Pergunte a um líder de pagamentos se a empresa usa IA, e a resposta será quase certamente sim. Pergunte se isso mudou o P&L, e a conversa fica bem mais complicada.
Os números refletem essa tensão. Na pesquisa State of AI 2026 da McKinsey, quase 90% dos respondentes dizem usar IA regularmente, mas apenas 37% atribuem algum impacto no EBIT. A adoção já não é o desafio. Os resultados são.
Uma grande oportunidade, com uma ressalva
Poucos setores têm tanto a ganhar quanto o de pagamentos. A McKinsey estima que a IA generativa e agêntica poderia liberar até 110 bilhões de dólares por ano em produtividade operacional em todo o setor.
Há, no entanto, um detalhe que costuma surpreender os executivos. Mesmo quando a IA elimina mais de 60% das tarefas operacionais, a redução líquida de custos normalmente fica entre 15% e 20%. A distância entre esses dois números explica por que tantas iniciativas de IA parecem promissoras em um piloto e decepcionantes no orçamento. Também aponta o que as empresas que capturam mais valor estão fazendo de diferente, que é onde começa o Playbook N.º 1 da DEUNA.
Onde a IA realmente se encaixa em uma operação de pagamentos
Em vez de tratar a IA como uma única iniciativa, o playbook a divide em três áreas, cada uma com seus próprios desafios.
A primeira é a inteligência de pagamentos, e começa muito antes de qualquer modelo ser implantado. Quando cada processador, acquirer e método de pagamento reporta à sua maneira, até uma pergunta simples sobre a taxa de aprovação da semana passada pode levar dias para ser respondida. Segundo o Merchant Risk Council, 80% dos profissionais que trabalham em comerciantes enfrentam pelo menos um problema de dados ou de tecnologia. O playbook explica por que esse é o ponto em que as iniciativas de IA em pagamentos costumam ser ganhas ou perdidas.
A segunda é a otimização de desempenho. Por trás de cada pagamento há uma cadeia de decisões: quais métodos de pagamento exibir, como processar a transação, para onde roteá-la e se vale a pena tentar novamente. Muitas dessas decisões ainda dependem de regras escritas meses atrás, em um mercado que muda todos os dias. O playbook mostra como os agentes de IA abordam essas mesmas decisões uma transação por vez, e por que uma nova tentativa bem escolhida pode importar tanto quanto a rota certa.
A terceira é a automação de processos. A projeção é de que os chargebacks globais cheguem a 324 milhões por ano até 2028, e o back office já absorve boa parte dessa pressão. Que partes desse trabalho a IA pode assumir, e quais devem permanecer firmemente nas mãos da equipe? A resposta é mais sutil do que “automatizar tudo”.
A pergunta a fazer antes de dar autonomia à IA
À medida que a IA passa de recomendar para decidir, o controle se torna a questão central. O Gartner espera que mais de 40% dos projetos de IA agêntica sejam cancelados até o fim de 2027, e entre os motivos estão os controles de risco insuficientes. O playbook detalha as quatro salvaguardas que as implementações de pagamentos bem-sucedidas colocam em prática desde o primeiro dia, incluindo uma que muitas equipes deixam passar até que um modelo comece a se comportar de forma inesperada.
Onde está a sua operação?
O playbook termina com uma autoavaliação curta, pensada para ser feita com a sua equipe. Três perguntas bastam para mostrar qual das três áreas representa hoje a maior oportunidade para a sua operação.
