Em 29 de abril de 2026, o Comitê de Política Monetária do Banco Central do Brasil reduziu a Selic em 0,25 ponto percentual, levando a taxa a 14,5% ao ano. A decisão foi unânime. O comunicado, contudo, foi pontuado pela palavra que mais frequentemente aparece nas atas do COPOM: incerteza. Incerteza sobre os conflitos geopolíticos no Oriente Médio. Incerteza sobre os efeitos da isenção do imposto de renda. Incerteza sobre o quanto a demanda doméstica vai reagir ao estímulo fiscal. Em suma, incerteza sobre o estado real da economia no momento em que o comitê se reuniu.
Essa incerteza não é peculiaridade brasileira — é estrutural ao modo como bancos centrais ao redor do mundo operam. O IPCA, referência oficial da inflação no país, é divulgado semanas após o período de apuração. Os dados do mercado de trabalho chegam com defasagens. O crédito e o consumo das famílias são inferidos, não medidos em tempo real. O Banco Central, como qualquer autoridade monetária, toma decisões consequentes com base em informações parcialmente desatualizadas.
É aqui que a inteligência artificial começa a desenhar uma promessa relevante. Não como substituta do julgamento humano — e este ponto merece ênfase —, mas como amplificadora da capacidade analítica dos que tomam as decisões.
Fontes: Banco Central do Brasil, Boletim Focus (mai/2026), Agência Brasil.
O problema da defasagem
Para entender o que a IA pode mudar, é preciso primeiro entender o que hoje limita o COPOM. O comitê se reúne oito vezes por ano e, em cada reunião, precisa estimar não onde a economia está, mas onde ela estará quando os efeitos da decisão atual se fizerem sentir — tipicamente entre seis e dezoito meses à frente. Para isso, usa modelos macroeconômicos estruturais que são, por construção, simplificações da realidade.
O que é nowcasting?
Técnica que usa dados de alta frequência — transações eletrônicas, preços de plataformas digitais, movimentação logística — para estimar em tempo real variáveis econômicas que só seriam conhecidas semanas depois, como o PIB trimestral ou a inflação mensal.
A tensão entre política fiscal expansionista e aperto monetário que marcou 2025 e 2026 no Brasil ilustra bem o problem. Enquanto o governo federal adotava medidas de estímulo ao consumo — desde o aumento real do salário mínimo até a isenção de IR para renda até R$ 5 mil —, o Banco Central elevava os juros para conter a inflação. O descompasso foi real e persistente. Mas quanto do aquecimento da demanda já estava embutido nos preços quando o COPOM deliberava? Quanto ainda estava por vir? Os modelos atuais respondem a essas perguntas com intervalos de confiança amplos.
É exatamente nessa brecha que técnicas de IA e aprendizado de máquina mostram potencial. O chamado nowcasting — estimativa em tempo real de variáveis econômicas a partir de dados de alta frequência — já é empregado por alguns bancos centrais. O Banco Central do Brasil, em parceria com instituições acadêmicas, tem avançado nessa direção, incorporando séries de dados como volume de transações no Pix, preços coletados digitalmente e indicadores de atividade logística. Não se trata de ficção científica: é uma extensão natural de capacidades analíticas que o próprio BCB já demonstrou interesse em desenvolver.
A agenda regulatória e o risco de caixa-preta
O Banco Central reconhece, em sua agenda regulatória para 2025–2026, que o uso de IA pelas instituições financeiras está crescendo de forma acelerada — e que isso impõe tanto oportunidades quanto riscos sistêmicos. Em pesquisa incorporada ao Relatório de Estabilidade Financeira do primeiro semestre de 2025, o BCB identificou como principal preocupação o problema da opacidade dos modelos: "em alguns modelos de IA, não se consegue explicar como os resultados são produzidos", observou o diretor de Fiscalização, Ailton Aquino. O risco de terceiros ou de prestadores de serviço foi mencionado por apenas 18% das instituições pesquisadas — curiosamente o menos citado, numa sinalização de que a governança ainda está amadurecendo.
"Em alguns modelos de IA, não se consegue explicar como os resultados são produzidos. Vieses, governança e qualidade de dados também preocupam o Banco Central."Ailton Aquino — Diretor de Fiscalização do BCB, nov/2025
Mais recentemente, em reunião do Comitê de Estabilidade Financeira (COMEF), o BCB passou a monitorar modelos de IA com capacidade de explorar vulnerabilidades no sistema financeiro. Embora não existam evidências de ataques totalmente conduzidos por IA até o momento, a aceleração dessas capacidades foi reconhecida como fator de risco sistêmico potencial. O tom é de cautela ativa: a autoridade monetária não está ignorando a tecnologia, mas tampouco a abraçando sem controles.
