Todo banco que já tentou modernizar um sistema crítico conhece o dilema: parar para reconstruir é caro demais, mas continuar operando sobre uma base antiga também tem um custo que é invisível até virar urgência.
O que mudou nos últimos dois anos é que a inteligência artificial passou a oferecer um terceiro caminho, permitindo modernizar em paralelo à operação, com velocidade que não existia antes.
O dilema do mainframe: por que os maiores bancos ainda não abrem mão do legado? ↩
Em um evento recente sobre modernização promovido pelo Times Brasil (licenciado exclusivo da CNBC) em parceria com a IBM, o superintendente sênior de tecnologia do Bradesco defendeu publicamente uma análise caso a caso entre manter sistemas no mainframe e migrar para novas tecnologias.
A posição do banco é: os processos vitais, como transações financeiras, devem continuar no mainframe quando essa for a alternativa mais segura e estável. Já processos secundários que podem se beneficiar da tecnologia, devem ser migrados sem hesitação.
Esse tipo de declaração pública, vinda de um dos maiores bancos do país, confirma algo que muitas equipes de tecnologia já sabem na prática: modernizar é decidir, com critério técnico, o que sai, o que fica e por quê.
A IA agêntica está mudando o jogo do mainframe ↩
O ganho de velocidade que a IA trouxe para esse processo de decisão é o dado mais impressionante do momento. Segundo relato do próprio diretor de tecnologia do Bradesco, o uso de agentes de IA para engenharia reversa e tradução de código legado (como COBOL) já apresenta ganhos de até 80% no tempo de execução. Ao mesmo tempo, a geração de código novo chega a 25% de ganho de eficiência.
Continue lendo e veja casos de uso que demonstram o ganho, não só em velocidade, como em governança e segurança, que a IA proporciona para o setor financeiro:
Migração de legados em dias ↩
Em um projeto conduzido pela Squadra para a divisão financeira de uma montadora global no Brasil, a migração de três sistemas legados críticos, com mais de 200 mil linhas de código, foi viabilizada pelo uso de IA para analisar, compreender e documentar todo o ambiente legado.
Como resultado, o tempo total do projeto foi reduzido de 5 para 2 meses e a documentação técnica gerada, incluindo mapeamento de arquitetura, endpoints e regras de negócio, virou uma base de conhecimento interativa e versionada, capaz de responder dúvidas do time em tempo real.
Integração de sistemas legados sem parar o banco ↩
Fusões e aquisições no setor financeiro trazem um problema técnico que raramente aparece nas manchetes: dois (ou mais) sistemas legados que precisam conversar entre si, sem interromper a operação de nenhum dos lados.
Durante a entrada de um banco global no mercado americano, surgiu o desafio de mitigar riscos estratégicos, garantir acesso a informações críticas, adaptar-se com agilidade a mudanças regulatórias e liberar novas funcionalidades rapidamente na operação com o sistema da Finxact.
O resultado foi a expansão bem-sucedida das operações do banco, com ampliação da base de clientes, otimização de custos de transações internacionais e fortalecimento da competitividade global da instituição.
Engenharia de software como vantagem competitiva ↩
Dois perfis de banco completamente diferentes, um tradicional e outro nativo digital, chegaram à mesma conclusão sobre onde investir.
O Santander descreve publicamente engenharia de software como uma de suas três frentes prioritárias de IA (ao lado de automação de processos e IA conversacional), como parte da meta global do grupo de gerar €1 bilhão em ganhos com IA entre 2026 e 2028. Segundo o próprio CDAIO global do banco, cerca de 40% do desenvolvimento de código do Santander no mundo já é feito com apoio de IA.
Do outro lado, o Nubank, banco nativo digital, sem o peso de sistemas herdados, anunciou um investimento de R$45 bilhões no Brasil em 2026, com uma das quatro frentes estratégicas dedicada ao desenvolvimento contínuo de plataformas baseadas em inteligência artificial.
Ainda que partam de pontos de origem opostos, os dois bancos convergem para o mesmo objetivo: uma base de engenharia sólida o suficiente para sustentar IA em escala real, não apenas em pilotos.
O padrão comum por trás de toda transformação bem-sucedida ↩
Legado, fusões, softwares, integrações. Os casos de uso mudam, mas o gargalo é sempre o mesmo: dados, arquitetura e engenharia. É exatamente nesse ponto que a Squadra tem construído sua atuação junto a instituições financeiras, com a IA aplicada à realidade específica de cada operação.
A modernização de sistemas deixou de ter linha de chegada para se tornar uma capacidade contínua de engenharia de software. A jornada Genius AI Modernization rompe com a rigidez dos projetos tradicionais.
Se o seu banco está avaliando por onde começar, seja destravando um sistema legado, integrando uma aquisição recente ou preparando a base para escalar IA com segurança, conheça a jornada Genius AI Modernization. Fale com um especialista Squadra e conheça nossos cases.
