Discurso do Governador Waller sobre a operacionalização da IA na Federal Reserve

Obrigado, Presidente Collins, e obrigado pela oportunidade de falar convosco hoje.1 A inteligência artificial é um fenómeno tecnológico que está a conquistar o mundo. Lemos sobre ela todos os dias e muitos de nós já a utilizámos de alguma forma. Na minha vida, nunca tinha visto uma revolução tecnológica como esta — e já assisti ao nascimento da exploração espacial, ao crescimento do computador pessoal, à explosão da internet e, posteriormente, dos smartphones. Embora todas sejam transformadoras, nenhuma iguala o potencial que a IA tem de mudar as nossas vidas, e a uma velocidade impressionante. Empresas, famílias e todos os governos estão a tentar incorporá-la na forma como funcionam e operam. E estou aqui para vos dizer que o Federal Reserve não é diferente.

Assim, dado o tema desta conferência e a composição do público, achei que era um bom momento para discutir como o Sistema do Federal Reserve está a usar inteligência artificial para construir e otimizar os sistemas que suportam o nosso trabalho, bem como a integrá-la em outras aplicações internas.

Agora, a maioria das pessoas associa o Federal Reserve à política monetária — taxas de juro, inflação e as decisões que fazem manchetes quando os responsáveis do Fed se reúnem oito vezes por ano. Mas a maior parte da nossa atividade diária consiste em tarefas operacionais, como pagamentos, gestão financeira, recursos humanos e prestação de serviços financeiros ao Tesouro dos EUA. Um elemento crítico deste trabalho operacional é a tecnologia. A IA é a mais recente tecnologia que estamos a incorporar no nosso trabalho diário para alcançar eficiências operacionais.

O Fed foi criado em 1913 como um sistema de bancos regionais, e, historicamente, muitas decisões tecnológicas eram tomadas banco por banco. Isso fazia sentido numa era anterior, em que cada Banco da Reserva operava efetivamente como uma organização separada. Mas, à medida que o trabalho do Fed se tornou mais digital e interligado — juntamente com a evolução do sistema bancário e da economia mais ampla — essa abordagem começa a criar duplicações, ineficiências e riscos operacionais.

Quando os sistemas estão interligados, decisões tomadas isoladamente criam problemas de coordenação — especialmente dada a escala e a criticidade dos sistemas que o Fed opera. Manter os padrões de resiliência e segurança de um banco central exige um modelo mais coordenado.

Por isso, estamos a avançar para uma abordagem centrada no Sistema do Federal Reserve — com padrões e infraestruturas partilhados, preservando a descentralização onde mais importa, particularmente para a política monetária e a investigação económica.2

E a urgência de fazer esta transição está a aumentar. O volume e a velocidade das mudanças tecnológicas continuam a crescer. Como uma instituição pública com um papel importante nos sistemas financeiros dos EUA e globais, o Fed deve acompanhar o ritmo para oferecer serviços eficazes e fiáveis, em parceria com o setor privado.

Essa velocidade de mudança foi evidente na recente Conferência de Inovação em Pagamentos que organizei, onde diversos participantes falaram sobre a convergência de IA, stablecoins, tokenização e pagamentos — um tema que também ouço frequentemente nas minhas conversas com a indústria e que suspeito surgirá ao longo dos painéis de hoje.

Diante dessa velocidade de mudança, uma abordagem banco por banco simplesmente não funciona, especialmente para tecnologias de fronteira como a tokenização, computação quântica e IA generativa. Estes são desafios audazes — e oportunidades — que atravessam todo o Sistema do Federal Reserve.

Enfrentar o momento exige coordenação a nível de todo o Sistema, uma orientação para a ação e uma execução disciplinada em escala. Por isso, criámos deliberadamente uma prática de inovação centrada no Sistema. Em vez de duplicar esforços — fazer a mesma coisa cem vezes em todo o Sistema — podemos fazer cem coisas diferentes. Uma abordagem sistémica permite-nos passar de ideias à implementação de forma mais rápida e eficiente.

A IA é um estudo de caso de como esta abordagem funciona na prática. Não preciso dizer a esta audiência o quão rapidamente a IA está a evoluir — a transformar a forma como o trabalho é feito e como as organizações operam. Como construtores e líderes, vocês experienciam isso em primeira mão. E o Federal Reserve não é exceção. É imperativo que acompanhemos o ritmo. Sim, somos um banco central; “quebrar coisas e pedir perdão” não funciona aqui. Com grande poder vem grande responsabilidade. Os sistemas de IA podem amplificar erros tão rapidamente quanto aumentam a eficiência. Podem criar alucinações. Podem introduzir riscos reais relacionados com proteção de dados, risco de modelos, viés e resiliência operacional. Não podemos abordar a IA de forma casual. Como banco central, mantemo-nos a um padrão elevado. Isso significa limites claros sobre como e onde ela é usada, fortes controles de segurança da informação, validação rigorosa de modelos, responsabilidade humana pelas decisões e avaliação contínua à medida que a tecnologia evolui. Inovação e gestão de riscos não são prioridades concorrentes — reforçam-se mutuamente.

