o relacionamento continua humano. o viés, nem tanto.

segunda de manhã, call interno da asset sobre escritórios parceiros. na pauta oficial: fluxo, pipeline, próximas visitas, quem está mais quente pra ouvir uma nova tese. em algum momento, alguém solta: “a gente está testando umas automações aqui pra organizar os leads” ou “começamos a usar AI pra resumir as atas de comitê”.

então todo mundo tenha uma operação em AI bonitinha desenhada no deck?

na verdade, a maioria das assets que eu converso e acompanho está num lugar bem mais prosaico: usar modelo generativo pra limpar base, tirar insight rápido de planilha, rascunhar e-mail de follow-up, organizar visita por potencial, dar uma cara de dashboard pra dados que sempre ficaram perdidos pelo drive.

em um papo interessante com executivos da okta, foi descrito um cenário parecido, só com outra escala. eles contam que, quando sentam com grandes empresas, a conversa escorrega inevitavelmente pra AI — não como produto, mas como “camada” em cima de tudo que a companhia já tem:

• agentes que leem e-mail, agenda, CRM, arquivos;

• tentativas de automatizar atendimento interno;

• experimentos espalhados em vários times ao mesmo tempo.

o problema é que muita gente está plugando esses agentes em cima de dados que nunca foram organizados de verdade. isso causa identidade confusa, acesso super amplo, pouca clareza sobre o que a máquina está vendo ou aprendendo.

o latin america digital report 2025 da atlantico olha essa pauta por uma lente mais ampla. somos hiper digitais na superfície: quase todo mundo com smartphone na mão, usando app pra pagar, pedir comida, investir, falar com o gerente.

mas, por trás dessa interface moderna, ainda tem muito processo manual, muita informalidade de dado, muita decisão registrada em planilha e whatsapp.

o relatório fala de uma região com um potencial gigante de captura de valor em tecnologia — e, ao mesmo tempo, com gargalos claros de talento, infraestrutura e governança.

howard marks chamou esse momento de “on bubble watch”. em um memo publicado no início de 2025, ele revisita outras bolhas e traz um ponto que eu gosto muito: bolha é menos uma equação e mais um humor coletivo. é quando a combinação de entusiasmo, uma boa história pra contar e medo de ficar pra trás começa a empurrar as decisões para um lado só.

desde então, em entrevistas, ele tem repetido essa nuance: preços esticados, narrativa forte de AI, mas ainda longe de 1999. é uma zona cinzenta entre racionalidade e mania.

se juntarmos essas camadas — o “on bubble watch” do howard, o diagnóstico da okta sobre empresas implementando AI em cima de identidades e dados mal resolvidos, e a foto da américa latina da atlântico — a pergunta para empresas de asset management que distribuem produtos para escritórios de wealth e family offices é: como a AI que você está começando a usar por dentro muda, de fato, o jeito que você enxerga e prioriza esses escritórios?

porque, mesmo discreta, ela deveria começar a interferir em quem recebe ligação primeiro, quem entra na agenda, qual escritório vira “estratégico” e qual fica no fim da fila. quando a base de dados é frágil, o risco não está só na segurança ou na privacidade. está na relação.

é desse ponto em diante que vamos seguir: olhar o relacionamento asset–escritório em 2025 sob essa luz meio desconfortável de “estamos testando AI em cima de um terreno que ainda não está plano”.

assinar a carta

o escritório que sua base diz que existe

quando eu converso com times de RI/distribuição, normalmente o uso de AI aparece assim:

• “a gente está testando pra limpar a base de contatos”

• “colocamos um modelo pra transcrever reuniões”

• “estamos usando pra resumir o que os escritórios mandam de feedback”

é sempre nessa lógica: tem um volume crescente de informação (CRM, planilhas, atas, e-mails, logs de reunião) e pouca gente pra processar tudo. a AI entra como atalho. faz sentido.

só que tem um detalhe que a okta trouxe várias vezes durante nossa conversa e que, pra mim, é o ponto cego da maioria dos times: a máquina não corrige uma base desorganizada, ela só formaliza o caos.

quando você pede pra um modelo “priorizar os melhores escritórios”, ele está trabalhando em cima de quê, exatamente?

