O avanço da inadimplência empresarial está levando bancos e fintechs a investir em ferramentas capazes de identificar dificuldades financeiras antes que elas se transformem em calotes. A combinação de dados do Open Finance, informações de birôs de crédito e inteligência artificial (IA) começa a ganhar espaço na avaliação de riscos, especialmente entre micro, pequenas e médias empresas.
Em julho de 2026, o Brasil registrou 9,2 milhões de empresas com CNPJs inadimplentes, que acumulavam 67,2 milhões de dívidas negativadas, no valor total de R$ 238,6 bilhões, segundo dados da Serasa Experian. Desse universo, 8,6 milhões eram negócios de menor porte, responsáveis por R$ 232,9 bilhões em débitos.
O quadro preocupa porque o custo do crédito permanece elevado, mesmo com o início do ciclo de redução da taxa Selic. Além dos juros, empresas enfrentam dificuldades para manter o faturamento, pagar fornecedores e cumprir compromissos financeiros. Diante disso, instituições financeiras buscam formas de avaliar não apenas o histórico de pagamentos, mas também a movimentação financeira recente de cada negócio.
Leia mais:
Open Finance: confira como funciona o sistema bancário aberto
Por que os bancos estão usando mais dados para prever inadimplência?
Imagem: Reprodução/Seu Crédito Digital
A análise tradicional de crédito considera fatores como dívidas negativadas, histórico de pagamentos, renda ou faturamento declarado e compromissos financeiros existentes. Essas informações continuam importantes, mas podem não revelar imediatamente uma deterioração recente do caixa.
Uma empresa pode estar com o nome limpo e, ainda assim, apresentar sinais de dificuldade: queda nas vendas, aumento das despesas, atrasos frequentes com fornecedores ou contratação sucessiva de empréstimos para pagar contas anteriores.
É nesse ponto que o Open Finance pode ampliar a capacidade de avaliação. Com autorização do cliente, instituições participantes podem acessar dados financeiros compartilhados dentro das regras do sistema, formando uma visão mais abrangente da capacidade de pagamento.
A inteligência artificial complementa esse processo ao identificar padrões em grandes volumes de informações. Os modelos podem apontar mudanças no comportamento financeiro que merecem atenção, ajudando as equipes de crédito a revisar limites, condições de financiamento e exposição ao risco.
Isso não significa que um algoritmo consiga prever todos os calotes. Os resultados dependem da qualidade dos dados, dos critérios utilizados e da capacidade de interpretar corretamente as particularidades de cada negócio.
Pequenas e médias empresas concentram os desafios
Os negócios de menor porte estão entre os mais vulneráveis à piora das condições de crédito. Ao contrário de grandes companhias, muitas micro e pequenas empresas têm acesso limitado ao mercado de capitais e dependem de empréstimos bancários, recebimentos de clientes e prazos negociados com fornecedores para manter o capital de giro.
Segundo a Serasa Experian, micro e pequenas empresas tinham, em média, 6,9 contas negativadas em julho de 2026, com dívida média de R$ 23.574,33. Ao mesmo tempo, a procura por crédito empresarial cresceu 11,2% nos 12 meses encerrados em agosto, enquanto a demanda das micro e pequenas empresas avançou 11,4%.
O aumento da procura não significa necessariamente expansão dos investimentos. Parte dos recursos pode ser destinada ao financiamento da operação, à compra de mercadorias ou à reorganização de dívidas. Sem informações adicionais, não é possível determinar qual finalidade predomina.
Como o Open Finance identifica sinais de risco?
O Open Finance permite compartilhar informações financeiras entre instituições participantes mediante autorização do cliente. No caso empresarial, os dados podem ajudar a identificar mudanças no faturamento, no fluxo de caixa e no comportamento de pagamento.
Empresas especializadas também utilizam informações sobre boletos, transferências bancárias e liquidação de pagamentos para analisar a movimentação dos negócios. Quando esses registros são combinados com dados de crédito, podem revelar sinais de deterioração antes que uma dívida seja negativada.
Um exemplo é o de uma pequena loja que apresenta queda nas entradas de dinheiro durante vários meses, passa a atrasar pagamentos a fornecedores e aumenta a contratação de capital de giro. A combinação desses sinais pode levar o banco a reavaliar o limite concedido ou oferecer condições de renegociação antes que a situação se agrave.
A análise também pode identificar empresas que mantêm pagamentos regulares, mas enfrentam oscilações temporárias de caixa. Isso ajuda a evitar decisões baseadas exclusivamente em indicadores negativos isolados.
Inteligência artificial amplia a análise de crédito
A IA pode processar grandes quantidades de dados e identificar relações difíceis de perceber por meio de análises manuais. Com isso, bancos e fintechs conseguem desenvolver modelos de risco mais dinâmicos, capazes de considerar mudanças recentes na situação financeira dos clientes.
Entre as aplicações estão a identificação de padrões de atraso, a detecção de aumento excessivo do endividamento e a revisão de limites de crédito. A tecnologia também pode ajudar a personalizar ofertas e identificar situações em que uma renegociação seja mais adequada do que a concessão de um novo empréstimo.
Entretanto, decisões automatizadas precisam de controles. Dados incorretos, modelos mal calibrados e critérios discriminatórios podem gerar avaliações injustas. A proteção das informações pessoais e empresariais, a transparência e a possibilidade de revisão das decisões são aspectos importantes para o uso responsável dessas ferramentas.
Quais são os obstáculos para ampliar o Open Finance empresarial?
Apesar do potencial, a adesão das pessoas jurídicas ainda enfrenta dificuldades operacionais. Empresas com mais de um representante legal, por exemplo, podem precisar cumprir etapas adicionais de validação para autorizar o compartilhamento de informações.
Também é necessário convencer os empresários de que fornecer dados pode trazer benefícios concretos, como análises mais precisas, ofertas adequadas ao fluxo de caixa e acesso a produtos financeiros compatíveis com o perfil do negócio.
Outro desafio é integrar informações de diferentes instituições e transformar os dados recebidos em decisões úteis. A simples disponibilidade de registros financeiros não garante uma avaliação de crédito melhor: é preciso considerar o contexto da empresa e a finalidade da operação.
Imagem: Shutterstock/Golden Dayz