Em janeiro de 2026, a Serasa lançou o Score 2.0 com uma mudança que parece simples, mas representa uma virada estrutural: o score de crédito do consumidor agora pode ser atualizado em 2 a 5 minutos após um pagamento via Pix. Não mais 30 dias de delay de bureau. Não mais score estático calculado no mês anterior. Um modelo de IA detectando o pagamento em tempo real e recalculando o risco imediatamente. Esse é o resultado de dois movimentos que se reforçam — a maturidade do Open Finance brasileiro e a aplicação industrial de machine learning no crédito.
O Open Finance como motor de dados: 154 milhões de consentimentos ativos
O Brasil tem o maior ecossistema de Open Finance do mundo. Em fevereiro de 2026, o sistema registrou 154 milhões de consentimentos ativos — crescimento de 146% em 12 meses, segundo dados do Pluggy Blog. São 589 mil empresas conectadas à infraestrutura de compartilhamento de dados do Banco Central. E desde fevereiro de 2026, a portabilidade de crédito passou a ser 100% digital, com prazo reduzido de 20–25 dias para apenas 3 dias úteis.
O impacto já é mensurável em crédito. De acordo com dados do Banco Central via ASA, o Open Finance gerou R$ 31 bilhões em originação de crédito baseada em compartilhamento de dados — R$ 12 bilhões apenas no primeiro semestre de 2025. Esse volume existe porque, com o consentimento do consumidor, um modelo de crédito agora acessa dados de conta-corrente, pagamentos, investimentos e comportamento transacional de múltiplas instituições — não apenas do bureau tradicional.
O resultado prático: clientes antes invisíveis para o crédito tradicional tornam-se avaliáveis. Segundo um estudo da Cinnecta e Matera com 38 líderes de crédito, 23,5% apontam a falta de histórico bancário como o maior desafio operacional — e a combinação de Open Finance com scoring alternativo por IA está endereçando exatamente isso.
Como as fintechs líderes estão construindo o novo modelo de risco
O Nubank foi um dos primeiros a externalizar sua arquitetura de scoring. O NuScore, lançado em abril de 2025, usa a biblioteca de machine learning proprietária fklearn para calcular um score numa escala de 0 a 1.000, atualizado mensalmente. O modelo combina cinco dimensões: dados externos de bureaus, pontualidade de pagamentos no ecossistema Nubank, comportamento de uso, utilização de crédito e tempo de relacionamento. A estratégia “low and grow” — oferecer limites iniciais baixos e expandir conforme o comportamento real — é alimentada diretamente por esse modelo dinâmico.
O Banco BV demonstrou o valor do Open Finance em crédito incremental com números concretos: R$ 119 milhões adicionais em financiamentos de veículos nos últimos 12 meses, via dados compartilhados. Metade dos clientes que ativaram o compartilhamento tiveram aumento de 30% no limite de crédito, conforme reportagem da Finsiders Brasil. Não é reputação nem relacionamento — é dado transacional processado por modelo.
A fronteira mais avançada está na arquitetura multi-agente. Segundo o FintechLab, fintechs como a Datarisk já operam um agente supervisor de IA que orquestra cinco scores especializados: renda estimada, risco de apostas, risco pessoa física, risco pessoa jurídica e estabilidade empregatícia. Cada agente especialista faz uma leitura focada; o supervisor sintetiza e decide. É a mesma lógica dos sistemas multi-agente aplicada a crédito — e já está rodando em produção no Brasil.
O reverso da medalha: quando os modelos erram em escala
Expansão acelerada de crédito via IA não é isenta de risco. Os resultados do primeiro trimestre de 2026 das fintechs listadas mostram um padrão preocupante: carteiras cresceram agressivamente (Stone +122%, PicPay +116% em 12 meses), mas a inadimplência seguiu o mesmo caminho. PicPay chegou a 8,9% (vindo de 4%), Stone a 6,98% (de 4,57%), Nubank a 6,5%, Inter a 5,1%, segundo dados compilados pela Finsiders Brasil.
Isso não invalida o uso de IA no crédito — invalida o uso de IA como substituto de política de crédito. Modelos preditivos identificam padrões históricos, mas não têm percepção de choques macroeconômicos, mudanças regulatórias abruptas ou comportamentos emergentes em novos segmentos. A Dataholics registrou aumento de 66% na receita de recuperação de crédito em um cliente que adotou scoring alternativo — o que mostra que os modelos funcionam, mas que a jornada de crédito inclui recuperação, não apenas originação.
O que vem a seguir para o crédito inteligente no Brasil
A PwC Brasil estima que o Open Finance pode gerar R$ 42 bilhões em novas receitas até 2026, somando crédito, investimentos, seguros e pagamentos habilitados por dados compartilhados. O Nubank comprometeu R$ 45 bilhões em investimentos no Brasil para 2026, com foco central em inteligência artificial. Esses não são números de aposta — são consequência de uma infraestrutura que levou quatro anos para ser construída e que agora está madura o suficiente para sustentar produtos de crédito de nova geração.
O score de crédito estático — calculado uma vez por mês com dados de bureau — está se tornando um ativo legado. O novo padrão é dinâmico, contextual e multimodal: combina dados Open Finance, comportamento transacional em tempo real e scoring especializado por segmento. A questão para fintechs e bancos não é mais se essa mudança vai acontecer. É se a política de crédito e os controles de risco da organização estão evoluindo na mesma velocidade que os modelos.