• campos de CRM preenchidos de forma diferente por cada pessoa do time

• tags criadas no susto (“estratégico”, “frio”, “parceiro próximo”)

• planilhas paralelas com versões de verdade que nunca foram parar no sistema

• whatsapp sendo usado como fonte primária de decisão, mas nunca como dado

a okta fala de identidade, mas a mesma lógica vale pra relacionamento: se você não sabe com precisão quem é quem e o que está acontecendo com cada conta, qualquer agente que você pluga ali vira, no limite, um acelerador de viés.

o escritório que grita mais ganha cara de “relevante”. o que é mais organizado no repasse de informação parece “mais sério” no painel. o que tem um sócio próximo da casa aparece como “estratégico” mesmo quando o pipeline não justifica.

o problema é que, com AI no meio, isso deixa de ser uma impressão solta e vira critério. o modelo vai aprender que “estratégico” é quem recebeu mais visita, quem teve mais e-mails trocados, quem apareceu mais nas atas. e você sabe que parte disso é só histórico de proximidade, não necessariamente potencial realístico.

na hora em que essa lógica vira ranking automático, quem entra forte perde espaço. quem é discreto some do radar. o escritório passa a ser aquilo que o seu dado diz que ele é – e o seu dado, quase sempre, está mais perto de diário de bordo do que de base de verdade.

a okta tem uma explicação boa pra falar sobre essa armadilha: eles dizem que muita gente está dando ao agente de AI um superpoder que nem o c-level tem.

o agente vê o calendário, o e-mail, o CRM, os arquivos, cruza tudo e sugere ação. na teoria, parece incrível. na prática, se os registros são ruins, o que você fez foi dar voz oficial pra um retrato distorcido da operação.

no contexto de asset, isso bate direto no relacionamento com escritório. imagina um painel de “priorização” que começa a ser alimentado por esses experimentos:

• escritório a recebe duas visitas no trimestre porque um modelo puxou ele pro topo da lista – não porque o racional de negócio mudou, mas porque os dados históricos estavam enviesados;

• escritório b, que está reestruturando time e abrindo espaço para alocação em fundos menos óbvios, segue em “baixa prioridade” porque o CRM nunca foi atualizado com essa informação, só o grupo de whatsapp foi;

• escritório c vira “case de sucesso” interno porque responde rápido às campanhas, mas ninguém olha o que de fato virou alocação.

se não tiver gente olhando criticamente pra isso, a AI vira só uma forma mais sofisticada de reforçar decisões que já eram tomadas no “feeling”, com base em quem liga mais, quem mora mais perto, quem manda mais mensagem.

a diferença é que agora tudo isso vem embalado em gráfico, score e linguagem de eficiência.

e é aqui que o “on bubble watch” do howard ajuda como metáfora. ele não está dizendo que o mercado enlouqueceu; ele está dizendo que a psicologia está pendendo demais pro mesmo lado.

no relacionamento asset–escritório, a pergunta chata é menos “qual ferramenta de AI você está usando?” e mais “que tipo de fotografia da base você está consolidando quando usa essa ferramenta?”.

se a imagem estiver torta, o efeito prático é muito concreto:

• escritório que poderia crescer com você fica subatendido;

• escritório que já chegou no limite continua recebendo esforço desproporcional;

• escritório que não tem perfil pro seu produto continua sendo provocado a ouvir tese que não faz sentido.

não estamos falando sobre todas as assets terem uma tese em AI. muitas não têm, e tudo bem. é sobre o fato de que, mesmo sem tese, AI já está entrando na rotina: limpando base, organizando lead, montando lista de “top parceiros”, gerando texto de follow-up. ela está moldando quem você enxerga como prioridade.

e isso, sim, impacta a vida do cliente de wealth – não porque ele saiba ou não que você usa AI, mas porque a experiência dele vai depender de que lugar da fila o escritório dele ocupa quando a sua equipe olha pro pipeline.

a partir daqui, faz sentido olhar pro escritório não como alguém que “precisa se modernizar” pra te acompanhar, mas como alguém que já está sendo afetado pela forma como você usa (ou não usa) AI do lado de cá.

antes de perguntar se ele está pronto, talvez valha perguntar se a base que você está usando pra decidir sobre ele está.

agentes sem crachá na relação com o escritório

quando você começa a usar AI pra apoiar relacionamento, esse agente não está só limpando dado. ele está, aos poucos, influenciando decisões muito concretas sobre o canal:

• quem recebe visita

• quem ganha uma ligação de “como você está?”

• quem entra na lista de “potenciais parceiros” pra um novo produto

• quem some da tela porque não entra em nenhum filtro

ele é um personagem novo nessa história, mesmo que não apareça na apresentação comercial.

1. primeira camada: o agente fica dentro da asset.

ele lê o que o escritório manda de feedback, resume ata de comitê, puxa histórico, sugere “este escritório falou mais de previdência nos últimos meses, vale marcar conversa sobre aquele fundo”. você olha a sugestão, faz algum ajuste e executa.

