso. E as instituições diziam: "Você não pode combinar eh mesclar os dados assim para que o cliente se sinta em desvantagem". Então, havia uma questão de concorrência aí que vai, que eu não preciso nem falar, mas também tinha uma questão de de direitos humanos, porque onde tá o agenciamento disso? É verdade dizer que o dado pertence a mim como consumidor? Se eu tô considerando uma compra no mercado, se eu tô comprando um produto no Netflix, então é o meu dado, não é o não é o dado do do do fornecedor. Então, se se eu tivesse eh lidando com um pequeno negócio também, o dado pertenceria a esse pequeno negócio. E as coisas mudaram hoje. Nós estamos em uma posição em que os big players mudaram empresas de seguro. Todo mundo sabe que o dado pertence ao cliente, mas não é mais ambíguo isso. Eu consigo compartilhar os meus dados. Então é quando eu dou consentimento, explícito. Explícito significa eu estou dando os meus dados. para um período de tempo, para um propósito específico. Então, você não pode fazer uso do meu dado que eu te dei para um propósito e vender para outro propósito. Se eu ah estou buscando acessar crédito e eu te compartilho o meu dado, eu preciso pensar, por exemplo, se eu tô mercantilizando meu dado do do do Netflix, por exemplo, pensando em consentimento, pensando em aquele que recebe o dado, eu vou querer receber todo o dado que você tiver disponível em mim em mim compartilhar e também o seu relacionamento, seja com Netflix, seja com banco, plano de saúde, ah, compra de um veículo, não importa. Seu ponto aqui é que o cliente ele tem a agência que que garante que o terceiro vai receber o dado que ele quer compartilhar. Entendi. Agora, olhando para essa evolução desse movimento de open banking que ah aconteceu no Reino Unido, depois o Brasil fez o próprio sua própria versão com Open Finance e isso mudou muito em termos de como essa infraestrutura eh importou isso pro Brasil. Então, eu queria entender com você agora o Reino Unido quer pensar em Smart DEA como uma visão mais ampliada dos setores. O que o que o que que deu de errado nesse processo? Você diria se se a gente pensasse em pular esse passo de Open Finance para smart? O que que teria sido inteligente para poder chegar num escopo mais ampliado? Eh, o que que não deu certo nesse caminho? E como que se corrige isso no meio do caminho? Eu vou te responder de forma direta, mas também eu quero comentar essa mesma jornada que aconteceu nos Estados Unidos, no Reino Unido, nos Estados e no Brasil, porque tem um contraste aí. Você poderia dizer rapidamente de que Open Finance, Open Banking começou nos Estados Unidos em vez do Reino Unido, porque as algumas empresas por volta dos anos 2000 estavam já conseguindo agregar informações de mais de um fornecedor eh de serviços, mas nos Estados Unidos foram as maiores instituições que começaram primeiro. Então, de 2001 paraa frente, eu já conseguia acessar o Bank of America, a minha conta ali, e eu consegui acessar outro serviço meu do Fargos. Então, assim, eh, já tinha um compartilhamento de dados naquela época. Os Estados Unidos nunca desenvolveu uma lei federal para isso. Isso depende muito do Estado, não? As coisas não são tão claras. E o resultado de não ter essa essa lei de privacidade de dados eh fez com que a informação fosse comercializada nesse eh nesse meandre. E aí foram feitas pausas para entender a questão de concorrência, provisão de serviços e que isso poderia se tornar perigoso e depois se tornou mais desafiador para para para eles mesmos dizerem que as Ftex não vão compartilhar esse dado conosco, mas que nós vamos compartilhar entre nós. E mesmo que havia esse agenciamento dando consentimento, ainda não tinha coesão nem coerência de tecnologia e havia uma falta de esclarecimento pensando em o que que não deu certo por falta de regulação mesmo. Então, nos Estados Unidos e na Europa, ah, não, eh, não era que, eh, eh, não era o banco que fazia rensem de dados, era, eram as fintex. Então, a a eles diziam essa essa informação é nossa, nós não vamos compartilhar. Outros casos é que no mercado norte-americano ah, havia mesmas ações sendo feitas no mercado europeu. Então, aí que que a gente tem? Ah, eu fui envolvido nesse processo em criar um marco ã regulatório para isso. Nós, como FTEX poderíamos dizer, nós nos responsabilizamos para o dado pelo dado quando