Precisamos respeitar estes princípios, mas a passividade também não é uma opção. Não podemos permitir-nos atrasar ou abordar a mudança transformacional de forma fragmentada. Por isso, estamos a fazer as coisas de forma diferente. Na implementação da IA no Fed, estamos a avançar como um Sistema único, com direção e alinhamento partilhados. Desenvolvemos uma plataforma interna comum de IA de uso geral para todos os funcionários das Reservas. A nossa abordagem é intencionalmente orientada pelos negócios e habilitada por IA. Começamos pelo problema a resolver e pela necessidade do negócio, e depois aplicamos a capacidade certa de toda a pilha de IA. Essa disciplina ajuda-nos a entregar valor real ao negócio, evitando complexidade e custos desnecessários.

Ser orientado pelos negócios também significa integrar a IA na forma como o Fed opera — não tratá-la como um conjunto de experiências aleatórias ou projetos “zumbis”.

O objetivo não é novidade. É utilidade.

Vamos então ver exemplos práticos de uso de IA. Estamos a implementar IA de três formas focadas e complementares, que refletem como o trabalho é realizado numa instituição grande e complexa — acesso amplo para todos os funcionários, ferramentas especializadas para os construtores e capacidades integradas nos fluxos de trabalho empresariais — que, juntos, fazem parte do funcionamento diário do Federal Reserve.

Comecemos com IA de uso geral para todos os funcionários, porque é aí que o impacto diário mais se manifesta primeiro.

Trata-se de tornar a IA uma capacidade básica do trabalho cotidiano, não uma ferramenta de nicho. Cada funcionário tem acesso a soluções de IA aprovadas pelo Fed que pode usar ao longo do dia — para redigir, resumir, analisar informações e resolver problemas mais rapidamente. Para muitos, funciona como um assistente digital omnipresente — uma ferramenta de consulta a que podem recorrer enquanto resolvem problemas e realizam tarefas diárias. O objetivo não é transformar todos em tecnólogos; é reduzir atritos no trabalho rotineiro, permitindo que as pessoas dediquem mais tempo ao julgamento, à resolução de problemas e a atividades de maior valor.

De várias formas, isto espelha como as pessoas já usam IA na sua vida pessoal. Na minha própria casa, a IA tornou-se uma ferramenta do dia a dia — tal como um smartphone ou até um micro-ondas que usamos sem pensar. A minha esposa usa-a como uma companheira diária: planeando viagens, ajudando os nossos filhos a pensar em opções de carreira, comparando preços ou transformando tarefas pequenas e irritantes em algo mais gerível.

Não é algo exótico. É uma ferramenta.

E é exatamente assim que devemos pensar na IA no trabalho também.

Deixe-me tornar isto concreto.

Os funcionários do Fed frequentemente recebem materiais de fundo substanciais, fora do FOMC, para ajudar na preparação para várias reuniões. Para sintetizar essa informação, às vezes usam a ferramenta interna de IA de uso geral do Fed para gerar rapidamente os principais temas. Claro que ela não substitui a preparação ou o julgamento. Ela comprime o trabalho mecânico, permitindo dedicar mais tempo ao conteúdo e às questões importantes.

Outro exemplo é quando uma colega regressa de umas férias bem merecidas — uma verdadeira desintoxicação digital, sem acesso a dispositivos de trabalho ou emails — e volta a encontrar uma caixa de entrada e uma fila de documentos cheia. Em vez de passar dias a organizar tudo, ela usou a ferramenta interna de IA do Fed para resumir e triagem do que tinha acumulado. Assim, pôde ir direto ao que exigia a sua expertise.

Em ambos os casos, a ferramenta trata do volume e da primeira passagem. A decisão final cabe ao humano.

A segunda área onde estamos a ver impacto real é com os desenvolvedores e construtores práticos — as pessoas que transformam ideias em implementação.

Assistentes de codificação ajudam os desenvolvedores a otimizar o trabalho ao longo do ciclo de desenvolvimento de software — desde documentação e refatoração até escrita de código e testes unitários. Isso ajuda as equipas a resolver atrasos mais rapidamente, melhorar a qualidade e fiabilidade, modernizar sistemas e entregar mais valor e inovação.