2. segunda camada: o agente começa a encostar na fronteira entre asset e escritório.

ele ajuda a montar conteúdos “segmentados” para alguns parceiros, responde dúvidas padrões do time comercial, gera relatórios “personalizados” por escritório com base no interesse histórico de cada um. às vezes, o próprio escritório passa a interagir com esse agente sem perceber muito bem o que ele está alimentando do outro lado.

se ninguém tratou essa entidade como identidade — com escopo mínimo, dono, regra clara de o que entra e o que não entra — a relação começa a ser mediada por alguém que ninguém combinou antes.

tem uma frase implícita no que a okta fala que eu gosto de ler assim: agente de AI é menos uma ferramenta e mais um usuário novo dentro do seu sistema. se você não decidir conscientemente onde ele pode ir, ele vai aonde os dados o levarem. e, numa operação em que os dados já são tortos, a tendência é que ele veja muito de umas coisas e quase nada de outras.

agora pensa isso do ponto de vista do escritório.

ele percebe que a asset está “mais organizada”, que as respostas chegam mais rápido, que alguns materiais parecem mesmo mais alinhados ao perfil da base dele. mas também sente algumas coisas estranhas:

• um ajuste de rota que não faz sentido com o que ele contou na última reunião,

• um interesse repentino em temas que já esfriaram,

• uma insistência em produtos que o comitê local não aprova mais.

ele não vai culpar a AI. ele vai dizer que “a casa não escuta direito”, que “o time mudou”, que “o foco deles agora é outro”. para ele, continua parecendo só alinhamento (ou desalinhamento) humano. mas, por baixo, esse desalinhamento já é fruto da forma como o agente leu o histórico e propôs as próximas ações.

é aqui que a conversa com o howard volta. quando ele fala de “on bubble watch”, passa uma lição sobre a forma como um certo entusiasmo vai se instalando sem que ninguém perceba o ponto de virada.

todo mundo concorda que AI “ajuda”, “ganha tempo”, “traz eficiência”. a parte que ninguém gosta de encarar é: eficiência em cima de quê? de qual modelo mental, de qual fotografia da base, de qual leitura de prioridade?

no contexto da atlantico, latam aparece como uma região pronta pra abraçar esse tipo de agente: muita digitalização na ponta, muito incentivo pra testar atalhos tecnológicos, pouco tempo (e pouco talento disponível) pra redesenhar processo desde o início.

a equação é perfeita para que agentes sem crachá comecem a tomar decisões operacionais relevantes sem nunca terem sido tratados como parte formal da relação com o escritório.

se a asset não fizer esse movimento de “dar crachá” — desenhar limite, explicitar o papel, assumir que existe um novo usuário ajudando a cuidar do canal — a tendência é que a relação com o escritório vá sendo redesenhada por baixo, em silêncio.

o risco não é só de segurança ou privacidade. é de confiança.

porque, na cabeça do escritório, continua valendo uma premissa simples: “eles me tratam assim porque decidiram me tratar assim”. se a decisão, na prática, já está sendo mediada por um agente que ninguém discutiu, existe um descompasso entre a narrativa e a arquitetura real da relação. e esse tipo de descompasso sempre cobra um preço, nem sempre na hora, mas quase sempre quando o ciclo vira.

quando o escritório também vira laboratório

do lado de lá, a história não é muito diferente. o escritório não está sentado esperando a asset chegar com um “pacote de AI”. ele também está testando atalhos, só que com outro tipo de pressão: menos board global, mais cliente ligando, compliance apertando, equipe pequena tentando fazer caber tudo na agenda da semana.

na prática, o uso de AI aparece em detalhes do dia a dia:

• alguém joga a ata do comitê no modelo pra ter um resumo “apresentável pro cliente”;

• alguém pede ajuda pra transformar um e-mail técnico da asset em uma explicação que o investidor de fato entende;

• alguém manda o PDF do produto para o chatGPT e pergunta: “como eu explico esse fundo para uma médica de 45 anos que está com medo de perder o padrão de vida?”.

é a mesma lógica da asset, só que com menos camada de proteção.

o escritório opera num ambiente que é, ao mesmo tempo, super digital na ponta (todo mundo com app, whatsapp, assinatura eletrônica) e muito precário por trás: dados de clientes espalhados em planilhas, sistemas que não se conversam, registros importantes presos em conversas de grupo.

quando você coloca um modelo generativo em cima disso, ele vira uma espécie de “gambiarra sofisticada”. resolve a dor daquele dia, mas não arruma a casa.

e aí acontece um desencontro curioso.

a asset olha pro escritório e vê “canal”: número de contas, volume sob custódia, mix de produtos, quanto de share tem vs. concorrentes. quando começa a usar AI, tenta organizar isso melhor, desenhar score, cluster, régua de contato.

o escritório olha pra asset e vê “pessoa”: aquele analista que atende há anos, o RI que vai lá explicar a tese, o time de produtos que responde rápido no whatsapp. quando ele mesmo começa a usar AI, é pra conseguir dar conta do volume: responder mais clientes, traduzir melhor as teses, parecer mais organizado.