ele vai para outro lugar. Se algo não der certo, nós vamos ter um um uma indenização, um seguro para compensar o cliente caso aconteça alguma coisa. caso algo não dê certo, se o dado for mal utilizado, a informação vazar, então, no mercado americano havia esse conceito de que o banco regularia regularizaria as instituições eh de tecnologia que se envolvessem com esse tipo de obrigação legal. Em relação ainda essa prestação de serviços, havia uma ação entre o Parlamento Europeu pensando em produtos eh de de poupança, investimentos, financiamento imobiliário, patrimonial. Então, uma coisa que ficou clara com relação a aos pagamentos é que nós queríamos que o dinheiro chegassem eh chegasse na no seu destino final e que nesse meio tempo a legislação fosse atualizada por meio do nosso parlamento e isso não se perdesse pelo caminho. Então, quando nós consideramos a o opening, nós tínhamos um escopo limitado. Então, nada se falava ainda sobre APIs. Até depois da publicação do PSTD, nós começamos a mencionar a PI e até que o regulamento existisse, a a União Europeia e nem o Reino Unido mencionava isso. Agora, quando a o Banco Central Brasileiro foi para o Reino Unido para aprender sobre esse conceito, ah, a gente compartilha o fato de que o cliente quer compartilhar a sua informação de crédito, linha de crédito e você precisa ter uma ampliação do Open Finance e e trazer essa responsabilidade para a área de seguros também no ramo como bancário para que esse followup aconteça. Então, foi dessa maneira que o Brasil ampliou o seu escopo. Pensando nos casos de uso positivos ou não Reino Unido, nós conseguimos adicionar, trazer valor pro Brasil. Quais desafios você enxerga em relação smarte no Reino Unido hoje? É um assunto complexo, pensando em obrigações, responsabilidades, combinando dados e verticalizar essas regulações, pensando em patrimônio, saúde, saúde e serviços financeiros. Em diversos mercados, incluindo o Brasil, há mais de um regulamento, regulação a respeito. Então, você precisa olhar essa isso de uma visão de um modo mais holístico, pensando na visão do cliente, porque não tem um problema de tecnologia aqui para ser resolvido. A tecnologia já existe no Open Finance, você copia e cola. é a mesma tecnologia, mas o que você precisa trabalhar é que quando o risco é transferido para outra instituição, a responsabilidade também é transferida para a o Smart Zeira, como o mesmo caso do PST na no Reino Unido, nós não nos antecipamos com relação à API. A legislação em relação a dados no Reino Unido não poderia acelerar a velocidade das LLMs e e dos agentes de esse processo de de de criação, de design ah já vem lá desde de 2018 para cá. Então não seria em 2 tr anos que nós iríamos mudar a tecnologia necessariamente. E agora que nós temos a IA agêntica, pensando no mundo financeiro, open finance, ah, pensando em dados confiáveis para alimentar a essas informações, tem muit tem muito que se tem falado sobre isso, sobre combinar AI Aa com Open Finance. E eu queria saber qual seria o a sua visão de combinar Smart Dra com a IA e quais casos de uso que você poderia trazer como exemplo. >> Bom, acho que a última pergunta é mais fácil, então vou começar por ela. Bom, eh, a autoridade de conduta do Reino Unido está cuidando de várias verticais. como asons. Exatamente. E as empresas que também estão envolvidas com o Open Finance, setor Open Finance brasileiro, como uma empresa como a RIDAM, elas estão oferecendo kits ferramentais para este sandbox e regul de regulação. Isso aconteceu há alguns anos atrás, mas eu acho que em 2018 eu escrevi um artigo eh chamando, né, pedindo uma criação de eh instalações, testes para o setor de fintec, mas bom, não interessa o tipo de setor, e foi foi o caso na época, mas então aqui e este estas instalações elas combinavam ciências de dados e as amostras dos dados também. Eu acho que na na primeira publicação eu eu estava vendo a diferença do uso de dados reais versus dados sintéticos, mas é sempre assim, né? A tecnologia ela sempre entra na frente para nos ajudar. Então, eh, tínhamos um caso em que as empresas elas compartilhavam dados reais, o mapa dos dados era real, colocamos isso em instalações centralizadas em no contexto acadêmico e aí criamos modelos sintéticos que iriam replicar os dados reais, mas eram dados sintéticos. Então, não era o Gaven ou