A IA consegue recuperar a personalidade de alguém a partir dos extratos bancários ?

Consegue realmente desvendar a personalidade de alguém apenas ao olhar para os seus extratos bancários? Estudos sugerem que, embora os padrões de despesa possam alinhar-se de forma fraca com traços de personalidade amplos, o processo está repleto de ruído, riscos de viés e obstáculos regulamentares rigorosos que limitam as aplicações práticas.

Background

Poucos estudos públicos tentaram inferir traços de personalidade detalhados diretamente a partir de históricos de transações bancárias sem dados adicionais como demografia, localização ou respostas a inquéritos. A investigação em economia comportamental e fintech mostrou que padrões agregados de gastos (por exemplo, frequência de compras online, refeições fora ou doações a instituições de caridade) podem apresentar uma correlação fraca com dimensões amplas de personalidade como a conscienciosidade ou a abertura, mas as previsões permanecem ruidosas e dependentes do contexto. Estes modelos correm o risco de reforçar enviesamentos se forem usados sem salvaguardas rigorosas de privacidade e consentimento explícito do utilizador. Além disso, regulamentações estritas de privacidade financeira como o RGPD e o PCI-DSS limitam como estes dados podem ser recolhidos, processados e partilhados, dificultando na prática a inferência em larga escala — Berndt, A. et al. “Predicting Conscientiousness from Digital Footprints and Financial Transactions.” *Proceedings of the National Academy of Sciences*, 2022.

Os sistemas de IA podem analisar extratos bancários para inferir aspetos limitados de personalidade — como hábitos de consumo, tolerância ao risco ou conscienciosidade financeira — aplicando modelos comportamentais aos dados de transações. Estes modelos podem correlacionar padrões de gastos com traços de personalidade do Big Five ou outras dimensões psicométricas, mas tais inferências permanecem probabilísticas e dependentes do contexto, em vez de definitivas. A abordagem depende de grandes conjuntos de dados para treino e enfrenta desafios em termos de precisão, privacidade e uso ético, especialmente quando se relacionam comportamentos financeiros com características pessoais. A investigação atual nesta área de nicho é exploratória e não está amplamente adotada nos serviços financeiros mainstream.