Crédito e inteligência artificial: quando quem compra é um agente de IA, quem aprova o crédito?
São 3h12 da manhã. O agente de IA de um distribuidor de materiais de construção percebe que o estoque de cimento vai acabar em quatro dias, compara três fornecedores, negocia frete e fecha um pedido de R$ 80 mil para pagar em 60 dias. Ninguém da empresa está acordado. Do outro lado, o sistema do fornecedor recebe o pedido por API e precisa responder em segundos: aprova a venda a prazo ou não?
A cena parece futurista, mas o comportamento que a sustenta já está aqui. Segundo o Agentic Commerce Report 2026, da Global Payments com a consultoria The Lantern, 72% dos brasileiros já experimentaram ou aceitariam usar agentes de IA para pesquisar, escolher e comprar produtos. Em 2025, eram 39%. O Brasil teve o maior avanço entre os sete países pesquisados.
Os mesmos consumidores, porém, colocam condições: 41% querem uma etapa de confirmação antes de qualquer compra feita por um agente, e 36% se preocupam com quem responde quando algo dá errado. Essa tensão é exatamente o problema de quem concede crédito. Quando o comprador é um software, a análise de crédito não pode depender de um vendedor ao telefone, de um analista olhando a tela ou de sinais pensados para pessoas. Ela precisa ser automática, parametrizada, limitada pelo que o cliente autorizou e explicável depois.
Este artigo mostra o que muda na decisão de crédito quando quem compra é um agente de IA, o que a regulação brasileira já exige de decisões automatizadas e como estruturar uma política de crédito pronta para receber pedidos de máquinas.
O que é comércio agêntico
Comércio agêntico é o modelo em que um agente de inteligência artificial executa compras em nome de uma pessoa ou empresa, dentro de limites definidos previamente. Diferentemente de um assistente que só recomenda produtos, o agente pesquisa, compara, negocia, escolhe e conclui a compra, inclusive o pagamento.
No varejo, o agente pode repor itens da casa ou comprar um presente dentro de um orçamento. No B2B, ele pode cuidar da reposição de estoque, cotar insumos e emitir pedidos de compra. Nos dois casos, a interação deixa de passar por telas e cliques e passa a acontecer entre sistemas, por API.
O problema exato: as perguntas do crédito mudaram
Em uma venda tradicional a prazo, a análise de crédito responde a uma pergunta principal: este cliente vai pagar? No comércio agêntico, antes dela vêm outras quatro:
- Quem é o agente? Ele representa de fato o cliente que diz representar, ou é um robô qualquer usando dados de uma empresa?
- Em nome de quem ele compra? O crédito é sempre do principal, a pessoa ou empresa que delegou a compra. O agente não tem patrimônio nem responde por dívidas.
- Até onde vai o mandato dele? Qual o valor máximo por pedido e por dia, quais categorias, quais fornecedores, por quanto tempo vale a autorização?
- Quem responde se der errado? Se o agente compra fora do escopo, comete um erro ou é manipulado, quem arca com a perda, e como provar o que foi autorizado?
Uma política de crédito que não responde a essas quatro perguntas vai errar para os dois lados: aprovar pedidos que o cliente nunca autorizou ou recusar pedidos legítimos só porque não houve um humano na ponta.
Por que o modelo atual de decisão de crédito quebra
Os sinais humanos perdem valor. Boa parte da análise de risco em canais digitais observa o comportamento de quem compra: dispositivo, padrão de navegação, tempo de digitação. Quando quem compra é um software, esses sinais dizem pouco. O que importa passa a ser a credencial do agente, o escopo da autorização e a coerência do pedido com o histórico do principal.
A velocidade muda a escala do risco. Um agente pode fazer em uma hora o que um comprador humano faz em um mês. Sem limites por janela de tempo, uma sequência de pedidos pequenos, cada um dentro do limite, pode esgotar o crédito do cliente antes que qualquer pessoa perceba.
