Barclays implementa Claude para otimizar operações e melhorar a experiência do cliente
O Barclays alarga a colaboração com a Anthropic, mas os números do anúncio descrevem realidades diferentes: ferramentas já utilizadas pelos trabalhadores e metas de adoção ainda por atingir. Para quem dirige operações ou avalia projetos de IA numa empresa, o mais útil é perceber que tarefa cabe a cada aplicação e que provas seriam necessárias para demonstrar uma melhoria no trabalho.
O que foi anunciado e o que continua a ser uma meta
No comunicado de 1 de outubro de 2026, a Anthropic anuncia o alargamento da utilização do Claude no Barclays. O banco prevê que o Claude Code seja adotado por 50% dos seus programadores até ao final de 2026 e pela maioria dos seus engenheiros de software em 2027. São expectativas, não percentagens já alcançadas. Também não revelam quantas tarefas serão automatizadas ou que poupanças poderão resultar daí.
A informação vem do fornecedor da tecnologia. Todos os números citados neste artigo são declarações da Anthropic, sem verificação independente. O comunicado descreve aplicações e planos de expansão, mas não permite, por si só, avaliar o retorno do investimento.
Um assistente interno para encontrar respostas
Segundo a Anthropic, o Colleague Knowledge Assistant do Barclays UK está em funcionamento desde 2025. Utiliza o Claude com uma arquitetura RAG, que combina a recuperação de documentos com a geração de respostas. Foi adotado por mais de 16.000 trabalhadores e processou mais de um milhão de pesquisas. Apoia o pessoal que presta serviço a uma base de mais de 20 milhões de clientes particulares. Os trabalhadores são os utilizadores do assistente; o número de clientes não significa que esses milhões de pessoas utilizem diretamente o Claude.
O valor operacional possível está em encontrar informação interna durante o tratamento de um pedido. Recuperar um documento não garante, porém, que esteja atualizado, seja relevante ou tenha sido interpretado corretamente na resposta. Estas condições precisam de avaliação própria. Ter uma fonte disponível não equivale a ter uma resposta certa.
Encaminhar pedidos antes de os resolver
O segundo caso situa-se na área de Global Markets. A Anthropic descreve a utilização do Claude para classificar, enriquecer e encaminhar pedidos recebidos por correio eletrónico. A plataforma processa cerca de 120.000 mensagens por dia. Este número representa o volume da plataforma: não demonstra que todas as mensagens sejam resolvidas automaticamente ou sem intervenção humana.
Encaminhar um pedido para a equipa adequada é diferente de o resolver. Uma classificação útil poderia evitar transferências desnecessárias; uma errada poderia atrasar um pedido urgente. São efeitos possíveis a medir, não resultados quantificados no anúncio. Também é preciso definir quem assume a decisão quando o pedido não se enquadra claramente numa categoria.
O que os dados medem e o que fica por saber
O número de trabalhadores e as pesquisas indicam adoção e atividade declaradas. As mensagens diárias descrevem uma carga de trabalho. Nenhum destes indicadores prova, isoladamente, precisão, qualidade ou poupança. O comunicado não apresenta comparações auditadas de custos, tempos de resolução, exatidão das respostas ou satisfação dos clientes.
Uma pergunta sem resposta pode levar a várias pesquisas. Para avaliar o assistente, seria necessário saber, entre outros aspetos, quantas questões foram resolvidas corretamente e quanto trabalho de verificação foi exigido. Um volume elevado justifica estudar o processo, mas não prova a sua eficácia nem o torna automaticamente adequado a outra empresa.
O que uma PME pode experimentar
A análise de Berraquero aponta para dois projetos-piloto limitados: responder a dúvidas internas recorrentes com base em documentos aprovados e fazer a triagem de pedidos quando o volume consome tempo significativo. São propostas de avaliação, não políticas do Barclays comprovadas por esta notícia. As metas de adoção de um banco não devem ser transpostas para uma pequena ou média empresa.
No primeiro caso, convém escolher um tema delimitado, atribuir a responsabilidade pelos documentos e exigir referências que os trabalhadores possam consultar. No segundo, são necessárias categorias claras, exemplos representativos e uma pessoa responsável pelos casos duvidosos. Se chegam poucas mensagens ou a documentação está desorganizada, melhorar o processo existente pode ser mais útil do que acrescentar IA.
Definir condições e medir o trabalho completo
A Anthropic afirma que o Barclays aplica controlos de segurança, governação e supervisão humana. Essa afirmação não permite auditar os controlos. Num projeto próprio, importa definir quem pode consultar cada documento, que dados pessoais excluir, onde guardar as consultas e quem revê erros ou autoriza ações. O orçamento deve incluir integração, manutenção documental, utilização do serviço e revisão humana.
Antes do teste, registe como são tratadas tarefas comparáveis. Depois, confira as respostas com fontes aprovadas e meça os acertos, os pedidos mal encaminhados, o tempo total incluindo correções e o custo por caso resolvido corretamente. Inclua perguntas sem resposta e pedidos ambíguos. Defina antecipadamente os critérios para continuar, ajustar ou parar. Alargar a utilização só faz sentido se o processo melhorar sem perder qualidade ou privacidade; aumentar o número de utilizadores não é suficiente.
Para aplicar estas ideias a uma empresa de menor dimensão, consulte também o guia para integrar IA nas PME sem perder o controlo.
Fonte: Consulte o comunicado da Anthropic sobre o Barclays e distinga as metas dos dados de utilização declarados (1 de outubro de 2026, em inglês).
Publicado: 07/11/2026.
Este artigo pode ter sido elaborado com o apoio de ferramentas de inteligência artificial. Ver politica de IA
Podes apoiar o projeto ou partilhar este artigo com um clique. Pelo menos aqui há uma ação útil de verdade.