Bruno Reais, eram versões de nós mesmos que eram diferentes. No entanto, a qualidade dos dados era parecida e, no entanto, tínhamos um modelo de dados sintéticos. E aí conseguimos criar volumes massivos de dados, ou seja, você pode fabricar volumes de dados que pode se comparar com com Itaú, por exemplo. Então, esse tipo de nível de dado que estamos falando, se você quiser, podemos fazer isso. E aí estamos falando de dados falsos. E você pode colocar isso nessas instalações de de computadores. E você pode colocar em sandboxes para as pessoas experimentarem, fazerem uso disso, testes. Bom, a tecnologia estava lá e a habilidade e a motivação para setores que nunca trabalharam com dados antes, eles poderiam trabalhar de forma conjunta. é um imperativo comercial, porque apenas quando estes setores trabalhassem juntos, poderíamos eh combinar os mesmos dados no mundo real, eh assim como foram combinados num contexto sintético, porque precisaríamos de parceiros e os com os clientes ou eh empresas menores precisariam usar agentes para dar consentimento aos dados. Então, eu não acho que é um problema técnico, mas eu acho que existe um desafio quando pensamos na combinação da inteligência artificial nestes modelos e você começa a fazer coisas com resultados de clientes que talvez h bom, vamos imaginar se você combinar algo e você está querendo se tornar mais rico e você empobrece, é, você começa a ser percebido como algo ruim, né? uma tem uma uma negativa na sua reputação. É, exatamente. Por exemplo, eu quero ser mais rico e eu fico pobre. Então, para quem que eu para quem que eu eh reclamo? Para CVM, para CEP, para o Banco Central? Será que eu faço uma reclamação para o regulador de dados da LGBT? Para quem eu vou reclamar? Eu preciso reclamar para alguém e para a respeito disso. Então, esse é um conceito difícil, não é um problema técnico. Eh, tem mais a ver com responsabilidade e resultados melhores para os clientes. Então, a minha fala é simples. forma como podemos ligar lidar com isso é mostrar a a o contexto da explicação para a inteligência artificial, porque o o cliente ele dá o consentimento não para o agente de e a LLLM para usar o dado, mas ele a permite que a agência combine estes dados que e e empreste dados de outras verticais de negócios. Entendi. Bom, você comentou a combinação de dados, por exemplo, de imóveis com dados financeiros. Acho que é algo que já foi mapeado no conceito do Smart Deira no Reino Unido e também a combinação dos dados de saúde, porque eu consigo ver a complexidade, né? Estou falando aqui em alguém que também trabalha no setor de open finance, estou falando da governança mesmo que deve ser construída em cada uma dessas verticais. O regulador de saúde, por aí vai. E agora sabe, assim como Open Fance, certo? Este conceito, consenso que nós precisamos ter, que não é algo simples, né, de ser obtido. Eh, bom, você aumenta a capacidade a partir da melhoria da governança daquele modelo e aí temos os reguladores, muitas partes interessadas. Bom, eh, eu quero saber como o Reino Unido está pensando a respeito da mitigação das complexidades e talvez criar formas de preencher essas lacunas dentro esses diferentes mundos. Bom, eu acho que temos um eh um projeto de lei, né, que faz com que estes reguladores eles combinem essas informações. Lembra o que eu falei que aconteceu no Japão e Colômbia? Eles foram apenas exemplos, mas isso está acontecendo no mundo como um todo. Temos vários exemplos em que os reguladores não entendiam a agência, eh, que a agência ela deve vir de forma compulsória. Eu não posso simplesmente eh, por exemplo, uma FTEC, um banco, eh, não posso dar agência a estas partes interessadas se o dado que eu quero conectar não está lá, não participa destas relações. Então, temos o banco A, banco B e a FTEX C. E eu quero eh ter um dado da do banco A, banco B e da Fentex C. Mas será que o cliente consentiu com isso? Eu não posso então fazer esse trabalho. Então agora a sua pergunta a respeito da do imóvel, diferentes setores. Bom, vamos imaginar uma um imóvel. Todo mundo aqui mora em uma propriedade, certo? Um imóvel. E este imóvel, ele foi construindo em algum momento da história. Quando exatamente quem o fez, do que é feito? Será que é feito de eh tijolos, madeira? Será que tem e ar- condicionados? Será que fica perto de água? Será que tem eh