O agente pode ser enganado. Agentes leem propostas, catálogos e mensagens. Um texto preparado para manipular o modelo de IA (a chamada injeção de prompt) pode levá-lo a aceitar condições que o cliente jamais aceitaria. A decisão de crédito não pode confiar só no que o agente afirma.
Não há mais ninguém no balcão. Exceções que antes eram resolvidas por um vendedor experiente agora chegam às 3 da manhã, em volume. Ou a política sabe o que fazer com elas, ou elas viram fila, recusa ou risco.
Sua política de crédito está pronta para receber pedidos de máquinas, 24 horas por dia? O Motor de Crédito da B2e decide por API em segundos, com regras, limites e alçadas definidos pela sua empresa. Fale com um especialista da B2e
E há um ponto que muita empresa ignora: a regulação brasileira ainda não fala em agentes de IA, mas já diz como uma decisão automatizada precisa se comportar.
O que a regulação brasileira já exige de decisões automatizadas
Nenhuma norma brasileira trata especificamente de agentes de IA como compradores. Mas quatro regras em vigor ou já aprovadas desenham o que se espera de uma decisão de crédito sem intervenção humana:
| Norma | O que estabelece | Por que importa no comércio agêntico |
|---|---|---|
| LGPD (Lei nº 13.709/2018), art. 20 | Direito do titular de pedir a revisão de decisões tomadas unicamente com base em tratamento automatizado, inclusive as que definem seu perfil de crédito, e de receber informações claras sobre os critérios usados | A decisão precisa ser explicável e registrada. “O modelo decidiu” não é resposta |
| Resolução BCB nº 603/2026 | Oferta de crédito durante um Pix só com consentimento prévio e específico do usuário, com 24 horas entre a habilitação e a primeira oferta. Vigência: 1º de julho de 2027 | Crédito no meio de um fluxo de pagamento depende de autorização dada antes, não no impulso |
| Resolução BCB nº 601/2026 | Painel de Dívidas Consolidadas, simulações de custo e alertas de risco antes de novas contratações. Vigência: 1º de julho de 2027 | O regulador quer capacidade de pagamento verificada antes de cada nova dívida |
| Resolução Conjunta nº 21/2026 (CMN e BC) | Consentimento específico do cliente para cada parceira que recebe dados do Open Finance, com dever de monitoramento | Se o agente usa dados financeiros do cliente, cada acesso precisa estar autorizado e rastreado |
As resoluções do Banco Central se aplicam a instituições financeiras, e a LGPD vale para qualquer empresa que decide com base em dados pessoais. A mensagem comum é clara: autorização prévia, limites explícitos e decisões que podem ser explicadas e revistas. É exatamente o que uma política de crédito para agentes de IA precisa ter.
Como aprovar crédito quando quem compra é um agente de IA: 6 camadas
1. Identifique o principal e o agente
A primeira camada é saber com quem você está fazendo negócio. O principal, a pessoa ou empresa, passa pelo mesmo processo de identificação e verificação de qualquer cliente. O agente precisa de uma credencial vinculada a esse principal, que possa ser verificada a cada pedido e revogada a qualquer momento.
2. Verifique o mandato antes do crédito
Antes de calcular o risco, confira se o pedido está dentro do que o cliente autorizou: valor máximo por pedido e por período, categorias e fornecedores permitidos, prazo máximo de pagamento e data de validade da autorização. Pedido fora do mandato não é questão de crédito: é recusa, ou confirmação com o humano.
3. Decida o crédito sobre o principal, com sublimite para o agente
O risco de crédito é sempre do cliente, não do software. Por isso, o limite é um só, compartilhado entre os compradores humanos e os agentes da empresa, com um sublimite para o que o agente pode consumir sozinho. Assim, um agente nunca usa sozinho todo o crédito de um cliente.
4. Controle velocidade e fracionamento
Defina limites por janela de tempo (por hora, por dia), consolide pedidos do mesmo principal e trate como sinal de alerta uma sequência de pedidos pequenos que, somados, fogem do padrão. É a versão, para máquinas, do que a análise antifraude já faz com testes de cartão.
5. Crie alçadas de escalonamento humano
Nem tudo deve ser automático. Defina faixas: abaixo de um valor e dentro do padrão, a aprovação é automática; acima dele, ou fora do padrão, o sistema pede confirmação ao humano responsável antes de liberar. É a etapa que 41% dos consumidores já disseram querer, e que, no B2B, protege o fornecedor e o próprio cliente.
6. Registre e explique cada decisão
Para cada pedido, guarde quem pediu, em nome de quem, sob qual mandato, quais dados foram consultados, quais regras foram aplicadas e qual foi o resultado. Essa trilha resolve as disputas (“eu não autorizei essa compra”), atende ao direito de revisão da LGPD e alimenta a calibragem das regras.
| Decisão de crédito com comprador humano | Decisão de crédito com agente de IA | |
|---|---|---|
| Quem é analisado | O comprador | O principal (pessoa ou empresa) e a credencial do agente |
| O que autoriza a compra | O clique ou a assinatura do comprador | O mandato definido previamente pelo principal |
| Sinais de risco | Comportamento, dispositivo, histórico | Escopo do mandato, velocidade, coerência com o histórico do principal |
| Limite | Limite do cliente | Limite do cliente com sublimite do agente |
| Exceções | Resolvidas pelo vendedor ou analista | Escalonamento automático para o humano responsável |
| Prova da decisão | Documento ou contrato | Registro completo de pedido, mandato, regras e resultado |
Limites, sublimites, alçadas e registro de cada decisão: tudo isso é configuração, não projeto de TI. O Motor de Crédito da B2e permite que o seu time de crédito defina e ajuste essas regras e aplique a mesma política a pedidos de pessoas e de máquinas. Agende uma conversa com a B2e
Na prática: um pedido de agente passando pela política
O exemplo abaixo é ilustrativo. Um distribuidor autorizou seu agente de reposição a comprar insumos de até R$ 50 mil por pedido e R$ 150 mil por semana, com prazo de até 60 dias. O cliente tem limite total de R$ 400 mil com o fornecedor.
| Pedido do agente | O que a política verifica | Decisão |
|---|---|---|
| R$ 32 mil, insumo habitual, 30 dias | Dentro do mandato, do sublimite e do padrão de compra | Aprovação automática em segundos |
| R$ 80 mil, insumo habitual, 60 dias | Acima do teto por pedido definido no mandato | Pedido de confirmação ao comprador responsável |
| 12 pedidos de R$ 9 mil em duas horas | Cada um é pequeno, mas a soma estoura o teto semanal e foge do padrão | Bloqueio dos pedidos seguintes e alerta para análise |
| R$ 25 mil em uma categoria nunca comprada antes | Fora das categorias autorizadas | Recusa automática e aviso ao cliente |
| R$ 40 mil, com o cliente atrasando outras faturas | Dentro do mandato, mas o risco do principal subiu | Contraproposta: prazo de 30 dias ou pagamento antecipado de parte |
Nenhuma dessas decisões depende de alguém acordado às 3 da manhã. Todas podem ser explicadas no dia seguinte.
Você é fornecedor B2B e já recebe pedidos por integração, sem saber se do outro lado há uma pessoa ou um sistema? O Motor de Crédito da B2e aplica a sua política a cada pedido, com limite, alçada e registro, antes de faturar. Se você é varejo e quer se preparar para o cliente que compra por agente, a mesma lógica vale para o crediário e o parcelamento próprio. Converse com um especialista em crédito
O que o Motor de Crédito da B2e faz no comércio agêntico
O Motor de Crédito da B2e transforma a política de crédito da empresa em decisões automáticas, aplicadas da mesma forma a qualquer canal, seja um vendedor, um portal B2B, um e-commerce ou um sistema que envia pedidos por API. Na prática, ele:
- recebe o pedido via API e devolve a decisão em segundos, o que permite responder a pedidos máquina a máquina, 24 horas por dia;
- aplica as regras definidas pela empresa para qualquer informação recebida com o pedido, como origem, valor, categoria, prazo e frequência, o que permite configurar tetos, sublimites e janelas de tempo;
- valida a identidade do cliente com o antifraude nativo da B2e, antes da análise de crédito;
- orquestra as fontes de dados, cruzando o histórico interno do cliente com dados cadastrais, de mercado e, com consentimento, do Open Finance. A B2e não é um bureau: o motor combina as fontes que fazem sentido para cada política;
- calcula o risco e a capacidade de pagamento do principal e define limite, prazo e condições;
- decide entre aprovar, recusar, fazer uma contraproposta ou encaminhar para um humano, conforme as alçadas definidas;
- registra o motivo de cada decisão, gerando a trilha que permite explicar, revisar e auditar;
- permite que o time de crédito ajuste regras rapidamente, sem esperar um ciclo de desenvolvimento;
- aprende com os resultados, com modelos de machine learning calibrados pelas safras da própria operação. O artigo IA na análise de crédito aprofunda esse ponto.
A B2e atua há 13 anos em decisão de crédito e prevenção à fraude e atende mais de 200 clientes em varejo, e-commerce, turismo, telecom e serviços financeiros. Para entender a arquitetura em detalhe, veja O que é um motor de decisão de crédito e como funciona.
Quem aprova o crédito? A sua política
A pergunta do título tem uma resposta simples: quando quem compra é um agente de IA, quem aprova o crédito é a política da sua empresa, executada por um sistema que não dorme, não improvisa e registra tudo. O que muda é que essa política precisa existir por escrito, com limites, mandatos e alçadas, e precisa rodar sem depender de alguém para interpretá-la.
As empresas que se prepararem agora vão receber os pedidos dos agentes como uma oportunidade de vender mais, a qualquer hora. As outras vão descobrir o problema quando o primeiro pedido de R$ 80 mil chegar de madrugada, e ninguém souber dizer se ele deveria ter sido aprovado.
Se a sua política de crédito ainda não está pronta nem para os compradores humanos, comece por Política de crédito 2027: o que revisar antes de virar o ano?. Se você vende para outras empresas, veja também Venda a prazo B2B: quais problemas de crédito travam o crescimento da sua empresa?.
Prepare a sua decisão de crédito para pedidos de pessoas e de agentes de IA. Fale com um especialista da B2e Group e veja como o Motor de Crédito aplica a sua política em segundos, com limites, alçadas e trilha de auditoria. Falar com um especialista da B2e
5. FAQ — Perguntas frequentes sobre crédito e inteligência artificial
É o modelo em que um agente de inteligência artificial executa compras em nome de uma pessoa ou empresa, dentro de limites definidos previamente. O agente pesquisa, compara, negocia e conclui a compra, incluindo o pagamento, normalmente por integração entre sistemas.
Pode, desde que o crédito seja concedido ao principal, a pessoa ou empresa que delegou a compra, e que o pedido esteja dentro do mandato autorizado. O agente não tem patrimônio nem responde por dívidas. Por isso, a análise considera o risco do principal e os limites que ele definiu para o agente.
O sistema do vendedor identifica o principal e a credencial do agente, verifica se o pedido está dentro do mandato, calcula o risco de crédito do principal, aplica sublimites e limites por período e decide entre aprovar, recusar, fazer uma contraproposta ou pedir a confirmação de um humano. Cada decisão é registrada com o motivo.
Na análise de crédito com IA, a empresa usa modelos de inteligência artificial para avaliar o risco dos seus clientes. No comércio agêntico, quem está do outro lado da compra é um agente de IA que age em nome de um cliente. As duas coisas podem acontecer juntas, mas exigem controles diferentes: no segundo caso, é preciso verificar também o mandato e a identidade do agente.
Sim. O art. 20 da LGPD garante ao titular dos dados o direito de pedir a revisão de decisões tomadas unicamente com base em tratamento automatizado, inclusive as que definem seu perfil de crédito, e de receber informações claras sobre os critérios usados. Por isso, decisões automáticas precisam ser registradas e explicáveis.