Bruna dos Santos Silva; Ingrid Martins

DOI: 10.22167/2675-6528-202604451

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A inteligência artificial generativa consolidou-se como tecnologia estratégica no mercado financeiro, impulsionando a eficiência operacional e a personalização de serviços. No contexto de crédito digital, a intensificação do uso de dados pessoais levanta preocupações com privacidade, segurança e percepção de risco, fatores que afetam diretamente a confiança do usuário. Este estudo objetivou analisar se a capacidade da IA generativa de simular interações humanas influencia a confiança do usuário e a percepção de autenticidade em processos de oferta e negociação de crédito digital. Para isso, realizou-se uma pesquisa exploratória quantitativa por meio de um levantamento de campo. Aplicou-se um questionário estruturado a 30 participantes, que foram expostos a dois cenários hipotéticos de atendimento para contratação de crédito em um aplicativo financeiro: um com IA simulando interação humana e outro com IA explicitamente identificada. As percepções foram avaliadas utilizando escalas Likert. Os resultados indicaram que o cenário com IA que simulava interação humana obteve desempenho superior em indicadores de confiança, segurança e intenção de uso, embora com diferenças moderadas em relação ao cenário automatizado. Variáveis como a compreensão da necessidade e a naturalidade da conversa apresentaram as maiores discrepâncias entre os cenários, evidenciando a influência desses fatores na confiança. Contudo, observou-se que a intenção de contratar via IA diminuiu em contextos de maior risco, como decisões de crédito, e que 73% dos participantes preferiram atendimento humano para assuntos financeiros sensíveis. Concluiu-se que a antropomorfização da IA generativa pode aumentar a confiança e a percepção de autenticidade, mas a eficiência da IA não se traduz necessariamente em eficácia para substituir a interação humana em processos de alta sensibilidade. A pesquisa contribuiu para o avanço teórico e prático sobre a adoção de IA em contextos financeiros, destacando a importância da humanização na experiência do usuário.

Palavras-chave: Confiança; Crédito digital; Experiência do usuário; Inteligência artificial generativa; Percepção de risco.

1. Introdução

A inteligência artificial (IA) tem se consolidado como uma tecnologia estratégica no mercado financeiro, impulsionando avanços em eficiência operacional, personalização de serviços e automação (Fórum Econômico Mundial, 2025). O setor financeiro destinou 35 bilhões de dólares à IA em 2023, com projeção de alcançar 97 bilhões de dólares até 2027 (Fórum Econômico Mundial, 2025). Dentro desse cenário, a inteligência artificial generativa representa um salto evolutivo significativo na linha do tempo da tecnologia (McKinsey, 2023; Shrier, 2024).

Em sua essência, a inteligência artificial é um sistema computacional capaz de replicar ações que tradicionalmente exigiam uma mente humana, como resolver problemas, pensar logicamente, tomar decisões e aprender (Delloite, 2023). A IA generativa, em particular, distingue-se pela capacidade de criar conteúdo em diversos formatos, incluindo texto, áudio, imagem, vídeo e código (Delloite, 2023). Essa tecnologia promove transformações industriais, personalização de conteúdo e automação de programação, tornando os processos mais eficientes e reduzindo erros (Delloite, 2025).

Diferentemente dos sistemas baseados em regras, que são estáticos e limitados a conjuntos de regras predefinidos, a IA generativa opera com modelos que simulam redes neurais e utilizam aprendizado profundo. Esses modelos processam vastas quantidades de dados não estruturados para identificar padrões e responder em linguagem natural (Ashta; Herrmann, 2021; IBM, 2026). O treinamento de um modelo generativo frequentemente segue um aprendizado não supervisionado, sem intervenção humana, sendo capaz de criar correlações entre “tokens” a partir de bilhões de dados (Foster, 2019; IBM, 2026; Kalia, 2023). Essa capacidade de gerar conteúdo e interagir de forma humanizada é um dos aspectos que a aproxima da inteligência humana (Zarifis; Cheng, 2023).

No contexto específico do crédito digital, a aplicação da IA generativa intensifica o uso de dados pessoais, o que levanta preocupações significativas relacionadas à privacidade, segurança e percepção de risco (Phan; Phuoc, 2025). Esses fatores estão diretamente associados à confiança do usuário, que é um elemento crucial para a adoção social e a plena aceitação de sistemas de IA (Phan; Phuoc, 2025). A performance da IA é um atributo essencial para construir confiança nas interações (Yablonski, 2024), e a eficiência da IA no processamento de dados, aliada ao processamento de linguagem natural, serve como ponte para a conexão com o usuário (Rane, 2024).