uma boa questão térmica? É aquecido suficiente? É frio, é quente, como é? E qual é a margem deste deste valor? Você paga uma hipoteca, você paga um aluguel, você a casa sua eh quão próxima é dos outros vizinhos? Você mora em um prédio alto, um prédio, uma casa? Tudo isso é relevante e fala muito sobre a minha vida, que tipo de vizinho eu sou. E quando você combina isso com informações a respeito do meu eu financeiro, será que eu tenho crédito? Será que eu pago uma hipoteca? Será que eu tenho eh dinheiro guardado? Será que é é o suficiente? Será que eu tenho um problema eh um histórico de problemas com crédito? Será que eu consigo pagar as minhas contas de água e luz? Quais são as contas que eh eu preciso pagar ao morar nessa casa? Então, quais são as despesas que o Gaven e a família do Gaven tem quando habitam esta moradia? Bom, e aí a partir disso você começa a pensar em outros aspectos. Onde eu moro pode afetar a minha saúde. Você pode ver o mundo quando você mapeia esses dados a respeito de onde você mora e o que você come, qual é o acesso a serviços de saúde que você tem. Tudo isso vai ditar a sua longitividade, o a quanto você vai viver. Quando as pessoas têm acesso a bons alimentos e moram em moradias boas e t acesso a bons serviços de saúde, eles eles são mais longevos. Então você pode pensar eh por quanto tempo você vai ter que pagar seguro de seguros. Então, todos estes dados são relevantes, ou seja, tudo está interconectado. Quando você pensa sobre esta pergunta, só que agora num prisma de um pequeno negócio, para quem eu estou pagando? E aí eu viro e olha quem está me pagando. E aí eu posso pagar aqui e falar que eu recebo um um outro dinheiro lá. Então, estamos falando de uma um aspecto financeiro da cadeia de valores. Então, podemos criar esta cadeia quando olhamos para todas as partes deste fluxo. E mais uma vez estamos olhando para a empresa, os os impostos, quando olhamos para a balança comercial. Então, já vimos na Open Finance, no Reino Unido, eh, muito distante do Brasil, né? Temos eh um uso passivo de Open Finance a partir de eh de pequenos negócios. No Brasil, este movimento tem acontecido de forma muito mais rápida, ou seja, estamos conseguindo identificar paralelos. O Brasil está tentando melhorar o uso de dados para casos de pequenos negócios. E agora no Reino Unido, estamos tentando melhorar o uso dos dados dos clientes, porque não temos empréstimos, hipotecas e dados de seguros que o Brasil já detém. Muito bacana. Quando a gente olha para a expansão do escopo, eu acho que isso é muito importante. É interessante também ver a forma como o Reino Unido está lidando com tudo isso e como sabe open bankings, o bking banking pode inspirar essa jornada e vice-versa. Mas que agora vamos fazendo, vamos fazer uma análise mais crítica a respeito do que temos aqui no Brasil, eh levando em consideração os investimentos feitos em Open Finance. Você sabe que os bancos eles têm feitos eh investimentos significantes em construir dados, infraestruturas de dados mais seguras, ao passo que a gente migra para e a gente smart data, quais qual seria o papel estratégico dos bancos no meio disso tudo? Bom, acho que o valor para uma instituição financeira eh tem a ver com o consumo de dados, não com a provisão do dos dados. Isso me fez com que eu me tornasse bem popular em alguns mercados. Mas na verdade isso é verdade. Se você começar com eh essa ideia dos dados de direitos humanos, né, que esse dado pertence a mim, eu acho que isso seria tão fácil para o banco receber o o dado assim como é para Fintec, assim como é o contrário, né? Então, os bancos já possuem muitos dados, mas o que eles querem saber é onde você está, quando você não está com eles. Então, vou dar alguns exemplos de vida real. Se o Itaú está desenvolvendo uma provisão de de produtos e aí temos outros bancos como o Interbank, o Caixa Bradesco, eles também querem saber. Bom, e o Itaú, neste caso, quer saber quais produtos de crédito são usados, qual é a renda daquela pessoa, quais são os produtos financeiros que eles estão adquirindo, se esses produtos têm um valor bom. Vamos ser claros aqui. Num produto de crédito ou num produto de poupança, você pode derivar este dado de outros bancos, certo? Assim como na matemática ou equações de tempo e distância. Bom, com o mesmo dado em outros bancos, você pode entender