IA generativa para as ligações gravadas de uma corretora: transcrever e buscar nos seus próprios servidores ou comprar um produto de compliance

Pela MiFID II, uma empresa de investimento na UE precisa gravar as ligações sobre ordens de clientes e sobre as suas próprias operações, guardar as gravações por cinco anos e verificá-las periodicamente. A IA generativa pode transformar essas gravações em texto, resumos e um índice de busca, para que um revisor vá direto ao momento relevante de uma ligação sem ouvir horas de áudio. Você pode comprar isso como parte de um produto de gravação para compliance ou rodar modelos abertos nos seus próprios servidores, para que as gravações nunca saiam dos seus sistemas. Em qualquer caso, a gravação em áudio continua sendo o registro oficial, e uma pessoa deve ouvi-la antes de agir com base em uma transcrição, porque os modelos de fala às vezes escrevem palavras que ninguém disse.

O que as regras da UE pedem que uma corretora faça com as ligações gravadas?

O artigo 16(7) da MiFID II, a diretiva da UE sobre serviços de investimento, diz que os registros de uma empresa de investimento devem incluir conversas telefônicas e comunicações eletrônicas sobre pelo menos duas coisas: as operações que a empresa realiza por conta própria e o recebimento, a transmissão e a execução de ordens de clientes. Isso inclui as ligações destinadas a resultar em uma operação, mesmo que nenhuma operação aconteça. As empresas devem informar aos clientes com antecedência que essas ligações são gravadas.

A cópia online do artigo publicada pela ESMA, a autoridade dos mercados de valores mobiliários da UE, diz que esses registros “devem ser conservados por um período de cinco anos”, e por até sete anos se o supervisor da empresa pedir. Eles também devem ser entregues ao cliente envolvido quando ele pedir. Todas as fontes deste artigo foram consultadas em 2 de novembro de 2026.

O artigo 76 do Regulamento Delegado (UE) 2017/565 da Comissão define os detalhes. Estas partes dele importam para um projeto de IA:

• Para verificar se as regras de gravação e de manutenção de registros são cumpridas, as empresas “devem monitorar periodicamente os registros de transações e ordens sujeitos a esses requisitos, incluindo as conversas relevantes”, e esse monitoramento “deve ser baseado no risco e proporcional”
• Os registros devem ser mantidos em um formato “que não permita que o registro original seja alterado ou apagado” e devem estar “facilmente acessíveis”
• As empresas “devem assegurar a qualidade, a exatidão e a integralidade dos registros de todas as gravações telefônicas”

Portanto, uma transcrição feita por um modelo é uma forma de encontrar coisas na gravação, e ela nunca deve substituir nem alterar o áudio.

O que a IA generativa pode fazer com as gravações?

Dois tipos principais de modelo fazem o trabalho. Um modelo de reconhecimento de fala transforma o áudio em texto, e um modelo de linguagem, o tipo que está por trás dos assistentes de chat, trabalha com esse texto. Junto com algumas ferramentas menores, eles podem:

• Escrever uma transcrição com um timestamp em cada linha, para que um revisor possa pular para esse momento no áudio
• Marcar quem está falando. Isso se chama diarização e normalmente exige um modelo separado
• Resumir uma ligação em poucas linhas que tragam, por exemplo, o instrumento, o valor e o que o cliente pediu
• Permitir que a equipe de compliance busque em todas as ligações por palavras exatas ou por significado, por exemplo para encontrar todas as ligações em que se prometeu a um cliente um retorno sobre um investimento, quaisquer que tenham sido as palavras usadas
• Selecionar ligações para revisão por uma pessoa, usando regras escritas pelo time de compliance

Nenhum dos dois modelos deve decidir se uma ligação violou uma regra. A OpenAI publica um model card para o Whisper, o modelo aberto de reconhecimento de fala dela: um documento que descreve para que serve o modelo e onde ele deixa a desejar. O card desaconselha o uso “em domínios de alto risco, como contextos de tomada de decisão, em que falhas de precisão podem levar a falhas acentuadas nos resultados.” Uma conclusão sobre um cliente ou um funcionário deve vir de uma pessoa que ouviu a ligação.

