O Itaú pagou R$ 2,92 bilhões pela NeoSpace, startup brasileira fundada em 2023 que desenvolve o que chama de Large Data Model (LDM), um modelo fundacional capaz de processar qualquer formato de dado, não apenas linguagem. A notícia foi publicada pelo NeoFeed em outubro de 2026. O número chama atenção, mas a mensagem estratégica é mais importante do que o cheque.
Quando um banco com avaliação de R$ 532 bilhões decide internalizar a camada de modelagem de dados, ele está dizendo ao mercado que essa camada deixou de ser serviço terceirizável. Virou infraestrutura. O mesmo raciocínio que levou bancos a construírem data centers próprios nos anos 2000 agora se aplica aos modelos que processam e interpretam os dados que circulam por esses centros.
Para o board de qualquer empresa de porte, a pergunta que essa aquisição coloca não é "devemos investir em IA?". É outra, mais difícil: "o que acontece com nossa vantagem competitiva se os modelos que usamos forem os mesmos que nossos concorrentes usam?"
A tese da NeoSpace e por que ela importa além do setor financeiro
A NeoSpace não compete diretamente com OpenAI ou Anthropic. Ela cria plataformas para que empresas construam e treinem modelos com seus próprios dados. A diferença entre um LLM generalista e um LDM especializado, na prática, é a diferença entre uma ferramenta de prateleira e um ativo que aprende com o histórico, os padrões e as particularidades de uma operação específica.
O Itaú já vinha aplicando a tecnologia da NeoSpace em iniciativas conjuntas antes da aquisição, inclusive na ia.i, plataforma de IA generativa lançada em julho de 2026 com previsão de alcançar 100% dos usuários pessoa física do superapp do banco até o fim do mesmo ano. A compra formalizou o que já era uma dependência estratégica.
Esse movimento não é exclusivo do setor financeiro. Empresas de telecom, aviação e energia já figuravam como clientes da NeoSpace antes da aquisição. O padrão se repete em qualquer setor onde o volume e a especificidade dos dados internos criam vantagem real: varejo, saúde, logística, agronegócio.
Comprar tecnologia resolve metade do problema
Aqui está o ponto que o comunicado de aquisição não diz, mas que qualquer executivo que já implementou tecnologia reconhece.
A NeoSpace vai continuar operando de forma independente, sob o comando do CEO Bruno Pierobon. O Itaú preservou a autonomia da startup deliberadamente. Isso revela consciência de que o valor não está só no código. Está na capacidade de continuar desenvolvendo, ajustando e governando o que o modelo faz.
Tecnologia adquirida sem governança de dados é como comprar uma refinaria sem definir qual petróleo vai entrar nela. O modelo é tão bom quanto os dados que o alimentam, e os dados são tão úteis quanto as decisões que eles informam.
Três perguntas que qualquer empresa precisa responder antes de confiar em um modelo fundacional:
- Quais dados entram no modelo e quem decide isso?
- Quais decisões o modelo apoia e quais permanecem sob responsabilidade humana?
- Quando o modelo erra, quem responde?
Sem resposta para as três, a empresa comprou capacidade computacional, não vantagem competitiva.
O critério humano como diferencial operacional
O modelo processa. O executivo decide. Confundir os dois papéis é o erro mais caro que uma empresa pode cometer com IA.
A tese da NeoSpace parte de um pressuposto correto: modelos especializados, treinados com dados proprietários, entregam mais valor do que modelos generalistas. Mas especialização técnica não elimina a necessidade de julgamento humano. Ela a torna mais exigente.
Quando o modelo é genérico, o erro é visível porque o output parece deslocado do contexto. Quando o modelo é especializado e treinado com seus próprios dados, o output parece familiar, plausível, até confiável. O risco de aceitar uma recomendação ruim sem questionar aumenta, não diminui.
É por isso que governança de dados e governança de decisão precisam caminhar juntas. Definir quais dados entram no modelo é uma decisão de negócio, não de TI. Definir onde o humano mantém a palavra final é uma decisão de gestão, não de compliance.
O que empresas brasileiras devem fazer com esse sinal
Nem toda empresa tem R$ 2,9 bilhões para internalizar uma startup de modelos fundacionais. Mas toda empresa que opera com volume relevante de dados proprietários enfrenta a mesma questão estrutural que o Itaú resolveu com essa aquisição.
Alguns movimentos concretos que o caso sugere:
- Mapeie seus dados como ativo estratégico. Quais dados você possui que seus concorrentes não têm? Esses são os candidatos a alimentar modelos especializados.
- Defina a fronteira entre automação e decisão humana. Não por regulação, mas por estratégia. Onde o erro de um modelo custa mais do que o ganho de velocidade?
- Trate governança de dados como pré-requisito, não como consequência. Modelo sem dado limpo, catalogado e com origem rastreável é despesa, não investimento.
- Avalie parcerias antes de construir do zero. O Itaú começou com uma rodada de investimento em 2025 antes de comprar em 2026. O caminho foi progressivo.
A aquisição da NeoSpace pelo Itaú é um marco de mercado. Mas o aprendizado para o executivo brasileiro não está no valor da transação. Está no que ela revela sobre onde a vantagem competitiva vai se concentrar nos próximos anos: em quem governa melhor os dados que alimentam os modelos, não em quem tem acesso aos modelos mais potentes.
Fonte: NeoFeed