qual é os juros que eles estão pagando ou juros que eles estão recebendo a partir dos seus produtos de poupança. Então, se você enquanto um banco conseguir uma provisão, uma proposição forte e você se tornar um aplicativo ou interface em que outras instituições estão compartilhando os dados, não recebendo os dados, você pode dizer: "Bom, nós podemos te dar um produto melhor, nós podemos te dar mais garantia no seu produto de poupança e menos juros no seu produto de crédito ou então oferecer produtos que estão ali, por exemplo, na no momento de vida que você está no seu imóvel, nós agora podemos perceber que você tem uma família agora e pode ser que você esteja esperando um filho e agora você vai precisar de tais produtos. Bom, então o valor real para cada instituição financeira no no ecossistema é entender o perfil de dados do cliente e ser mais inteligente ao passo que promove serviços para eles. E é muito simples. Bom, Gen, estamos quase chegando ao final da nossa conversa. Eu gostaria de te perguntar, só para encerrar, se você estivesse dando conselhos para um regulador, uma fintec brasileira, um banco, quais seriam as capacidades que eles deveriam começar a construir nos próximos meses para eh alcançar esse caminho das martideiras e inteligência artificial? E o que conselho você daria para que eles não cometessem algum erro? Bom, historicamente as empresas elas tiveram que construir as tecnologias quando as tecnologias não existiam. E eu já estive nesta situação, né? Já é bem no começo, né? Bem no começo da jornada. Exato. Gastei muito dinheiro na parte tecnológica e isso é porque não tínhamos outras opções. O dinheiro, despertei muito dinheiro. É fato. Os fatos eh são, temos evidências suficientes. A interopeleridade, a coesão dos fatos é muito clara. e APIs baseadas em padrões, temos o marco regulatório, tudo isso está muito claro agora. Nós não vamos utilizar a raspagem de telas. É isso, já ficou para trás. Bom, você precisa ser um negócio credenciado para fazer parte do ecossistema, porque como falamos anteriormente, apenas os reguladores, os reguladores, eles vão regular empresas. Bom, se eu estivesse dando algum conselho para alguma fintec brasileira, eu ia falar quais são as jornadas dos clientes que vão levar a melhores resultados para os negócios. E aqui estamos jogando luz no que as pessoas fazem e o que as pessoas fazem em suas vidas. Quais são os passos que eu preciso ter quando estiver vendendo uma casa? Quais são os passos caso eu queira fazer um investimento ou comprar um carro ou construir uma família, constituir uma família? Todos os eventos de vida que se conectam com a minha realidade? H, existem alguns dados e algumas transações financeiras que acompanham estas fases. Então, mapear a vida e os dados que acompanham estas fases e aí essas relações entre os provedores destes dados e tentem entender como pode oferecer soluções colaborativas. Não desperdice dinheiro tentando presumir o início da jornada. Você já tem as respostas. Tente focar em experimentos mais sustentáveis e baratos com dados que já existem. Aprendam a partir destes testes e escalem. A tecnologia e a inteligência artificial vai ser o mais eh barata possível. O desafio é fazer com que essa inteligência artificial seja supervisionada e que o o a parte de compliance esteja eh em conformidade e tudo isso vai se tornar mais difícil ao passo que você adquirir mais dados. Gaven, chegamos ao final da nossa conversa. Gostaria de agradecer imensamente por compartilhar todas as perspectivas que você tem a respeito da evolução do ecossistema. saiba que você contribuiu muito para o nosso sistema aqui no Brasil, eh, com todas as conversas com o Banco Central. E eu gostaria de agradecer mais uma vez por tudo isso e espero que nós possamos colaborar no futuro, ao passo que essa agenda está esteja crescendo e a tendência é que nós nos conectemos com todos os setores verticais aqui no Brasil. Então, uma salva de aplausos aqui para o Gavin L. Muito obrigada, meu amigo. Espero muito obrigada. Espero que nós nos encontremos em breve. >> Pessoal, chegamos ao fim da programação da Arena Ftec do Febrabante, agradeço muito a participação e presença de vocês e esse conteúdo em breve vai ser disponibilizado nas plataformas também da Febrabante, um forte abraço e um ótimo fim de evento para vocês. Até mais.