Esse equilíbrio é saudável — e necessário. Para que a IA agregue valor à política monetária, sua aplicação precisa ser auditável. Uma recomendação de política que não pode ser explicada a um comitê deliberativo é, na prática, inútil. O ex-presidente do BCB, Roberto Campos Neto, já havia sinalizado em 2023 que "há um mundo de possibilidades de uso de IA no sistema financeiro", mas pontuou que a inteligência artificial deve ajudar a "melhorar a eficiência da política monetária, a supervisão e a regulação do sistema financeiro" — não substituir a cadeia de responsabilização institucional.
O Pix como laboratório involuntário
O Brasil possui um ativo incomum no contexto global: um sistema de pagamentos instantâneos de adoção massiva que gera um volume extraordinário de dados sobre a atividade econômica em tempo real. O Pix não foi concebido como instrumento de política monetária, mas, inadvertidamente, criou uma infraestrutura de informação sobre transações de consumo, transferências entre empresas e movimentação de renda que nenhum índice de preços ou pesquisa domiciliar consegue capturar com a mesma granularidade ou velocidade.
Modelos de aprendizado de máquina aplicados ao fluxo de transações do Pix poderiam, em tese, produzir estimativas semanais — ou mesmo diárias — de variáveis como consumo agregado das famílias, velocidade do crédito informal e pressão sobre determinados setores da economia. Isso não eliminaria a necessidade do IPCA como termômetro oficial da inflação, mas poderia fornecer ao COPOM uma leitura mais antecipada dos vetores de pressão de preços antes que eles se materializem nos índices formais.
Esta é, talvez, a aplicação mais concreta e imediata da IA na política monetária brasileira: não a substituição dos modelos estruturais existentes, mas a sua alimentação com dados de altíssima frequência que até poucos anos não existiam.
Além do COPOM: os modelos da economia em si
A economista Dambisa Moyo argumentou recentemente, nas páginas do Wall Street Journal, que a IA poderá transformar não apenas as ferramentas de política econômica, mas a disciplina da economia em si. Ao permitir que se analise o comportamento individual de milhões de agentes — em vez de presumir um "consumidor representativo" —, a IA pode reduzir ou eliminar certas suposições simplificadoras que são pedra angular dos modelos neoclássicos. A "função de utilidade agregada" e o "ator racional" talvez deixem de ser necessários quando houver dados suficientes para observar as preferências reais de cada indivíduo, em tempo real.
No contexto brasileiro, essa perspectiva adquire uma dimensão particular. A heterogeneidade estrutural da economia nacional — com cadeias produtivas formais e informais convivendo, com disparidades regionais profundas e com um mercado de crédito marcado por spreads entre os mais elevados do mundo — torna os modelos baseados em agente representativo especialmente problemáticos. Um modelo de IA capaz de capturar essa heterogeneidade poderia, por exemplo, antecipar com maior precisão como uma queda de 0,25 ponto percentual na Selic se transmite diferentemente para um trabalhador do setor de serviços em Fortaleza, para uma pequena empresa de manufatura no interior do Paraná e para um fundo de pensão sediado em São Paulo.
"A heterogeneidade estrutural da economia brasileira — com sua informalidade, seus spreads e suas disparidades regionais — é exatamente o tipo de complexidade que modelos de agente representativo mais falham em capturar."Editoria de Economia · O Tecido
O risco de uma tecnocracia opaca
Qualquer entusiasmo com a aplicação de IA à política monetária precisa ser temperado por uma reflexão sobre governança democrática. A Selic não é apenas uma variável técnica: é uma decisão política com consequências distributivas profundas. Juros elevados penalizam, de forma assimétrica, quem depende de crédito para consumir ou investir — e no Brasil, essa assimetria é intensificada pela estrutura do sistema financeiro. Uma decisão orientada por algoritmo opaco, ainda que precisa em termos preditivos, pode esvaziar a legitimidade institucional do processo deliberativo que o COPOM representa.
Há, portanto, uma linha fundamental a ser preservada: a IA como ferramenta analítica nas mãos de decisores responsáveis, não como oráculo autônomo de política econômica. O Banco Central do Brasil já sinalizou entender esse limite ao incorporar na sua agenda regulatória não apenas o fomento ao uso de IA, mas a "gestão responsável de inteligência artificial" como diretriz explícita. A criação de um marco regulatório nacional para IA — em tramitação no Congresso, com a Autoridade Nacional de Proteção de Dados como coordenadora do Sistema Nacional de Governança —, embora ainda incipiente, aponta para a institucionalização necessária.
O que se espera, afinal, não é que a IA resolva os dilemas da política monetária brasileira. Eles têm raízes que vão muito além da qualidade dos dados: o descompasso fiscal, a indexação estrutural de preços, a desancoragem persistente das expectativas. O que se espera é que, com ferramentas analíticas mais sofisticadas, o COPOM passe a deliberar com menos neblina — e que as consequências de suas decisões possam ser avaliadas com maior transparência por toda a sociedade.
Nesse sentido, a tecnologia não substitui a política. Mas pode, ao menos, torná-la um pouco mais honesta.