A literatura aborda a confiança sob diferentes dimensões, incluindo a confiança humana, baseada em crenças e percepções de integridade e benevolência do destinatário; a confiança deliberada na tecnologia, que se refere a atributos como utilidade, confiabilidade e funcionalidade; e a confiança emocional, que explora o grau de conforto do usuário em confiar na origem ou no destinatário (Huynh; Aichner, 2025). Contudo, é importante notar que a tecnologia emergente, por não possuir intenção ou responsabilidade, não pode ser confiável no mesmo sentido que um ser humano. A confiança, nesse caso, deve ser direcionada às empresas e instituições responsáveis pela construção e manutenção da IA (Budnik, 2025).

Apesar da relevância do tema e dos avanços na IA, as perspectivas sobre a relação homem-máquina frequentemente se restringem a aspectos funcionais, desconsiderando o fator humano (Phan; Phuoc, 2025). Observa-se uma lacuna de estudos que investiguem a relação entre as capacidades humanizadas da IA generativa e a confiança do usuário sob a perspectiva da experiência de interação em contextos financeiros sensíveis. Há uma carência de artigos voltados estritamente para mensurar a percepção de clientes na contratação de produtos de crédito com o auxílio da IA generativa.

O mercado financeiro, sendo um setor extenso e em constante digitalização, demanda mais pesquisas para compreender o comportamento humano diante dessas tecnologias. A digitalização agressiva e os relatórios estatísticos reforçam a importância de analisar a IA não apenas sob uma ótica numérica, mas também humana. Ao integrar aspectos tecnológicos e comportamentais, esta pesquisa busca contribuir para o avanço teórico e prático sobre a adoção da inteligência artificial em contextos financeiros sensíveis. Diante desse cenário, o presente estudo tem como objetivo analisar se a capacidade da IA generativa de simular interações humanas influencia a confiança do usuário e a percepção de autenticidade em processos de oferta e negociação de crédito digital.

2. Material e Métodos

O presente estudo adotou uma abordagem metodológica exploratória e quantitativa, fundamentada em um levantamento de campo. O objetivo central foi analisar a influência da capacidade da inteligência artificial generativa em simular interações humanas sobre a confiança do usuário e a percepção de autenticidade em processos de oferta e negociação de crédito digital. A pesquisa buscou mensurar e reduzir variáveis relacionadas ao tema, gerando dados estatísticos com um grau de confiabilidade adequado para o universo da amostragem (Creswell; John, 2021).

A escolha por este método quantitativo foi motivada pela vasta literatura existente sobre inteligência artificial, que permite a quantificação de dados e a inferência de uma margem de erro nos resultados coletados (Gil, 2017). Essa abordagem possibilitou a investigação de percepções e comportamentos de um grupo de participantes em relação à interação com sistemas de IA em um contexto financeiro sensível, alinhando-se à necessidade de compreender o fator humano na adoção tecnológica.

O levantamento de campo foi estruturado para coletar informações em três áreas principais de entendimento dos participantes. Primeiramente, buscou-se traçar o perfil demográfico dos respondentes. Em segundo lugar, investigou-se o comportamento de uso de serviços financeiros digitais e o contato prévio com inteligência artificial e chats automatizados. Por fim, a pesquisa dedicou-se a mensurar a confiança e a percepção dos usuários no uso da IA generativa em cenários de crédito.

A população de referência para o estudo consistiu em um grupo de 400 pessoas, a partir do qual se obteve uma amostra por conveniência de 30 participantes. Os participantes foram selecionados por interagirem com plataformas digitais de serviços financeiros e por terem tido contato, ou não, com inteligência artificial e chats automatizados. A coleta de dados foi restrita a falantes da língua luso-brasileira, garantindo a homogeneidade linguística da amostra.

O instrumento de coleta de dados consistiu em um questionário estruturado, elaborado e disponibilizado por meio da plataforma Google Forms. O questionário continha 23 perguntas mistas, incluindo formatos abertos, fechados e de múltipla escolha. Para a avaliação das percepções e atitudes dos participantes, utilizou-se a escala Likert, com uma régua de zero a cinco pontos, permitindo a mensuração de concordância e discordância em relação às afirmações apresentadas.