no meio disso, tem pelo menos três camadas de modelo lendo a mesma relação sem ninguém combinar o roteiro:

• a AI da asset, que está consolidando o que sabe (ou acha que sabe) do escritório;

• a AI que o escritório usa por conta própria pra digerir o material da asset e transformar em discurso pro cliente;

• e, cada vez mais, a AI na mão do próprio cliente final, que joga lá o nome do fundo, o CNPJ do escritório, o sobrenome da família, tentando montar sozinho o quebra-cabeça.

quando o howard fala de psicologia de “quase bolha”, eu penso muito nisso: é muito menos sobre preço de ação e muito mais sobre ambiente. todo mundo, em todas as pontas, começa a acreditar que AI é o caminho natural pra ganhar eficiência.

o risco, nesse contexto, não é o escritório ser “atrasado”. é ele virar laboratório involuntário.

1. você testa seu jeito de usar AI em cima de uma base que não está madura;

2. ele testa o jeito dele de usar ia em cima de materiais que nem sempre foram pensados pra esse tipo de leitura;

3. o cliente testa o próprio uso de AI pra checar tudo isso.

ninguém está mal-intencionado. mas, se ninguém assumir que tem modelo no meio, o que deveria ser uma relação de parceria acaba mediada por uma série de atalhos invisíveis.

e aí, quando alguma coisa sai torta — uma leitura errada de prioridade, um produto mal encaixado, uma sensação de “vocês não estão me ouvindo” — a explicação óbvia volta sempre pro humano: “é o time que mudou”, “é o escritório que não entrega”, “é o cliente que ficou mais exigente”.

o próximo passo, se a gente quiser manter essa conversa honesta, é admitir que, hoje, tanto asset quanto escritório já estão usando — e que isso já está deformando (ou potencializando) o jeito como um enxerga o outro.

a partir daí, dá pra discutir o mínimo de combinado. antes disso, é só cada um rodando experimento em cima do outro sem chamar de experimento.

on bubble watch – versão relacionamento

quando o howard marks fala em “on bubble watch”, ele está apontando sintomas. ele lista sinais clássicos – entusiasmo exagerado, narrativa salvadora, concentração em poucos nomes, gente inteligente começando a aceitar premissas rasas – e diz, em essência:

se você tira isso da página de macro e traz pro corredor de distribuição, o desenho é parecido.

não existe uma bolha de AI na relação asset–escritório. o que existe é um humor de época. alguns acreditam que AI “vai mudar tudo”. quase todo mundo sente que “não dá pra ficar pra trás”. ninguém tem tempo (nem paciência) pra organizar a casa antes de começar a testar.

não tem como avançar com isso só com boa vontade e slide bonitinho. precisa de base, precisa de processo.

no nosso micro, isso aparece como um tipo específico de ansiedade: a asset sente que precisa ter “alguma coisa em AI” pra contar para o mercado. o escritório sente que precisa “parecer mais digital” para clientes de alta renda e para as próprias assets. ninguém quer estar no grupo dos “que não se mexeram”.

o resultado são várias decisões de relacionamento tomadas em modo on bubble watch:

• projeto de “plataforma inteligente de escritórios” lançado antes de alguém ter sentado pra organizar o CRM

• dashboards de priorização que ganham “cara de AI” mesmo quando são, na prática, soma de campos incompletos

• promessas de comunicação “personalizada por modelo” sem que exista uma conversa séria sobre o que isso significa em termos de dado, de viés, de responsabilidade.

é como se a psicologia que o howard descreve na bolsa ganhasse uma versão operacional no canal B2B:

não é ainda a mania escancarada, mas é um deslocamento de foco – de “faz sentido?” para “como eu coloco AI aqui dentro?”.

o passo mais inteligente, nesse caso, é se olhar no espelho e perguntar, com honestidade: em que momento a forma como estou usando AI pra olhar o mercado começou a parecer mais com euforia do que com juízo?

a relação entre assets e escritórios está exatamente nesse cruzamento: cheia de expectativa, cheia de experimento, cheia de atalhos. com potencial enorme de ganhar eficiência, profundidade, previsibilidade. e com o risco, bem real, de virar mais uma camada de confusão se ia entrar só como buzzword em cima de dado mal trabalhado.

você não precisa ter “a melhor história de AI” pra contar para os sócios ou pares. só precisa admitir que a história já começou, que os agentes já estão na sala, que os dados ainda não estão à altura, e que a forma como você responde a isso — com calma ou em modo euforia — vai dizer muito mais sobre a maturidade da casa do que qualquer slide com título “inteligente” e uma enxurrada de gráficos confusos.