Mas isto não é apenas sobre velocidade.

A IA está a assumir algumas das partes mais demoradas e menos satisfatórias do desenvolvimento de software, permitindo que os desenvolvedores se concentrem na segurança e na qualidade. Isso é importante para uma instituição como o Federal Reserve, onde a fiabilidade e a resiliência dos sistemas de produção são críticas.

Por exemplo, os testes unitários. São essenciais para a qualidade e resiliência, mas não são a parte do trabalho que entusiasma os desenvolvedores. Em várias equipas, tarefas que antes levavam dias agora são concluídas em horas com assistência de IA. Um desenvolvedor disse-me diretamente: “O que antes me levava dois dias agora leva duas horas.” Isso liberta tempo para trabalhos de maior valor, como reforçar a segurança e desenvolver novas capacidades. À medida que estas ferramentas evoluem, os benefícios acumulam-se.

Há também um ponto mais amplo sobre capacidade. Quando os assistentes de codificação reduzem o custo de produzir software, ao mesmo tempo que melhoram a qualidade, aumentam o que é possível fazer. Podemos escrever mais código, construir mais capacidades e entregar mais valor ao negócio. À medida que a escassez diminui, a capacidade aumenta — permitindo-nos resolver atrasos e dívidas técnicas que se acumulam ao longo do tempo.

Uma analogia útil que ouvi é a do iPhone e da fotografia. Colocar uma câmara no bolso de toda a gente não eliminou a fotografia profissional. Reduziu o custo de produção, aumentou o volume e expandiu o mercado. Mais fotos foram tiradas, e a procura por trabalhos de alta qualidade cresceu. Acredito que os assistentes de codificação funcionarão de forma semelhante para o software.

No Fed, já estamos a ver uma forte adoção inicial — centenas de desenvolvedores a adotarem estas ferramentas rapidamente — o que nos indica que esta capacidade está a responder a uma necessidade real.

Deixe-me dar um exemplo diferente — um que é menos sobre código e mais sobre ouvir as comunidades que servimos.

No Federal Reserve, recolhemos uma quantidade enorme de informações qualitativas — conversas com empresas, líderes comunitários e participantes do mercado. Historicamente, sintetizar essas informações por regiões e períodos tem sido trabalhoso.

Usando ferramentas de IA, os analistas podem agora extrair temas específicos de grandes volumes de notas de entrevistas, comparar padrões ao longo dos ciclos e identificar mudanças de sentimento muito mais rapidamente. Isso não substitui o julgamento humano — acelera a primeira passagem, permitindo que os economistas dediquem mais tempo a interpretar o que realmente importa.

A terceira forma de colocar IA em produção é integrando-a diretamente nos fluxos de trabalho que as pessoas já usam.

Em vez de pedir às equipas que adotem ferramentas completamente novas ou construam soluções personalizadas, estamos a ativar capacidades de IA dentro das plataformas que já suportam o trabalho diário em áreas como jurídica, risco, compras, operações e outras funções empresariais.

A adoção acompanha o fluxo de trabalho. Quando a IA está integrada — e não apenas acrescentada — as pessoas não precisam alterar a sua forma de trabalhar para obter valor dela.

Se é um comprador online ou viajante frequente, provavelmente já experimentou essa mudança. Quando algo corre mal — um voo atrasado, uma conexão perdida, uma encomenda danificada — muitas vezes é mais rápido resolver através de um chat ou mensagem, ou até por aquela chamada que todos evitamos. Em muitos casos, a IA trabalha nos bastidores para resumir o contexto, encaminhar o problema ou resolvê-lo diretamente — e, quando há uma pessoa envolvida, ela está melhor preparada para ajudar. A experiência é mais simples, mais rápida e muitas vezes melhor.

Essa mesma dinâmica aplica-se no Fed. Ao integrar a IA nos sistemas empresariais existentes, podemos melhorar a rapidez, a consistência e a qualidade do serviço, sem criar soluções fragmentadas. É também uma opção fiscalmente responsável. Dado o ritmo acelerado de evolução da tecnologia, consumir IA através de plataformas de fornecedores permite-nos beneficiar das melhorias contínuas, em vez de construir e manter ferramentas que podem tornar-se dispendiosas ou desatualizadas.

No conjunto, estes exemplos mostram como estamos a passar da exploração à execução de IA através de uma abordagem coordenada, centrada no Sistema.