Para a coleta de dados, os participantes foram expostos a dois cenários hipotéticos de atendimento para contratação de crédito em um aplicativo financeiro. O Cenário A descrevia uma situação em que o usuário acreditava estar conversando com uma pessoa, mas o atendimento era realizado por uma Inteligência Artificial. O Cenário B, por sua vez, informava claramente que o atendimento era conduzido por uma Inteligência Artificial, sem simulação humana.

Cada participante foi direcionado a apenas um dos dois cenários, sendo 43% para o Cenário A e 57% para o Cenário B, para evitar vieses de comparação direta. Após a leitura do cenário atribuído, os respondentes avaliaram sua experiência utilizando as escalas Likert. O formulário foi acessível de qualquer geolocalização ou dispositivo e foi disponibilizado via WhatsApp para potenciais respondentes entre os dias 11 e 27 de janeiro de 2026.

Os cuidados éticos foram observados mediante a apresentação de um termo de consentimento no início da pesquisa. Ao responderem o questionário, os participantes afirmaram concordar voluntariamente em participar do estudo, com a garantia de anonimato de suas respostas. Uma breve explicação sobre o objetivo acadêmico da pesquisa foi fornecida, sem detalhar excessivamente o tema para não influenciar as percepções dos participantes.

A análise dos dados coletados foi de natureza descritiva, focando na comparação das percepções dos participantes entre os dois cenários hipotéticos. As respostas obtidas nas escalas Likert foram utilizadas para identificar e quantificar as diferenças nas atitudes e níveis de confiança e autenticidade percebidos pelos usuários em cada tipo de interação com a IA generativa. A organização dos dados permitiu a identificação de padrões e tendências nas respostas.

3. Resultados e Discussão

A análise dos resultados da pesquisa revelou um panorama multifacetado sobre a confiança do usuário em interações com inteligência artificial generativa no contexto de crédito digital, evidenciando a complexidade da relação entre tecnologia e percepção humana. Inicialmente, o estudo contextualizou o cenário macroeconômico e tecnológico, para então aprofundar-se nas percepções dos participantes sobre a IA em serviços financeiros. Os achados indicam que, embora a eficiência da IA seja reconhecida, a humanização da interação desempenha um papel crucial na construção da confiança, especialmente em decisões financeiras sensíveis.

O mercado financeiro brasileiro demonstra uma forte tendência à digitalização, com 82% das transações bancárias realizadas por canais digitais, conforme dados de Febrabran e Delloite (2025). O mobile banking, em particular, consolidou-se como o principal meio de acesso, registrando um volume de transações significativamente superior aos demais canais. Este cenário de intensa digitalização é corroborado pelo aumento no número de pessoas que acessam bancos pela internet, passando de 97,1 milhões em 2022 para 119,6 milhões em 2024, segundo o IBGE (2025) e a Folha de São Paulo (2025). Tais dados sublinham a relevância de investigar a interação do usuário com tecnologias emergentes nesse ambiente.

A pesquisa também identificou uma correlação direta entre o perfil de alta renda dos respondentes e o uso frequente de chats e assistentes virtuais. O estudo de Muinhos (2025) aponta que a inclusão financeira no Brasil foi impulsionada pela ampliação do PIX em 2024, conectando o uso recorrente de aplicativos financeiros a diversas classes sociais. Esses fatores macroambientais, combinados com a digitalização agressiva e os relatórios estatísticos, reforçam a importância de uma perspectiva que transcenda a análise puramente numérica da IA, incorporando também o fator humano na compreensão de sua adoção.

A amostra do estudo foi composta por 30 participantes, selecionados por conveniência, o que, apesar de permitir uma análise exploratória, introduz uma margem de erro de 13% e limita a generalização dos resultados. O perfil demográfico dos respondentes revelou uma distribuição equilibrada de gênero, mas uma concentração significativa em níveis de escolaridade e renda. Notavelmente, 90% dos participantes possuíam ensino superior completo ou pós-graduação, e 63% declararam renda mensal igual ou superior a R$ 8.000,00. Essa homogeneidade demográfica sugere que os participantes estão mais familiarizados com tecnologias emergentes, o que pode influenciar suas percepções sobre a IA.

A familiaridade dos participantes com o ambiente digital e suas tecnologias foi um achado relevante. Mais de 80% dos respondentes já haviam interagido com chatbots ou assistentes virtuais em aplicativos financeiros, e a maioria utilizava serviços financeiros digitais diariamente. Além disso, mais de 70% dos participantes já haviam contratado empréstimos de forma 100% digital. Esses dados indicam que o público pesquisado possui um alto grau de digitalização e está acostumado com interações automatizadas em contextos financeiros, o que valida a pertinência do estudo em explorar a confiança nesse grupo.

