Transparência EBA, IA e compliance nos bancos portugueses

Transparência EBA, IA e o novo patamar de compliance bancário

Em 06/11/2025, a European Banking Authority (EBA) atualizou a visão agregada sobre como as autoridades de supervisão da UE estão a aplicar a CRD V e a IFD. Parece burocracia distante, mas não é: isto mexe diretamente com o modo como os bancos em Portugal vão usar IA para risco, fraude, aconselhamento financeiro e, sobretudo, compliance regulatório.

A mensagem da EBA é clara: mais transparência, mais comparabilidade, menos opacidade na supervisão. E quando a supervisão fica mais clara, a tecnologia – em particular a inteligência artificial – deixa de ser “nice to have” e passa a ser condição básica para acompanhar a densidade regulatória.

Neste artigo, vou ligar os pontos entre:

• o exercício de supervisory disclosure da EBA para Q4 2024;
• o contexto regulatório da CRD V e da IFD;
• e o que isto implica, na prática, para projetos de IA no setor bancário português, desde scoring de crédito até deteção de fraude e automatização de reports prudenciais.

---

O que a EBA acabou de atualizar – e porque interessa a Portugal

A EBA atualizou a informação agregada sobre como as Autoridades Competentes dos vários Estados‑Membros transpõem e aplicam:

• a Capital Requirements Directive V (CRD V), base do enquadramento prudencial dos bancos;
• a Investment Firms Directive (IFD), para empresas de investimento.

O objetivo é simples: aumentar transparência e comparabilidade das práticas de supervisão, sem criar carga adicional de reporte para as instituições. Ou seja, usar melhor os dados que as autoridades já recolhem para mostrar:

• que leis, regulamentos e orientações existem em cada país;
• como as autoridades usam opções e discricionariedades nacionais;
• quais os critérios e metodologias usadas no SREP (Supervisory Review and Evaluation Process);
• e que dados estatísticos agregados existem sobre medidas de supervisão e sanções.

Para os bancos portugueses, isto tem duas consequências diretas:

1. Maior pressão para alinhamento com a média europeia. Quem estiver atrasado em práticas de gestão de risco, governance de modelos, dados ou reporte, vai vê‑lo refletido em comparações internacionais.
2. Mais previsibilidade regulatória. Sabendo como as outras autoridades aplicam as mesmas regras, é mais fácil desenhar modelos de IA e processos internos consistentes com a expectativa dos supervisores.

---

Supervisory disclosure: o “mapa” que a IA precisa de ler

O exercício anual de supervisory disclosure da EBA, previsto no artigo 143.º(2) da CRD V e no artigo 57.º(4) da IFD, junta quatro grandes blocos de informação. Vistos com “olhos de IA”, estes blocos são uma mina de ouro.

1. Textos legais, regulamentos e orientações

A EBA consolida:

• leis nacionais;
• regulamentos e avisos dos supervisores;
• regras administrativas e orientações gerais em matéria prudencial.

Para equipas de compliance e risco em Portugal, isto já não é apenas um dossiê jurídico. É matéria‑prima perfeita para modelos de IA de legal & regulatory intelligence, que conseguem:

• mapear obrigações por tipo de instituição;
• monitorizar alterações regulatórias em tempo quase real;
• sugerir impactos em políticas internas e modelos de risco.

A realidade? Quem ainda trata a monitorização regulatória com folhas de Excel e emails perde semanas onde a IA faz o mesmo trabalho em minutos – e com melhor rastreabilidade.

2. Opções e discricionariedades nacionais

A CRD V e a IFD dão às autoridades nacionais margem para escolher entre diferentes opções. A EBA agora mostra, de forma agregada, como cada país exerceu essas opções.

Para projetos de IA no setor bancário português, isto é crítico em três frentes:

• Modelos de capital e liquidez: parametrização correta dos requisitos, sem copiar cegamente práticas de outros países com opções diferentes.
• Modelos de scoring de crédito: incorporar fatores prudenciais específicos (por exemplo, colchões de capital, limites de concentração) que resultam de escolhas nacionais.
• Expansão internacional: bancos portugueses com operações noutros Estados‑Membros podem treinar modelos que reconhecem diferenças regulatórias por jurisdição, em vez de forçar um único modelo rígido e não explicável.

3. Critérios e metodologias de SREP

O SREP é onde o supervisor avalia, de forma holística, risco de crédito, mercado, liquidez, governação, modelos internos, etc. A EBA publica critérios e metodologias gerais usados pelas autoridades.

Para IA, isto é praticamente um blueprint:

• ajuda a desenhar modelos explicáveis (XAI) alinhados com os fatores que o supervisor valoriza;
• permite criar painéis de controlo de risco que falam a mesma linguagem que a autoridade nacional;
• facilita simulações de SREP assistidas por IA, antecipando decisões de Pilar 2, por exemplo.

4. Dados estatísticos agregados

Finalmente, a EBA disponibiliza dados agregados sobre:

• medidas de supervisão aplicadas;
• sanções administrativas;
• principais indicadores prudenciais.

Aqui entra o poder da analítica avançada:

• modelos de IA podem identificar padrões comuns em instituições mais sujeitas a medidas de supervisão;
• é possível construir benchmarks setoriais que alimentam alertas precoces internos;
• equipas de risco podem testar cenários: “Se o meu perfil convergir para este cluster de bancos, qual é a probabilidade de receber medidas adicionais?”.

---

Onde a IA entra: casos de uso alinhados com a EBA

Os bancos que estão a crescer em IA em Portugal tendem a começar por três territórios: scoring de crédito, deteção de fraude e automação de compliance. A atualização da EBA reforça que estes casos de uso têm de estar profundamente ligados ao enquadramento prudencial.