O resultado é um aumento de capacidade em toda a organização, permitindo às equipas enfrentar problemas complexos e entregar mais valor, ao mesmo tempo que melhoram a produtividade e a eficiência de custos através de uma inovação responsável.

Embora este seja um bom começo, não estamos interessados em ser uma sensação passageira. O que importa é a durabilidade e isso exige foco na adoção, responsabilidade e liderança.

É aqui que muitas iniciativas de IA têm sucesso ou fracassam — quando a responsabilidade passa dos primeiros adotantes para os operadores do dia a dia. A tecnologia já não é a parte difícil; a gestão da mudança é. Depende de quão rapidamente as pessoas adotam as ferramentas, quão profundamente as integram nos seus fluxos diários e se essa adoção se traduz em resultados.

Por isso, adotámos uma abordagem de prioridade na adoção. Tratamos a IA como um investimento em capital humano, não como uma experiência secundária. O treino e a capacitação acontecem em horário de trabalho, não à noite ou ao fim de semana.

E esse treino não é pontual ou teórico. É contínuo, prático e relevante para o papel de cada um. Os funcionários aprendem usando IA em fluxos de trabalho reais, através de workshops práticos, sessões de formação e sessões de geração de prompts. Esta abordagem de “mãos na massa” é importante, porque conforto e competência vêm do uso, não de slides.

Também fomos explícitos quanto às expectativas. O uso de IA não é opcional. A literacia básica e a aplicação estão a ser integradas nos objetivos de desempenho dos funcionários em todo o Sistema. O que é medido, é feito.

Vivi isto em primeira mão. Quando fui Diretor de Investigação em St. Louis, elaborámos um plano estratégico que, na prática, ficou na prateleira. O que mudou o comportamento foi colocar essas prioridades diretamente nos objetivos dos funcionários. Quando as pessoas souberam o que importava e como seriam avaliadas, a execução seguiu-se naturalmente. Essa experiência moldou a minha forma de pensar sobre como fazer a mudança perdurar.

A liderança desempenha um papel fundamental aqui. Definir expectativas e fazer investimentos é necessário, mas não suficiente. As equipas precisam de ver os líderes a dar o exemplo e a comunicar que estão comprometidos — e que também são aprendizes desta tecnologia. Esse sinal de liderança é o que transforma o impulso inicial em mudança de comportamento sustentada.

É assim que passamos de vitórias iniciais para uma capacidade duradoura, combinando tecnologia com formação, responsabilidade e liderança, para que a IA se torne uma parte duradoura de como o Federal Reserve opera.

Conferências como esta focam em como a tecnologia está a moldar o futuro. O que tentei mostrar hoje é como estamos a abordar esse desafio no Federal Reserve — entregando a nossa missão através de inovação habilitada por tecnologia, com um foco claro na execução e na eficiência. E, ao fazê-lo, demonstramos como uma instituição pública pode adotar a IA de forma responsável e de modo a fortalecer a confiança pública.

À medida que vemos tecnologias como a tokenização e a IA autónoma a surgir, vale lembrar que esta não é a primeira vez que a nossa indústria enfrenta mudanças deste tipo. Quando os caixas automáticos foram introduzidos, não eliminaram os funcionários de balcão. Em vez disso, mudaram a forma como o banking funcionava. Transações rotineiras tornaram-se mais baratas, rápidas e acessíveis, enquanto o esforço humano se deslocou para atividades de maior valor. O verdadeiro impacto não foi apenas a automação; foi a forma como as instituições se reorganizaram em torno da tecnologia.

A IA é semelhante. Os maiores ganhos não virão apenas de acrescentar IA aos processos existentes. Virão de repensar fluxos de trabalho, funções e sistemas para aproveitar ao máximo o que esta tecnologia possibilita.

O que não sabemos — e não podemos saber — é exatamente quando estas tecnologias atingir-ão o seu ponto de inflexão completo. Não receberemos um sinal claro quando a IA passar de progresso rápido para impacto verdadeiramente sistémico. Mas esperar por uma clareza perfeita não é uma estratégia. Se quisermos estar preparados quando esse momento chegar, o trabalho tem de começar já.

A IA é um exemplo claro de como o Federal Reserve pode agir de forma audaciosa e em escala, adotando uma abordagem centrada no Sistema.

1. As opiniões aqui expressas são minhas e não necessariamente refletem as dos meus colegas do Conselho do Federal Reserve. Voltar ao texto

2. Neste discurso, como Governador de Supervisão dos Bancos de Reserva, quando digo ‘Sistema’ refiro-me aos 12 bancos de reserva, não ao Conselho de Governadores. Voltar ao texto