Da originação
à cobrança

As fontes convencionais de score foram desenhadas para um mercado de trabalho que quase já não existe mais: o do trabalhador com carteira assinada de longa data, salário fixo, histórico bancário contínuo. Em 2025, a taxa anual de informalidade no Brasil foi de 38,1% da população ocupada e esse número não captura os PJs formalizados, os MEIs ativos ou os profissionais com múltiplas fontes de renda que, no papel, existem, mas cujo comportamento financeiro real o modelo convencional não consegue interpretar adequadamente.

Só em 2025, foram abertos 3,8 milhões de novos MEIs, crescimento de 22% sobre 2024 e recorde histórico da série. O mercado de trabalho brasileiro está se reinventando. O modelo de avaliação de crédito ainda não acompanhou essa transformação.

É nessa lacuna que mora a oportunidade e o risco. Para cada empresa de crédito que enxergar esse cliente antes do concorrente, há um portfólio mais saudável, uma base mais diversificada e um custo de aquisição menor. Para quem não enxergar, o custo é o inverso: aprovar menos, precificar errado, e perder para quem já opera com mais inteligência de dados.

Este relatório não trata de incluir o excluído por razões sociais. Trata de como instituições financeiras e empresas de crédito podem tomar decisões melhores ao longo de toda a jornada de crédito, da originação à cobrança, usando dados que já existem, mas que o modelo convencional não sabe ler.

Open Finance: o comportamento financeiro em tempo real

O dado transacional de uma conta bancária revela muito mais do que uma sequência de débitos e créditos. Ele revela padrões. Um tomador que recebe renda de forma regular toda semana, mantém reserva de emergência consistente, paga contas essenciais antes de gastos discricionários e não apresenta saques recorrentes de emergência, tem um perfil de comportamento financeiro que o score convencional não consegue capturar.

Quatro variáveis são especialmente relevantes para a análise de crédito. O fluxo de caixa real mostra a entrada e saída efetiva de recursos, independente de como essa renda é classificada formalmente, se CLT, PJ, MEI ou informal. O padrão transacional revela a consistência do comportamento ao longo do tempo: a frequência de pagamentos, a proporção entre renda e gastos essenciais, a regularidade das receitas. A sazonalidade permite identificar perfis de renda variável sem tratá-los como risco: um autônomo que fatura menos em janeiro e mais em dezembro pode ser um excelente pagador se seu comportamento ao longo do ano for consistente. E a reserva, o saldo médio mantido na conta ao longo do mês, funciona como proxy de gestão financeira e colchão de liquidez.

Dados de um teste em andamento com uma empresa de crédito ilustram a riqueza desse sinal na prática. Entre os usuários que conectaram sua conta bancária durante o onboarding, a taxa de conversão de conexão chegou a 82%, com antiguidade média das contas conectadas de 5,6 anos, indicando contas primárias e com histórico relevante, não contas abertas para mascarar o perfil. Em termos de principalidade, 51% das contas conectadas apresentavam alta movimentação e 33% tinham cartão de crédito em uso ativo, sinais fortes de conta principal e não de conta secundária ou inativa.

Na etapa de originação, os insights extraídos do mesmo conjunto de dados mostram o potencial de enriquecimento da decisão: 42% das conexões apresentaram sinais identificáveis de renda, 49% tinham empréstimos em andamento com concorrentes, informação crítica para entender o nível real de endividamento do tomador, e 32% apresentavam gastos recorrentes em plataformas de apostas, um sinal de comportamento financeiro que o modelo convencional nunca veria.

Dados de emprego e renda: a âncora que o Open Finance não tem sozinho

O Open Finance mostra o dinheiro se movendo. Os dados do INSS explicam de onde ele vem e por quanto tempo continuará vindo. Vínculo empregatício ativo, regime de trabalho, tempo de casa, histórico de contribuições previdenciárias e estabilidade do empregador, são variáveis que mudam radicalmente a interpretação de um fluxo de caixa. Dois tomadores com o mesmo saldo médio mensal e o mesmo padrão transacional podem ter perfis de risco completamente diferentes: um com contrato CLT em empresa sólida e outro com renda de projetos freelance sem contrato formal.

Essa distinção importa especialmente para produtos de crédito com prazo mais longo, onde a capacidade de pagamento futura é tão relevante quanto a atual. Um tomador com vínculo estável tem uma âncora de renda previsível que reduz a volatilidade do risco ao longo do tempo. Um tomador com renda variável pode ser igualmente bom pagador, mas exige um modelo de monitoramento diferente após a concessão.

Verificação em segundos, não em dias

O modelo tradicional de KYC exige que o tomador comprove identidade e renda com documentos: holerite, extrato bancário em PDF, contracheque. Esses documentos chegam com atraso, podem ser adulterados, e não refletem a situação atual do solicitante. O analista precisa interpretá-los manualmente. O processo leva dias.

Com Open Finance, a lógica se inverte. A verificação da titularidade da conta acontece em instantes, sem a necessidade de movimentar fundos e sem micro depósitos. A instituição recebe diretamente da conta bancária do solicitante a confirmação de identidade, o histórico transacional e os dados de renda em tempo real, com consentimento do usuário e dentro do marco regulatório do Banco Central.

O impacto operacional é imediato: a simplificação do KYC via conexão direta pode reduzir o abandono de cadastro em até 25%. Menos fricção no onboarding significa mais proponentes chegando à etapa de análise, o que por si só já expande a base endereçável sem nenhuma alteração no modelo de risco.

O Brasil registrou mais de 11,5 milhões de tentativas de fraude em 2024, alta de 9,4% em relação ao ano anterior, sendo que 56% dessas tentativas foram detectadas por inconsistências nas informações cadastrais. A verificação direta via conta bancária elimina esse vetor de fraude na origem: não há documento a falsificar quando a informação vem diretamente da instituição financeira do usuário.

Dados de emprego como input da decisão, não só do cadastro

A maior mudança conceitual nesta etapa não é de velocidade. É de escopo. Historicamente, o KYC serve para confirmar quem é o solicitante. Os dados coletados nessa etapa raramente alimentam o modelo de decisão de crédito de forma estruturada. O KYC qualifica o proponente para entrar na fila. A decisão acontece depois, com outros dados.

Essa separação é uma oportunidade perdida. Quando a instituição conecta a conta bancária do solicitante durante o onboarding, ela está coletando exatamente os dados que o modelo de risco precisa: padrão de recebimentos, regularidade de renda, fontes de crédito ativas, comportamento de gastos. É possível agregar todas as fontes de renda, de CLT a empregos informais, para entender a real capacidade de pagamento do usuário. O dado que verifica a identidade é o mesmo que alimenta a análise de crédito.

O mesmo vale para os dados do INSS. Vínculo empregatício ativo, regime de trabalho, histórico de contribuições previdenciárias e estabilidade de renda são informações que mudam radicalmente a leitura de risco de um tomador, especialmente para os perfis que o modelo convencional não sabe ler: o MEI recém-formalizado, o PJ com múltiplos contratos, o trabalhador com renda informal mas fluxo de caixa regular e comprovável.

O saldo como gatilho, não o calendário

A lógica da cobrança inteligente parte de uma inversão simples mas poderosa: em vez de cobrar na data prevista e torcer para que haja saldo, monitorar o saldo em tempo real e cobrar no momento em que ele aparece. O motor de cobrança observa o saldo várias vezes por dia e aciona a cobrança via Pix Inteligente assim que a regra definida pela instituição é satisfeita. Se o devedor deve R$500 e tem R$180 disponíveis, o sistema cobra os R$180 automaticamente e segue monitorando o restante, sem nenhuma ação necessária do tomador.

Esse modelo elimina um dos maiores desperdícios operacionais da cobrança convencional: a tentativa em conta vazia. Quando o timing é determinado pelo saldo real e não por um calendário, a taxa de contato efetivo sobe e o custo por real recuperado cai. Débitos regularizados nas duas primeiras semanas após o vencimento praticamente não geram perda financeira. Depois de 30 dias, a taxa de sucesso cai à metade.

Pix Inteligente: zero fricção entre saldo e pagamento

Com o Pix Inteligente, a cobrança é executada via débito recorrente entre contas do mesmo CPF, no valor total ou parcial conforme o saldo disponível, sem boleto para escanear, mensagem para responder ou ligação para atender. O caminho entre "há saldo na conta" e "a parcela foi paga" passou a ser direto, automático e instantâneo. Para a instituição, o impacto é duplo: o custo operacional cai porque a execução é automatizada, e a taxa de recuperação sobe porque a cobrança acontece exatamente quando as condições são favoráveis.

O problema está no que acontece depois do consentimento

Segundo o FinFacts 2026, estudo do Google Cloud em parceria com a agência R/GA que avaliou as jornadas digitais de 20 instituições financeiras brasileiras, nenhuma delas ofereceu produto ou benefício ao cliente imediatamente após o consentimento de dados via Open Finance, um recuo em relação ao levantamento anterior, quando quatro instituições faziam algum tipo de oferta.

O diagnóstico é preciso: o tempo de integração dos dados para gerar uma oferta relevante é longo o suficiente para que o usuário não identifique valor no ecossistema. A barreira não está na regulação. Está na integração com sistemas legados de decisão de crédito. O dado chega, mas o pipeline que deveria transformá-lo em decisão ainda não foi construído.

Consentimento: benefícios para o cliente e boas práticas

Consentir com o compartilhamento de dados financeiros é um ato de confiança. E confiança se constrói quando o cliente consegue enxergar claramente o que recebe em troca. O maior erro que as instituições cometem é pedir o consentimento sem preparar o usuário para ele. Cerca de 55% dos brasileiros não sabem o que é Open Finance, o que significa que a maioria dos usuários vai chegar na tela de consentimento sem entender o que está acontecendo.

Explique a proposta de valor de forma específica e imediata. Não diga "compartilhe seus dados para uma experiência melhor". Diga "compartilhe seus dados bancários e receba uma análise de crédito em menos de 2 minutos, sem enviar documentos". O benefício precisa ser concreto e acontecer logo depois do consentimento. Contextualizar o momento certo na jornada também importa: o pedido funciona melhor quando o usuário já tem uma intenção clara, como logo após confirmar que quer prosseguir com a análise de crédito.

A instituição deve especificar não só quais dados quer usar, mas também para qual propósito e por quanto tempo. Isso é obrigatório no modelo regulado, mas também é a melhor prática de conversão: transparência reduz abandono. Mostre exatamente quais dados serão acessados, em linguagem simples. "Histórico de transações dos últimos 12 meses" é melhor do que "dados transacionais".

Apesar disso, o crescimento dos consentimentos no Brasil é real, mas a composição revela um gargalo importante: menos de 10% dos consentimentos ativos são de pessoas jurídicas, exatamente o segmento onde o Open Finance tem maior potencial para transformar a análise de crédito de MEIs, autônomos e pequenas empresas. Segundo levantamento da Serasa Experian com 625 empresas, 42% das empresas dispostas a compartilhar dados financeiros apontam o acesso a crédito com melhores taxas como principal motivação, seguido pela busca por visão consolidada das contas (33%) e decisões mais assertivas baseadas em dados (32%).

Quatro aplicações concretas para transformar consentimento em valor

Aprovação expressa com condição visível na tela. O cliente compartilha dados de renda e recebe uma proposta com taxa personalizada em segundos, não "em até 24 horas úteis". A velocidade é o benefício. A transparência é o diferencial.

Limite pré-aprovado como confirmação do consentimento. Assim que o acesso é concedido, o app mostra: "Com base nas suas contas conectadas, você tem R$ X disponível para contratação imediata." O cliente entende na hora o que os dados dele valem para ele, não só para a instituição.

KYC com recompensa tangível. O cliente conecta a conta para completar a verificação e, em vez de só receber um "cadastro verificado", vê na tela um benefício concreto: pontos, milhas ou condição especial na próxima contratação.

Condição diferenciada na primeira operação. Ao conectar a conta, a próxima contratação tem taxa ou IOF reduzido. Funciona como um cupom de boas-vindas, mas ancorado num comportamento de alto valor. Em todos os casos, a regra é a mesma: o benefício precisa ser percebido antes de o cliente fechar o app. Consentimento sem recompensa imediata é consentimento em risco de revogação.

Interpretabilidade dos modelos: o que o regulatório exige

Há um equívoco comum sobre modelos de crédito que incorporam dados transacionais: o de que eles são necessariamente mais opacos do que o score convencional. Na prática, o oposto pode ser verdade. "Renda recorrente identificada nos últimos 12 meses, reserva média de R$ 2.000 e ausência de comprometimento excessivo com dívidas ativas" é uma justificativa de decisão mais intuitiva, mais auditável e mais explicável para o tomador do que um número entre 0 e 1000 gerado por um modelo que ele nunca vai entender.

O Banco Central e a LGPD estabelecem que decisões automatizadas que afetam consumidores precisam ser explicáveis. Dados transacionais de Open Finance, bem estruturados, atendem esse requisito com mais naturalidade do que o score estático, porque as variáveis têm significado concreto e verificável. Técnicas como SHAP values e documentação de features permitem que um modelo rico em dados seja ao mesmo tempo preciso e auditável.

Resistência interna: o gargalo que ninguém anuncia

A barreira mais difícil de superar não está nos dados nem na regulação. Está dentro das próprias instituições, e o nome correto para ela é inércia. Modelos de crédito legados foram desenvolvidos ao longo de anos e carregam um histórico real de calibração e validação. Faz sentido que haja cautela. Mas cautela e paralisia são coisas diferentes, e o custo da segunda raramente aparece no balanço de curto prazo.

A boa notícia é que a transição não precisa ser uma substituição. A abordagem recomendada é de adoção em paralelo: rodar os novos sinais de Open Finance e dados de emprego ao lado do modelo existente, comparar os resultados, validar a performance em ciclos reais de crédito e aumentar gradualmente o peso das novas variáveis à medida que a confiança se consolida. Esse processo preserva a estabilidade operacional enquanto constrói evidência interna para a mudança.