Scoring de crédito regulatoriamente robusto

Um modelo de scoring de crédito com IA não é apenas uma ferramenta comercial. É um elemento central do risco de crédito e, por extensão, do capital regulatório.

Alinhando com o que a EBA divulga:

• as variáveis utilizadas devem ser explicáveis em linguagem compreensível para o supervisor (nada de “caixas negras” inquestionáveis);
• tem de haver documentação clara de como o modelo responde a choques de risco (cenários de stress);
• a política de overrides (quando o gestor rejeita a decisão do modelo) tem de estar integrada na governação de risco.

IA ajuda aqui a:

• gerar explicações locais (por cliente) e globais (por portefólio) usando técnicas de XAI;
• monitorizar drift de dados e de performance de modelo com alertas automáticos;
• produzir relatórios regulatórios coerentes com a taxonomia do supervisor.

Deteção de fraude alinhada com requisitos prudenciais e de proteção ao consumidor

Modelos de deteção de fraude já são bastante usados em pagamentos, banca digital e cartões. O que muda com o enquadramento reforçado e a transparência da EBA é a expectativa de:

• baixa taxa de falsos positivos (para não prejudicar clientes nem criar riscos reputacionais);
• documentação de cenários de risco operacional, incluindo ciber-risco e fraude interna;
• integração desses riscos na visão global usada no SREP.

IA de nova geração permite:

• combinar dados transacionais, comportamentais e contextuais (dispositivo, localização, padrão histórico) para perfis de risco mais finos;
• usar graph analytics para identificar redes de fraude que escapam aos modelos tradicionais;
• gerar dashboards que mostram ao conselho de administração como a fraude impacta capital, liquidez e imagem.

Compliance e reporting prudencial com IA

É aqui que a atualização da EBA mais pesa em termos operacionais: reporting, compliance e governação regulatória.

Algumas aplicações concretas para bancos portugueses:

• Leitura automática de normas: modelos de linguagem treinados em CRD V, IFD e normas nacionais que extraem obrigações, prazos, definições e exceções.
• Mapeamento de requisitos para controlos internos: IA que sugere que processos, dados e equipas são impactados por uma nova orientação da autoridade.
• Geração assistida de relatórios prudenciais: ferramentas que preenchem secções descritivas com base em dados estruturados e políticas internas, prontas para revisão humana.
• Monitorização de coerência: verificação assistida por IA de que os dados enviados ao supervisor são consistentes entre anexos, trimestres e diferentes tipos de reporte.

Conclusão prática: quem montar agora uma arquitetura de RegTech com IA estará muito mais preparado para absorver as futuras alterações da CRR3/CRD VI e da evolução da IFD.

---

Governança de IA: o ponto onde supervisores vão ser mais exigentes

À medida que a EBA torna mais transparentes as metodologias de supervisão, aumenta também a fasquia de governança de modelos de IA.

Aqui estão aspetos em que, na minha experiência, a maior parte dos bancos ainda está aquém:

1. Registo central de modelos

Poucos bancos têm um inventário unificado de modelos, onde conste:

• finalidade regulatória ou de negócio;
• equipa responsável;
• dados usados e respetivas fontes;
• métricas de performance e de fairness;
• histórico de validações internas e externas.

Sem isto, é muito difícil responder a questões de supervisão sobre o “modelo X que afeta capital, provisões ou decisões sensíveis”.

2. Documentação e explicabilidade

A EBA insiste em metodologias claras. Para IA, isto significa:

• Model cards e data sheets documentados;
• justificações compreensíveis para decisões automáticas que afetem clientes (por exemplo, recusa de crédito);
• capacidade de explicar, numa inspeção, como o modelo reage a determinadas condições extremas.

3. Controlo de risco de modelo

A IA, em contexto prudencial, tem de ser tratada como um risco em si mesma:

• testes de robustez periódicos;
• validação independente (segunda linha de defesa) com competências técnicas reais em IA;
• critérios claros para retirar ou substituir modelos quando deixam de ser fiáveis.

Os bancos portugueses que investirem agora numa governança de IA madura vão negociar de outra forma com supervisores, porque conseguem mostrar controlo, rastreabilidade e alinhamento com os critérios divulgados pela EBA.

---

Próximo passo para bancos portugueses: de compliance reativo a estratégia de IA prudencial

A atualização de Q4 2024 da EBA não é apenas mais um documento para a gaveta. É um sinal de como o jogo da supervisão está a mudar: mais dados, mais transparência, mais comparações entre países. E, por arrasto, mais pressão para que a IA bancária seja regulatoriamente sólida.

Para quem lidera risco, compliance ou transformação digital num banco português, o caminho pragmático passa por:

1. Mapear o estado atual dos modelos de IA usados em crédito, fraude, segmentação e reporting, identificando impactos prudenciais e de proteção ao consumidor.
2. Criar um inventário de modelos com governança clara, documentação mínima comum e métricas de risco de modelo.
3. Ligar equipas de risco, compliance e dados numa abordagem conjunta a CRD V/IFD, em vez de projetos isolados por silos.
4. Priorizar casos de uso de IA regulatoriamente críticos: scoring, ALM, risco de modelo, reporting prudencial.

Quem tratar a IA como parte integrante da estratégia de conformidade prudencial – e não apenas como ferramenta de eficiência – estará em melhor posição para crescer, inovar e dialogar com o supervisor sem sustos.

A série “IA no Setor Bancário Português: Inovação Financeira” vai continuar a aprofundar estes pontos com exemplos concretos, desde arquiteturas de dados até frameworks de XAI. A pergunta que cada banco deveria estar a fazer hoje é simples: a nossa IA está pronta para ser explicada – e defendida – à luz da transparência que a EBA está agora a exigir?