O mesmo model card adverte contra transcrever gravações de pessoas “feitas sem o consentimento delas”. A MiFID II obriga as empresas a informar aos clientes que as ligações são gravadas. Se esse aviso também cobre a transcrição por um modelo é uma questão para o seu encarregado de proteção de dados.

Se o sistema sinalizar ligações de funcionários, pergunte ao seu advogado como o AI Act da UE se aplica. O Anexo III do regulamento classifica como de alto risco os sistemas de IA usados “para monitorar e avaliar o desempenho e o comportamento de pessoas” em relações de trabalho. O artigo 5 proíbe a IA que infere as emoções de pessoas no trabalho, exceto por razões médicas ou de segurança.

Qual é a precisão das transcrições?

A precisão depende do idioma, da qualidade da linha telefônica e do vocabulário, como os nomes de instrumentos. A página do projeto Whisper diz que o desempenho dele “varia muito dependendo do idioma”. O model card acrescenta que a precisão é desigual entre sotaques e dialetos e que a saída “pode incluir textos que não foram de fato falados no áudio de entrada (ou seja, alucinação)”.

Texto inventado desse tipo é incomum. Um estudo de 2024 de Allison Koenecke e colegas enviou trechos curtos de áudio, cada um com cerca de uma frase, ao serviço Whisper da OpenAI em 2023. O estudo constatou que “cerca de 1% das transcrições de áudio continha expressões ou frases inteiras alucinadas”. Essas expressões inventadas apareceram com mais frequência em falantes com pausas longas na fala. Quando os pesquisadores rodaram de novo os trechos problemáticos em dezembro de 2023, muitos dos erros tinham desaparecido e alguns continuavam. Uma ligação contém muitas frases, então a chance de haver um erro em algum ponto de uma ligação é maior do que em um único trecho.

Em uma ligação sobre uma operação, os erros caros estão nos números, nos nomes de instrumentos e em saber se o cliente disse comprar ou vender. Teste qualquer sistema nas suas próprias ligações antes de confiar nele:

• Pegue uma amostra de ligações recentes de diferentes mesas, idiomas e linhas telefônicas e peça a pessoas que escrevam transcrições corretas delas
• Compare o texto do modelo com essas transcrições e conte os erros em valores, preços, nomes de instrumentos e instruções de compra ou venda separadamente de todos os outros erros
• Quando uma ligação resultou em uma ordem, confira o valor da transcrição com a ordem no seu sistema de trading
• Rode o teste de novo sempre que o modelo ou as configurações dele mudarem

Devemos comprar um produto ou rodar os modelos nos nossos próprios servidores?

Os produtos de gravação e arquivamento para compliance já oferecem transcrição e busca. Um deles é o Smarsh: a página dele sobre gravações de voz diz que o produto pode “Converter ligações em texto pesquisável automaticamente” e lista “resumos gerados por IA, análise de sentimento, mascaramento de dados e enriquecimento de metadados”. Ele descreve a sua tecnologia como “nativa em nuvem”, ou seja, construída para rodar na nuvem.

Esta é a opção mais rápida se você já arquiva as ligações com um fornecedor desse tipo e tem permissão para que o áudio seja processado na nuvem dele. Antes de assinar, pergunte em quais países o áudio e as transcrições são processados e armazenados, se eles são usados para treinar os modelos do fornecedor e como você pode exportar todos eles se mudar para outro fornecedor.

Rodar os modelos você mesmo significa usar modelos abertos em servidores que você controla. Um modelo aberto é aquele cujo criador publica os arquivos do modelo para qualquer pessoa baixar e rodar. A página do projeto Whisper diz que o código e os pesos do modelo, os arquivos que guardam o que o modelo aprendeu, são lançados sob a licença MIT. O modelo large do Whisper precisa de cerca de 10 GB de memória de GPU, e o modelo turbo, mais rápido, de cerca de 6 GB. Isso cabe em uma GPU de data center, um processador feito para o tipo de cálculo que os modelos fazem.

