KYC inteligente com Gemini Enterprise: case de banco médio (de 4h para 12 min)
Banco médio brasileiro reduziu tempo de análise KYC de 4 horas para 12 minutos com agente Gemini Enterprise. Arquitetura completa, métricas reais, governança BACEN e o que deu errado no caminho.
Fabiano Brito
CEO & Founder
KYC (Know Your Customer) é o processo regulatório que bancos brasileiros usam para validar identidade, capacidade financeira e perfil de risco. Exigência da Resolução BCB nº 119/2021 e da Circular 3.978/2020. Manual, é caro: leitura de documentos, cruzamento de bases, análise de mídia adversa, classificação de risco.
Este post detalha como construímos o agente que automatizou esse processo em um banco médio brasileiro. Nome do cliente sob NDA — números são reais.
Antes: o ponto de partida
dedicados a KYC PJ
7 sistemas consultados
SLA real: 7–12 dias
O problema não era falta de gente — era processo. Cada análise envolvia 7 sistemas diferentes (Receita, Serasa, Sintegra, Detecta, mídia adversa, contrato social, sistema interno). Backlog crônico de ~800 análises pendentes.
Arquitetura do agente
O agente foi construído em Gemini Enterprise Plus (US$ 39/usuário/mês, com acesso a tools customizadas e Vertex AI Agent Builder).
- Ingest multimodal: contrato social PDF, RG/CNH dos sócios, comprovante de endereço, faturamento. Gemini 2.5 Pro extrai dados estruturados (CNPJ, sócios, capital social, atividade, endereço).
- Tools de consulta:
- Receita Federal (CNPJ ativo, situação cadastral, QSA).
- Serasa (score PJ e dos sócios PF).
- Sintegra (situação estadual).
- Lista PEP e sanções (internas + Banco Central).
- Mídia adversa (estruturada, com filtros temporais).
- Reasoning: Gemini 2.5 Pro orquestra as tools, monta dossiê, identifica inconsistências (capital social vs faturamento, sócio com restrição, atividade vs histórico).
- Classificação de risco: agente sugere baixo/médio/alto com justificativa por critério e evidência.
- Output: dossiê estruturado em PDF + entrada no sistema interno + alertas para o analista humano.
Resultados em 90 dias
| Métrica | Antes | Depois | Delta |
|---|---|---|---|
| Tempo médio/análise | 4 h | 12 min | −95% |
| Custo por análise | R$ 180 | R$ 14 | −92% |
| SLA real | 7–12 dias | 1–2 dias | −80% |
| Volume/mês | ~600 | ~1.800 | 3× |
| Headcount | 24 | 24 | 0 (realocação) |
| Retrabalho | 18% | 4% | −78% |
| NPS interno dos analistas | 32 | 71 | +39 pts |
O ponto do NPS surpreendeu. Os analistas, que temiam substituição, viraram fãs: o trabalho deixou de ser cópia-cola e passou a ser análise crítica sobre um dossiê pronto.
Governança BACEN: o que precisou estar pronto
- Decisão final humana documentada em cada caso.
- Audit log completo: quem perguntou o quê, quais tools foram chamadas, quais documentos consultados, qual recomendação saiu, quem aprovou.
- Residência de dados em
sa-east1e opt-out de treinamento. - RIPD detalhado com matriz de riscos (template em RIPD para projetos Gemini Enterprise).
- Plano de continuidade: se o agente cair, processo manual reassume sem ruptura.
- Avaliação trimestral de viés: amostragem de 100 análises/mês comparando agente vs decisão humana.
O que deu errado no caminho
Erro 1: OCR genérico para contratos digitalizados
Primeiro piloto falhou em 22% dos contratos antigos. Migramos para Gemini 2.5 Pro multimodal direto no PDF — taxa de erro caiu para 2%.
Erro 2: prompt sem âncora
Agente "alucinava" classificações quando a base legal não cobria o caso. Reescrevemos obrigando: "se a regra para esse caso não estiver no documento de critérios anexo, classifique como 'requer revisão humana' — não invente". Alucinação → zero verificável.
Erro 3: mídia adversa sem janela temporal
Agente trazia notícias de 2009 com a mesma relevância de 2026. Adicionamos filtro (últimos 3 anos default, 7 anos se sócio com restrição) e ranking por gravidade.
Erro 4: subestimamos o change management
Equipe resistiu nas 2 primeiras semanas — viu como ameaça. Resolvemos com workshop hands-on: cada analista usou o agente em casos reais sob supervisão. A virada foi quando viram que o tempo "economizado" virou trabalho mais interessante (fraude estruturada, análise profunda).
Custo do projeto
| Item | Valor |
|---|---|
| Gemini Enterprise Plus (30 lic × US$ 39) | ~R$ 6.500/mês |
| Vertex AI (modelos + queries) | ~R$ 8.000/mês |
| Tools (Receita, Serasa, mídia) | ~R$ 12.000/mês |
| Cloud Run + storage + logs | ~R$ 1.500/mês |
| Total operacional | ~R$ 28.000/mês |
| Implementação Autenticare (one-time) | R$ 320.000 (90 dias) |
Economia direta: 1.800 análises × R$ 166 = R$ 298.800/mês. Payback: ~5 semanas após go-live. Calcule seu cenário com a calculadora de ROI.
Replicabilidade
O padrão se repete em qualquer processo com (a) volume alto, (b) regras claras mas múltiplas, (c) consulta a vários sistemas, (d) decisão final que admite revisão humana. Já aplicamos em conciliação financeira, análise de crédito e onboarding de fornecedor.
Seu processo de KYC/onboarding tem perfil para este padrão?
Diagnóstico de 30 minutos: volume, sistemas consultados, SLA atual. Sai com estimativa de ROI e plano de 90 dias.