No que tange à percepção de eficiência operacional e confiabilidade, o estudo empregou uma escala Likert de zero a cinco para mensurar atitudes e comportamentos. Verificou-se que 50% dos participantes concordam com a eficiência do atendimento automatizado para resolver problemas simples. Contudo, um dado crucial emergiu: 73% dos respondentes expressaram preferência por atendimento humano quando o assunto envolvia dinheiro ou a contratação de crédito. Essa dicotomia revela um cenário complexo, onde a confiança humana e emocional ainda não foi plenamente estabelecida em contextos financeiros sensíveis, conforme apontado por Huynh e Aichner (2025).

Para aprofundar essa análise, os participantes foram expostos a dois cenários hipotéticos de atendimento para contratação de crédito em um aplicativo financeiro. No Cenário A, a IA simulava uma interação humana, enquanto no Cenário B, a IA era explicitamente identificada como um assistente virtual. Dos respondentes, 43% foram direcionados ao Cenário A e 57% ao Cenário B. Essa abordagem permitiu comparar as percepções sobre a confiança e a autenticidade em diferentes formas de apresentação da inteligência artificial.

No Cenário A, onde a IA simulava interação humana, metade dos respondentes discordou que confiaria nas informações fornecidas durante o atendimento. Em relação à segurança dos dados, 36% permaneceram neutros e outros 36% concordaram com a afirmação. No entanto, quase 60% dos participantes concordaram que a conversa parecia natural, e mais de 60% concordaram ou concordaram plenamente com a qualidade e o entendimento da conversa. Esses resultados sugerem que, embora a naturalidade da interação seja percebida, a confiança plena nas informações e na segurança dos dados ainda apresenta desafios.

Apesar da percepção de naturalidade, 36,5% dos participantes do Cenário A discordaram que o atendimento seria suficiente para avançar no processo de contratação de crédito, e 20% se mantiveram neutros. Contraditoriamente, 80% dos respondentes aceitariam esse tipo de atendimento em um processo de crédito digital, e 66,7% se sentiriam confortáveis em utilizá-lo novamente. Essa aparente inconsistência pode indicar que, embora haja uma aceitação geral do uso da IA, a decisão final de avançar em um processo de crédito ainda é permeada por uma cautela significativa, especialmente quando a IA não é explicitamente identificada.

A comparação entre os dois cenários revelou diferenças notáveis, especialmente nos aspectos de empatia e conversação. O Cenário A, com IA simulando interação humana, apresentou desempenho superior em indicadores de confiança, segurança e intenção de uso, embora as diferenças em relação ao Cenário B (IA explicitamente automatizada) tenham sido moderadas. A antropomorfização da IA no Cenário A resultou em melhores percepções de confiança, indicando que comportamentos e emoções humanas podem contribuir para a construção de um elo com o usuário e influenciar positivamente a percepção, o que pode levar a uma maior adoção e conversão, conforme discutido por Huynh e Aichner (2025).

As variáveis “compreensão da necessidade” e “conversa natural” demonstraram as maiores discrepâncias entre os cenários, com médias de 4,00 versus 3,62 e 3,77 versus 3,06, respectivamente, para os Cenários A e B. A diferença percentual na percepção de “interação semelhante a humano” foi de 18,3%, e para “conversa natural” foi de 17,6%. Esses dados evidenciam a forte influência da capacidade da IA de simular interações humanas na percepção do usuário, reforçando a ideia de que a naturalidade e a empatia são cruciais para a experiência do usuário em contextos digitais.

Por outro lado, o cenário automatizado (Cenário B) demonstrou um desempenho ligeiramente melhor em aspectos funcionais, como a clareza da comunicação e a identificação do agente, sugerindo uma maior eficiência estrutural. Contudo, essa eficiência não se traduziu em uma confiança ou intenção de uso significativamente maiores. Essa dissociação entre desempenho operacional e percepção de confiabilidade é um ponto crítico, conforme observado por Huynh e Aichner (2025), indicando que a mera funcionalidade não é suficiente para construir confiança em interações de alta sensibilidade.

