Pesquisas recentes demonstram que LLMs podem simular respostas de participantes humanos em experimentos sociais com correlação elevada aos efeitos reais (r ≈ 0,85 em arquivo de 70 estudos com amostras representativas). No setor financeiro, essa capacidade abre um paradigma: mercados virtuais compostos por milhões de clientes sintéticos para prever aceitação de produtos, riscos de adoção e impacto regulatório.
Por que importa
Bancos e fintechs dependem hoje de pesquisas, focus groups, testes A/B e modelos estatísticos — abordagens com alto custo, amostra limitada e dificuldade para cenários inéditos. Synthetic Agents oferecem alternativa complementar: uma população digital que representa milhões de consumidores e permite experimentos baratos e rápidos.
Perfil de cada agente sintético
| Dimensão | Atributos |
|---|---|
| Demográfico | Idade, região, escolaridade, profissão |
| Financeiro | Renda, score, endividamento, capacidade de pagamento |
| Comportamental | Aversão ao risco, sensibilidade a preço, propensão ao crédito |
| Psicológico | Conservador, moderado, agressivo, planejador |
Exemplos de agentes bancários
Aposentado INSS
68 anos, renda de benefício, baixa afinidade digital. Simulações: contratação de consignado, aceitação de biometria, sensibilidade à taxa de juros, reação a novas regras.
Jovem digital
25 anos, usuário de apps, sem patrimônio relevante. Simulações: conta digital, PIX parcelado, cartão, investimentos automáticos.
MEI e alta renda
Fluxo de caixa variável (capital de giro, antecipação) ou patrimônio elevado (wealth, fundos, crédito estruturado).
Casos de uso
- Crédito — “O que acontece se reduzirmos a taxa de consignado em 0,5%?” → adesão, volume, impacto financeiro
- Lançamento — taxa de adesão, objeções, faixas etárias e canais mais efetivos
- Comunicação — comparar mensagens (“Taxas a partir de 1,5%” vs. “Economize até R$ 300/mês”)
- Consignado INSS — campanha, mudança regulatória, aceitação de assinatura digital por faixa etária
O banco como ecossistema de agentes
Além de agentes-cliente, o modelo evolui para agentes especializados: regulador (impacto de normas), concorrente, mercado (macro), fraude e correspondente bancário — interagindo em sociedades virtuais onde opiniões se propagam e a adoção emerge organicamente.
Base científica
A abordagem alinha-se a pesquisas em Generative Agents, populações sintéticas e previsão de efeitos experimentais com LLMs. Limitações permanecem: viés demográfico, contextos fora do treino e risco de uso indevido — exigem governança e validação com dados reais antes de decisões críticas.