Se você acompanha o setor financeiro, já deve ter notado: os bancos europeus estão trocando APIs fechadas por modelos abertos rodando na própria infraestrutura.
No GTC Berlin, a NVIDIA mostrou como bancos, empresas de pagamento e provedores de dados financeiros constroem inteligência em escala de produção sobre computação acelerada.
Por que instituições com bilhões em orçamento abandonariam APIs fechadas? A resposta apareceu em cada caso apresentado no evento.
A jogada é simples de explicar, mas difícil de executar. E os passos que esses bancos seguiram formam um tutorial raro de produção real.
Por que deixar as APIs fechadas?
A lógica é controlar custo e dados ao mesmo tempo.
Modelos abertos permitem que as instituições construam inteligência proprietária com dados que elas já possuem, a custos que elas mesmas definem. A computação acelerada da NVIDIA funciona como o motor por baixo de tudo isso.
> "A Revolut processa bilhões de transações — a oportunidade sempre esteve ali, mas a questão era se modelos de fundação poderiam operar nessa escala. PRAGMA responde isso.", disse Pavel Nesterov, head de IA da Revolut.
O passo a passo seguido pelos bancos
Na prática, as instituições seguiram três movimentos principais.
Passo 1: consolidar em um modelo de fundação
A Revolut está reconstruindo seu stack tecnológico sobre o PRAGMA, um modelo de fundação único construído em colaboração com a NVIDIA.
O modelo atende uma base inicial de 80 milhões de clientes e foi projetado para escalar 3x.
Passo 2: acelerar com o hardware certo
O PRAGMA roda em produção com o toolkit NVIDIA cuDF e o software Dynamo-Triton sobre GPUs NVIDIA Blackwell Ultra.
O Lloyds Banking Group seguiu caminho parecido. O banco construiu o ATUM, um modelo de fundação de transações que converte bilhões de movimentações bancárias em inteligência reutilizável, acelerado por GPUs NVIDIA RTX PRO 6000 Blackwell.
Passo 3: manter os dados dentro das próprias paredes
O Starling Bank foi o primeiro banco a treinar um modelo agêntico em infraestrutura de nuvem soberana do Reino Unido. A camada de inteligência, chamada Starling Intelligence, roda na nuvem britânica da Civo usando dados de transações do próprio banco.
A SBS lançou uma plataforma de inteligência soberana para que bancos executem modelos generativos e agênticos sem que os dados saiam de seus ambientes.
Os resultados que já estão em produção
E não para por aí. Outras instituições mostraram resultados concretos no evento:
- bunq: o assistente agêntico Finn agora roda em modelos abertos. A implantação na Nebius iguala a qualidade de modelos fechados líderes a 60% do custo por resposta
- NatWest: desenvolve tecnologia para reconhecer a variedade de sotaques, dialetos e terminologia financeira britânica, com os modelos de fala da NVIDIA, incluindo o Nemotron 3.5 ASR
- Modulr: constrói modelos especializados para partes distintas das operações de pagamento, baseados no modelo aberto Nemotron-3-Ultra-550B
- Santander: é um dos primeiros adotantes da família NVIDIA Kumo de modelos de fundação abertos para dados financeiros estruturados
- LSEG: trabalha com a NVIDIA para analisar grandes volumes de dados históricos de tick até 10x mais rápido com o motor Polars GPU
Segundo o blog da NVIDIA, Nesterov resume o resultado: é a prova mais clara de que a distância entre um avanço de pesquisa e um sistema bancário em produção pode ser fechada.
Erros comuns e limites do tutorial
Só que nem tudo são flores.
A fonte não menciona custos de migração, tempo de implantação nem métricas de precisão dos modelos. Também não há comparação formal de benchmarks entre os modelos citados.
Outro limite: os casos descritos dependem de infraestrutura acelerada específica. A fonte não informa alternativas gratuitas para replicar essas implementações, então não é possível afirmar que existam.
O que Revolut, bunq e Lloyds ganharam ao reconstruir o stack com modelos abertos da NVIDIA
Para as instituições citadas, a resposta parece ser sim: inteligência proprietária, dados sob controle e custo por resposta menor.
O bunq entregou o dado mais tangível — qualidade equivalente a modelos fechados por 60% do custo. O Revolut provou escala com 80 milhões de clientes.
Mas cada caso partiu de stacks e volumes de dados diferentes. A fonte não detalha os requisitos mínimos para replicar essas arquiteturas em instituições menores.
E você, como avalia essa movimentação? Se os bancos estão construindo IA com os próprios dados, quanto tempo até seus concorrentes perceberem que alugar inteligência de terceiros virou desvantagem competitiva? Conte nos comentários.
Mais anúncios do evento estão reunidos na página oficial do GTC Berlin.