Para a diarização, o kit de ferramentas open source pyannote publica um modelo chamado community-1 sob a licença CC-BY-4.0. Você baixa os arquivos dele no Hugging Face, um site que hospeda arquivos de modelos, depois de aceitar as condições de uso do modelo, e então ele roda nos seus próprios servidores. As configurações padrão do kit também enviam à pyannote dados de uso anônimos, como a duração de cada arquivo processado, e a página do projeto explica como desativar isso.

O mesmo kit de ferramentas pode chamar um modelo pago, o precision-2. No exemplo da página do projeto, ele “roda nos servidores da pyannoteAI”, e a página de preços da pyannoteAI também oferece implantação on-premise no plano Enterprise. Quem construir o seu sistema deve mostrar a você qual modelo ele usa e onde esse modelo roda, porque só o nome não diz para onde vai o áudio.

Os resumos e a busca por significado precisam de modelos próprios nos mesmos servidores. Quanta memória de GPU um modelo de linguagem ocupa é o tema do artigo sobre rodar IA generativa nos seus próprios servidores.

Os seus próprios servidores fazem sentido quando:

• As gravações não podem sair dos seus sistemas, por causa da sua própria política ou dos contratos dos seus clientes
• Você quer transcrições e resumos ligados ao cadastro do cliente e à ordem nos seus próprios sistemas
• As suas ligações são em idiomas ou sotaques que os produtos que você testou tratam mal
• O volume das suas ligações torna as taxas de um produto mais altas do que o custo dos servidores e das pessoas que os operam

Seja qual for a opção escolhida, trate as transcrições e os resumos como as próprias gravações. Dê a eles os mesmos direitos de acesso, prazo de retenção e regras de exclusão das gravações, e combine isso com o seu time de compliance e com o seu encarregado de proteção de dados. Decida com antecedência se um cliente que pede uma cópia de uma gravação também recebe a transcrição.

O que devemos perguntar a uma empresa que for construir o sistema?

• Qual modelo de fala e qual modelo de linguagem vão rodar, sob quais licenças e nos servidores de quem?
• Alguma parte do sistema, incluindo a diarização e a busca, envia áudio, texto ou dados de uso para um serviço externo?
• Como vocês vão testar a precisão nas nossas ligações, e como os valores, os preços e os nomes de instrumentos são verificados?
• Como um revisor vai de uma linha da transcrição ao mesmo momento no áudio original?
• Como as gravações originais são protegidas contra alteração ou exclusão?
• Quem pode ver quais ligações, e cada busca e cada reprodução são registradas em log?
• Quando trocarmos de modelo, o teste é repetido, e as transcrições antigas são mantidas como estão ou geradas de novo com o novo modelo?

Onde a amBrain se encaixa?

O único projeto de cliente com modelo de linguagem que a amBrain descreve publicamente é este: “Levamos à produção uma integração de LLM dentro do perímetro de FinTech de um cliente: extração e normalização de avisos não estruturados de corretoras e de venues — eventos corporativos, alterações de instrumentos e de margem — em registros estruturados que o sistema de trading consome.”

Este artigo não é um estudo de caso e não descreve nenhum trabalho para clientes. Ele não diz que a amBrain construiu transcrição de ligações, busca por voz ou monitoramento de compliance para algum cliente, e o projeto citado acima trabalha apenas com avisos escritos. As empresas e os produtos mencionados aqui são citados a partir das páginas que eles publicam, e o artigo não afirma nenhuma relação entre a amBrain e qualquer um deles. Ele não traz preços nem prazos da amBrain.

Também não é aconselhamento jurídico. O artigo trata apenas das regras da UE. Outros países têm as suas próprias, então confirme com um advogado as regras que valem para a sua empresa.

A amBrain constrói software desde 2019. Ela trabalha em três formatos: entrega completa, time dedicado ou engenheiros embarcados no seu time. A frase dela sobre propriedade é: “O cliente mantém a propriedade integral do produto e do código, exceto dos nossos componentes reutilizáveis.” Se a amBrain estiver na sua lista curta, faça a ela as mesmas perguntas que a qualquer outra empresa.