Adicionalmente, os resultados indicaram que a intenção de contratar crédito através da inteligência artificial diminui em contextos de maior risco, como as decisões de crédito. Este achado reforça a hipótese de que fatores emocionais e a percepção de risco desempenham um papel central na aceitação de tecnologias automatizadas em serviços financeiros, como pontuado por Huynh e Aichner (2025). Embora esse padrão tenha sido observado em ambos os cenários, a IA humanizada do Cenário A apresentou resultados ligeiramente melhores, sugerindo que a simulação de interação humana pode mitigar parte da aversão ao risco.

Outro dado relevante é que o atendimento automatizado é amplamente aceito para demandas simples, o que corrobora achados prévios da literatura. No entanto, quando a IA se aproxima excessivamente de um atendimento humano sem deixar explícita sua natureza, surgem sinais de desconforto cognitivo em parte dos usuários, caso a interação não corresponda plenamente a uma abordagem humanizada. Isso sugere que a transparência sobre a natureza da IA é fundamental para evitar a quebra de expectativas e manter a confiança do usuário, mesmo em um contexto de humanização.

Em síntese, os achados da pesquisa indicam que a capacidade da IA generativa de simular interações humanas, com ênfase na compreensão da necessidade e na naturalidade da conversa, influencia positivamente a confiança do usuário e a percepção de autenticidade em processos de oferta e negociação de crédito digital. Contudo, essa influência é moderada e não se traduz em uma aceitação irrestrita para decisões de alto risco, onde a preferência pelo atendimento humano ainda prevalece, destacando a importância de uma abordagem equilibrada entre eficiência tecnológica e sensibilidade humana na experiência do usuário.

4. Conclusão

O presente estudo objetivou analisar se a capacidade da inteligência artificial generativa de simular interações humanas influencia a confiança do usuário e a percepção de autenticidade em processos de oferta e negociação de crédito digital. Verificou-se que a antropomorfização da IA, ao simular interações humanas, demonstrou desempenho superior em indicadores de confiança, segurança e intenção de uso, embora com diferenças moderadas em comparação com o cenário de IA explicitamente automatizada. Observou-se que a compreensão da necessidade do usuário e a naturalidade da conversa foram os fatores que mais contribuíram para essa percepção positiva. Contudo, identificou-se que a intenção de contratar crédito por meio da IA diminuiu significativamente em contextos de maior risco, como as decisões de crédito, e que 73% dos participantes preferiram atendimento humano para assuntos financeiros sensíveis. A eficiência operacional da IA foi reconhecida para demandas simples, com 50% dos participantes concordando, mas essa funcionalidade não se traduziu em confiança plena para interações de alta sensibilidade.

A pesquisa contribuiu para o avanço teórico e prático sobre a adoção da inteligência artificial em contextos financeiros, ao evidenciar a importância da humanização na experiência do usuário e a necessidade de transparência sobre a natureza da IA para evitar desconforto cognitivo. Entretanto, o estudo apresentou limitações decorrentes da amostra por conveniência, que resultou em um público respondente demograficamente homogêneo, e do método quantitativo, que restringiu a profundidade das informações sobre aspectos emocionais. Além disso, o contexto espaço-temporal dos participantes pode ter influenciado as respostas. Sugere-se que estudos futuros aprofundem a investigação das dinâmicas emocionais humanas na interação com a IA generativa, explorando abordagens metodológicas que permitam uma compreensão mais rica e diversificada das percepções dos usuários em cenários financeiros complexos.

Referências Bibliográficas

Deloitte. Usage and attitudes of the Swiss workforce towards Generative Al: Generative Al’s fast and furious entry into Switzerland. Zurich: Deloitte AG, 2023. Disponível em: https

Deloitte. Usage and attitudes of the Swiss workforce towards Generative Al: Generative Al’s fast and furious entry into Switzerland. Zurich: Deloitte AG, 2023. Disponível em: https://www.deloitte.com/content/dam/assets-zone2/ch/fr/docs/industries/technology-media-telecommunications/2024/deloitte-ch-en-generative-ai.pdf

Mckinsey & Company. The Economic Potential of Generative Al: The Next Productivity Frontier. McKinsey Global Institute, 14 jun. 2023. Disponível em: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#/

Shrier, David L. Welcome to Al: A Human Guide to Artificial Intelligence. 1. ed. Boston: Harvard Business Review Press, 2024.

World Economic Forum. Artificial Intelligence in Financial Services: Transforming the Landscape – Global Al in Financial Services Survey 2025. Geneva: World Economic Forum, 2025. Disponível em: https://reports.weforum.org/docs/WEF_Artificial_Intelligence_in_Financial_Services_2025

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Digital Busines do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy