A migração de nuvem de seis anos do Deutsche Bank é o que viabilizou sua automação de documentos

A migração veio primeiro, a automação veio depois

O resultado em destaque neste post é um pipeline de documentos com IA generativa operando a 97% de precisão e 40% menos tempo de processamento. Mas Leukert dedica a maior parte do texto a descrever tudo o que aconteceu antes de esse número se tornar possível.

O Deutsche Bank começou a migrar para o Google Cloud em 2019, movendo cerca de 260 aplicações, começando deliberadamente pelas menos críticas para ganhar confiança em um ambiente regulado. O trabalho com IA é apresentado como a recompensa desse trabalho de base, não como o ponto de partida.

Esse salto valeu a pena. Migramos cerca de 260 aplicações para o Google Cloud, incluindo algumas críticas para o negócio, o que nos permitiu implementar rapidamente tecnologias de IA generativa.Montana Labs

O argumento implícito é que os ganhos de automação dependiam da infraestrutura estar pronta. Um banco não consegue rodar extração de documentos em escala em sistemas que ainda não migrou, protegeu e estabilizou.

A migração do S4/HANA é a alegação que sustenta tudo

O detalhe técnico mais concreto é a migração do SAP S4/HANA — 17 sistemas de relatórios financeiros, incluindo o livro-razão estratégico, planejamento e previsão — de infraestrutura local para a nuvem pública, descrita aqui como uma das migrações mais complexas da história do setor financeiro.

Os resultados relatados são específicos: melhorias no processamento de dados de até 50%, e tempo de recuperação reduzido entre 16 e 20 vezes. São números operacionais sobre resiliência e capacidade de processamento, não índices de precisão de modelo.

Para uma história de automação, essa é a parte mais reveladora. A recuperação mais rápida e a folga no processamento são o que permitiu ao banco incorporar IA ao núcleo financeiro sem tratá-la como um experimento científico acoplado a uma infraestrutura frágil.

Onde a automação realmente está em funcionamento

Leukert cita três usos concretos de IA generativa. O processamento de documentos automatiza milhares de documentos diariamente — extraindo informações de pedidos de clientes e documentos jurídicos — com 97% de precisão e 40% menos tempo de processamento.

Um Assistente Digital hoje atende funcionários das áreas de pesquisa e de origination & advisory, organizando conteúdo para relatórios e análises, com potencial declarado de expansão para todo o banco. E desenvolvedores estão usando IA generativa para escrever código, encontrar bugs e melhorar a documentação.

São implementações pontuais e delimitadas — tipos específicos de documentos, grupos específicos de funcionários — e não uma transformação em toda a empresa. O número de 97% também admite, discretamente, uma taxa de erro de 3% que um banco regulado ainda precisa tratar por meio de revisão, motivo pelo qual o discurso continua focado em assistência e redução de tempo de processamento, e não em substituição total.

O programa de treinamento com 6.000 pessoas faz parte do custo da automação

O Deutsche Bank criou um Cloud Engineer Program e treinou mais de 6.000 funcionários em habilidades de nuvem e IA, trabalhando com o Google Cloud em hackathons e sprints de migração. Isso é apresentado ao lado da tecnologia, não como uma nota de rodapé.

Essa combinação é o sinal mais útil para quem planeja uma automação parecida. O banco tratou a capacitação da equipe como pré-requisito para implementar ferramentas de IA, não como algo secundário — as mesmas pessoas que usariam o Assistente Digital e confiariam no pipeline de documentos precisaram primeiro subir essa curva de aprendizado.

O que essa sequência sugere para projetos de automação em empresas reguladas

A implicação específica do relato do Deutsche Bank é que os ganhos de automação vieram depois de anos de trabalho pouco glamoroso: migração com controle de risco, uma movimentação historicamente complexa do núcleo financeiro e retreinamento em massa.

A precisão no processamento de documentos e as ferramentas para desenvolvedores são reais, mas aparecem por último na narrativa, e não por acaso. Times que olham para os números de 97% e 40% deveriam interpretá-los como o desfecho de uma sequência de vários anos, não como uma funcionalidade plug-and-play — e vale notar que até o próprio banco mantém o uso real de IA restrito a tipos de documentos e departamentos definidos, em vez de estendê-lo à instituição como um todo.