Principais lições deste artigo
-
Um motor de crédito automatizado coleta dados, aplica modelos estatísticos e retorna decisão em segundos, o que garante consistência e conformidade regulatória.
-
A Resolução Conjunta BCB/CMN nº 1/2020 e a LGPD exigem consentimento explícito, finalidade clara e rastreabilidade total dos dados compartilhados via Open Finance.
-
Modelos de IA devem oferecer explicabilidade auditável. Soluções de “caixa-preta” não atendem às exigências de instituições sujeitas a requerimentos prudenciais de capital.
-
A arquitetura ideal combina feature store, integração nativa com SCR e Open Finance, além de políticas de decisão versionadas e testes A/B contínuos.
-
Para implementar com rapidez e segurança, a empresa pode contar com a infraestrutura da Celcoin.
Desafios regulatórios e operacionais no Brasil
Construir esse sistema no Brasil exige navegar por um ambiente regulatório denso. A Resolução Conjunta BCB/CMN nº 1/2020 estabelece as bases do Open Finance e determina que o compartilhamento de dados financeiros exige consentimento livre, informado, inequívoco e específico do titular, com prazo máximo de 12 meses, revogação imediata e redirecionamento app-to-app para autenticação.
Qualquer uso de dados fora da finalidade declarada no consentimento viola a LGPD e as normas do Banco Central, o que sujeita a instituição a sanções da ANPD e do regulador financeiro.
Além da conformidade, existe o desafio operacional. Modelos de crédito baseados em IA enfrentam restrições regulatórias crescentes desde 2025, com o Banco Central e o CMN exigindo que as instituições demonstrem como os modelos chegam às suas conclusões. Modelos de “caixa-preta” sem explicabilidade auditável não atendem mais ao padrão esperado para instituições sujeitas a requerimentos prudenciais de capital.
Pré-requisitos técnicos, regulatórios e de dados
Iniciar a implementação de um motor de crédito exige cumprir alguns pré-requisitos básicos.
-
Licença regulatória ou parceria: ter licença adequada, como IP ou IF, ou firmar parceria com instituição que possua licença para operar sob seu guarda-chuva regulatório.
-
Infraestrutura de APIs segura: manter infraestrutura de APIs compatível com padrões FAPI e mTLS para integração com o diretório do Open Finance Brasil.
-
Histórico de crédito robusto: reunir base histórica de desempenho de crédito com pelo menos cinco anos de dados para modelos de varejo, em linha com exigências de Basileia.
-
Acesso ao SCR: integrar o motor ao SCR, o Sistema de Informações de Crédito do Banco Central, para consultar o endividamento total do tomador.
-
Governança de dados: adotar política de governança de dados aderente à LGPD, com registros de consentimento e finalidade documentados.
Conheça a infraestrutura da Celcoin para atender todos esses pré-requisitos técnicos e regulatórios.
1. Arquitetura do motor: feature store, APIs e integração com SCR e Open Finance
Um motor de crédito moderno para o mercado brasileiro se organiza em camadas funcionais interdependentes.
Camada de conectividade: integrar o motor ao ecossistema Open Finance por meio de APIs diretas ao diretório do Banco Central ou por agregadores. Essa camada gerencia tokens mTLS e assinaturas criptográficas de payloads conforme padrões FAPI. Lógicas de fallback em cascata, em modelo waterfall, consultam bureaus tradicionais como Serasa ou Boa Vista quando APIs de Open Finance apresentam latência, o que ajuda a manter SLA de decisões em nível de sub-segundo.
Camada de ingestão e normalização: padronizar dados brutos de múltiplas instituições, harmonizando taxonomias, descrições de transações e formatos de data. Esse processo forma um Data Lake ou Data Warehouse canônico. O Open Finance Brasil superou 200 milhões de consentimentos ativos em junho de 2026, com cobertura de mais de 100 milhões de clientes únicos e bilhões de chamadas de API semanais.
Camada de categorização: treinar modelos de machine learning e NLP para a “língua bancária” brasileira, classificando transações em categorias como alimentação, transporte, educação e empréstimos. Essa categorização transforma dados brutos em sinais de risco interpretáveis.
Feature store: gerar variáveis sintéticas dinâmicas a partir do histórico transacional, como media_saldo_diario_90d, soma_emprestimos_pagos_6m e razao_pix_out_pix_in. Essas variáveis alimentam os modelos estatísticos em milissegundos.
Camada de orquestração e execução de políticas: consumir as variáveis geradas para aplicar regras de negócio, como knock-outs e matrizes de risco, e consultar modelos como XGBoost e Regressão Logística. Essa camada retorna a decisão de crédito de forma instantânea.
2. As quatro etapas da análise de risco
-
Coleta e enriquecimento de dados: consolidar dados cadastrais, SCR, Open Finance e bureaus em um perfil único do tomador.
-
Scoring e modelagem: aplicar modelos PD, LGD e EAD para calcular a perda esperada por operação.
-
Aplicação de políticas de decisão: usar regras versionadas para determinar aprovação, recusa ou revisão manual com base no score e nos limites de risco definidos.
-
Retorno da decisão: enviar resposta estruturada via API com score, motivo da decisão e, quando aplicável, condições da oferta, como limite, taxa e prazo.
3. Integração dos 5Cs e modelos PD/LGD/EAD
Os 5Cs do crédito, que são caráter, capacidade, capital, colateral e condições, se traduzem em variáveis quantificáveis nos modelos. A fórmula central de perda esperada é:
Perda esperada (EL) = PD × LGD × EAD
Para ilustrar como essa fórmula funciona na prática, considere uma operação de crédito pessoal. Com PD de 4%, LGD de 35% e EAD de R$ 80.000, a perda esperada é R$ 1.120. Para produtos rotativos como cartões, a EAD é estimada como EAD = exposição utilizada + CCF × limite não utilizado. Com saldo utilizado de R$ 12.000, limite não utilizado de R$ 8.000 e CCF de 50%, a EAD resulta em R$ 16.000.
O Open Finance enriquece esses modelos com variáveis como fluxo de pagamentos, recorrência de receitas e nível de endividamento total. Esse enriquecimento aumenta a precisão, principalmente para clientes thin file. Instituições que incorporaram dados de Open Finance em modelos de risco reportaram redução de 25 a 30% nas taxas de inadimplência. Estudos da PwC indicam que cada 1% de redução na inadimplência pode representar até R$ 56 bilhões em economia para o sistema financeiro brasileiro.
No contexto do IFRS 9, a PD pode ser point-in-time, que reflete condições atuais, ou through-the-cycle, que reflete a média ao longo do ciclo econômico. A instituição deve documentar a escolha. Basileia exige PD TTC para capital regulatório, enquanto provisões contábeis exigem PD PIT. O IFRS 9 organiza exposições em três estágios. O Estágio 1 considera perdas de 12 meses. O Estágio 2 considera perdas lifetime quando há aumento significativo de risco. O Estágio 3 trata ativos inadimplentes.
4. Construção de políticas de decisão versionadas e auditáveis
Políticas de decisão formam o conjunto de regras que traduzem scores e variáveis em ações concretas. Para manter essas políticas auditáveis e em conformidade com o Banco Central, a instituição deve seguir um processo estruturado.
-
Definir knock-outs absolutos: por exemplo, negativação ativa no SCR acima de determinado valor.
-
Criar matrizes de risco: cruzar score PD com variáveis de capacidade de pagamento.
-
Versionar políticas: registrar data, autor, justificativa de alteração e aprovação por comitê de crédito.
-
Testar em produção: executar testes A/B com grupos de controle para validar o impacto de mudanças de política.
-
Documentar conservadorismo: registrar limitações e margens de conservadorismo para cada versão.
O versionamento é obrigatório para instituições sujeitas a requerimentos prudenciais. O Banco Central exige rastreabilidade completa das decisões de crédito, incluindo qual versão de política e qual modelo a instituição aplicou em cada operação.
Implemente políticas de decisão auditáveis com a plataforma Celcoin.
5. Monitoramento de model drift e governança
Modelos de crédito perdem desempenho ao longo do tempo, à medida que o comportamento dos tomadores e o cenário econômico mudam. O monitoramento de model drift reduz esse risco.
-
Calcular o Population Stability Index: medir o PSI de forma periódica. PSI abaixo de 0,10 indica estabilidade. PSI acima de 0,25 indica necessidade de recalibração.
-
Acompanhar métricas de discriminação: avaliar AUC, Gini e KS em amostras out-of-time com frequência mínima anual, preferencialmente trimestral.
-
Executar backtesting: comparar PD prevista com inadimplência realizada por safra e segmento.
-
Configurar alertas automáticos: disparar revisão do modelo quando ocorrerem desvios de calibração relevantes, antes do ciclo regular.
-
Garantir validação independente: manter equipe de validação separada da equipe que desenvolveu o modelo, em linha com boas práticas de governança do Banco Central.
A governança regulatória exige que modelos com IA tenham explicabilidade documentada. Modelos de Regressão Logística oferecem interpretabilidade nativa por meio de coeficientes. Para modelos de gradient boosting como XGBoost, a instituição deve implementar técnicas como SHAP values para gerar explicações individuais de cada decisão.
6. Checklist de MVP com exemplos de APIs
Um MVP funcional de motor de crédito para análise de risco precisa cobrir os principais fluxos de dados e decisão.
-
API de onboarding e KYC: coletar dados cadastrais com validação de identidade.
-
API de consentimento Open Finance: seguir fluxo da Resolução Conjunta BCB/CMN nº 1/2020, com widget de UX alinhado ao guia do Banco Central.
-
API de consulta SCR: integrar o motor ao Sistema de Informações de Crédito para verificar o endividamento total.
-
API de scoring: receber variáveis e retornar score PD, faixa de risco e motivo da decisão.
-
API de decisão de crédito: retornar aprovação, recusa ou revisão, com condições da oferta quando aplicável.
-
API de monitoramento comportamental: atualizar o perfil de risco do cliente ao longo do tempo com dados transacionais recorrentes.
Erros comuns e boas práticas
Implementar um motor de crédito no Brasil costuma esbarrar em alguns erros recorrentes.
-
Confundir score com PD: usar score como se fosse PD sem verificar calibração. Score ordena risco. PD quantifica probabilidade.
-
Subestimar EAD em produtos rotativos: usar apenas o saldo atual como EAD e ignorar o limite não utilizado e o fator de conversão, o CCF.
-
Superestimar LGD: calcular LGD sem descontar recuperações futuras a valor presente.
-
Misturar Basileia e IFRS 9: combinar conceitos regulatórios de Basileia com conceitos contábeis do IFRS 9 no mesmo cálculo de perda esperada.
-
Usar dados brutos de Open Finance: trabalhar com dados sem categorização e sem transformação em indicadores de risco, o que reduz o ganho de modelo e dificulta auditorias.
-
Ignorar versionamento de políticas: implementar políticas de decisão sem versionamento, o que impede rastreabilidade regulatória.
A Celcoin como infraestrutura para motores de crédito
A Celcoin opera com portfólio completo de licenças e tecnologia proprietária, oferecendo APIs modulares para que empresas possam prover serviços financeiros completos, de contas digitais e cartões a liquidação, compliance e relatórios regulatórios. A infraestrutura inclui Open Finance nativo com gestão de consentimentos, KYC integrado, relatórios regulatórios automatizados, como SCR, CADOCs e COSIF, e conectividade direta com o SPB e a RSFN. Vale destacar que a Celcoin não oferece nenhum tipo de empréstimo para consumidores, a Celcoin fornece a infraestrutura tecnológica para que empresas consigam ofertar produtos de crédito aos seus clientes.
A tabela a seguir resume as principais funcionalidades da infraestrutura da Celcoin e o impacto direto de cada uma na redução de custos, aceleração de lançamentos e mitigação de riscos regulatórios.
|
Funcionalidade da Celcoin |
Benefício para sua empresa |
|
APIs modulares |
Integrações mais rápidas, com redução de custos e prazos de desenvolvimento. |
|
Experiência e suporte ao desenvolvedor |
Documentação, SDKs e sandboxes reduzem ciclos de integração e custos de engenharia. |
|
Capacidade de lançamento rápido |
Módulos pré-construídos e entrega via SaaS aceleram lançamentos, o que melhora o tempo para geração de receita e competitividade. |
|
Distribuição white-label e embutida (embedded) |
Suporte a produtos financeiros com marca própria. |
|
Escalabilidade com confiabilidade |
Solução com alta disponibilidade e escalável na nuvem mantém serviços funcionando mesmo com altos volumes, o que protege a receita da sua empresa. |
|
Cobertura de diversas possibilidades de pagamentos, incluindo crédito |
Oferecer pagamentos e emissão de crédito aumenta conversão, ARPU e fidelização. |
|
Acesso a dados e personalização |
Dados e análises via Open Finance permitem ofertas personalizadas, o que melhora conversão e retenção. |
|
Compliance e conformidade como princípio |
KYC, AML e relatórios integrados reduzem risco regulatório e aceleram ciclos de vendas. |
|
Prevenção de fraude e controles de risco |
Monitoramento baseado em IA e autenticação robusta reduzem estornos, perdas e exposição regulatória. |
|
Força do ecossistema de parceiros da Celcoin |
Parcerias e integrações com bancos, redes e fintechs ampliam cobertura, recursos e velocidade de entrada no mercado. |
Acesse todas essas funcionalidades com a infraestrutura modular da Celcoin.
FAQ
O que diferencia um motor de crédito para análise de risco de um sistema de score tradicional?
Um sistema de score tradicional gera um número estático em um bureau externo com base em histórico de crédito formal. Um motor de crédito para análise de risco funciona como um sistema completo que orquestra múltiplas fontes de dados, incluindo SCR, Open Finance e dados comportamentais internos. Esse motor aplica modelos PD, LGD e EAD em tempo real, executa políticas de decisão versionadas e retorna uma decisão estruturada com justificativa auditável. O motor pertence à instituição, é configurável por segmento de produto e cliente e pode ser recalibrado continuamente com base no desempenho da carteira.
Como o Open Finance melhora a análise de risco para clientes sem histórico de crédito formal?
Clientes thin file, como autônomos, trabalhadores de plataformas digitais e microempreendedores, muitas vezes não aparecem ou são mal classificados em bureaus tradicionais porque não possuem histórico de crédito formal. O Open Finance permite acessar, com consentimento, extratos bancários, recorrência de receitas, padrões de gasto, comprometimento de renda e sinais de alerta como uso crescente de cheque especial. Esses dados tornam o perfil de risco do cliente mensurável, o que permite aprovações que modelos baseados apenas em bureau recusariam.
O modelo híbrido, que combina bureau para clientes com histórico formal e Open Finance para os demais, costuma ser a abordagem mais eficaz para ampliar aprovações sem aumentar o risco da carteira.
Quais são os requisitos regulatórios mínimos para operar um motor de crédito no Brasil?
Operar um motor de crédito no Brasil exige, no mínimo, licença regulatória adequada, como IP para pagamentos e crédito direto ao consumidor ou IF para operações mais amplas, ou parceria com instituição licenciada no modelo BaaS. A instituição também precisa cumprir a Resolução Conjunta BCB/CMN nº 1/2020 para uso de dados de Open Finance, aderir à LGPD para gestão de consentimentos e finalidade de uso de dados, integrar o motor ao SCR para consulta e reporte de operações de crédito e manter documentação auditável de modelos, políticas de decisão e versões aplicadas em cada operação. Instituições sujeitas a requerimentos prudenciais de capital devem ainda seguir diretrizes de Basileia para modelos IRB e normas de IFRS 9 para provisões.
Com que frequência modelos PD, LGD e EAD devem ser recalibrados?
A recomendação mínima é recalibrar modelos ao menos uma vez por ano, com monitoramento contínuo de indicadores de estabilidade e calibração. O Population Stability Index deve ser calculado mensalmente. Valores acima de 0,25 indicam mudança significativa na população e exigem recalibração imediata. Métricas de discriminação como AUC, Gini e KS devem ser avaliadas em amostras out-of-time a cada trimestre.
Eventos macroeconômicos relevantes, como mudanças abruptas na taxa Selic, crises setoriais ou alterações regulatórias, devem disparar revisão extraordinária, independentemente do ciclo regular. Cada recalibração precisa de documentação com justificativa, aprovação por comitê de crédito e registro no sistema de versionamento de políticas.
É possível implementar um motor de crédito sem construir toda a infraestrutura do zero?
É possível implementar esse tipo de solução sem construir toda a infraestrutura do zero. Empresas que utilizam infraestrutura de Banking as a Service ou Core Banking de um parceiro tecnológico com licenças regulatórias próprias podem acessar APIs prontas para Open Finance, KYC, SCR e relatórios regulatórios. Com isso, a equipe interna concentra esforços nas camadas de modelagem e políticas de decisão que diferenciam o produto.
Essa abordagem reduz de forma relevante o tempo de implementação, que pode cair de meses para semanas em alguns casos, e elimina a necessidade de manter equipes dedicadas exclusivamente à conformidade regulatória e à integração com sistemas do Banco Central.
