A Revolut Research é a nova unidade de investigação em inteligência artificial da Revolut e terá como principal activo tecnológico o PRAGMA, uma família de modelos fundacionais concebida para analisar sequências de eventos bancários. A estrutura, anunciada a 25 de Agosto de 2026, concentra investigação aplicada a áreas como detecção de fraude, avaliação de risco de crédito e recomendações de produtos.
A criação da unidade formaliza uma área de investigação que já tinha produzido resultados públicos. O artigo científico que descreve o PRAGMA foi publicado no arXiv a 9 de Abril de 2026 e identifica 14 autores ligados ao projecto, entre os quais Pavel Nesterov e Anton Repushko.
A Revolut afirma ter ultrapassado os 80 milhões de clientes em 40 países, um número que a própria empresa comunicou a 25 de Agosto. A informação representa uma actualização face aos mais de 70 milhões de clientes ainda referidos no estudo de caso da NVIDIA sobre o PRAGMA.
Revolut Research concentra o desenvolvimento de IA financeira
A Revolut Research foi criada para concentrar investigação e desenvolvimento de modelos próprios de inteligência artificial aplicados aos serviços financeiros.
A unidade integra a equipa global de inteligência artificial da Revolut e é liderada por Anton Repushko. De acordo com a empresa, a estrutura terá como missão desenvolver arquitecturas de aprendizagem automática e manter colaboração com instituições académicas e tecnológicas.
O principal projecto associado à nova unidade é o PRAGMA da Revolut. Ao contrário de sistemas concebidos de forma independente para tarefas específicas, a arquitectura procura criar uma representação comum do comportamento financeiro que possa servir diferentes aplicações.
A abordagem já está documentada fora do comunicado de lançamento. Num artigo publicado em Junho, a NVIDIA descreveu os modelos fundacionais para transacções como uma alternativa arquitectónica aos sistemas separados de fraude, crédito, recomendações e risco. A empresa tecnológica cita Revolut, Mastercard, Adyen, Stripe e outras instituições como exemplos desta linha de desenvolvimento.
PRAGMA cria uma base comum para fraude e crédito
O PRAGMA é uma família de modelos baseados na arquitectura Transformer que processa sequências provenientes de diferentes tipos de eventos bancários.
Um pequeno artigo sobre o PRAGMA, publicado em arxiv.org, descreve uma arquitectura que recebe dados heterogéneos e utiliza aprendizagem auto-supervisionada para criar representações que podem ser reutilizadas em tarefas posteriores. Entre os casos analisados estão a avaliação de crédito, a detecção de fraude e a previsão do valor do cliente.
A arquitectura utiliza três codificadores para tratar atributos do utilizador, eventos individuais e histórico de longo prazo. O sistema converte os dados numa representação comportamental comum e utiliza diferentes métodos para tratar campos categóricos, valores numéricos e informação temporal.
As diferentes versões do PRAGMA variam entre cerca de 10 milhões e mil milhões de parâmetros. A versão PRAGMA-S, com aproximadamente 10 milhões, foi concebida para cenários nos quais a latência tem peso operacional, como a análise de fraude no momento de uma transacção.
A NVIDIA indica ainda que o modelo Llama-Nemotron-Embed-1B-v2 é usado para representar campos de texto não estruturado, como descrições de comerciantes. Nos testes divulgados, esta componente esteve associada a uma melhoria de 16,1% no desempenho da previsão de risco de crédito.
Treino utilizou milhares de milhões de eventos financeiros
O PRAGMA foi pré-treinado com cerca de 26 milhões de registos de utilizadores provenientes de 111 países.
A NVIDIA refere um conjunto de aproximadamente 24 mil milhões a 40 mil milhões de eventos, 207 mil milhões de tokens e cerca de 28 meses de histórico. O intervalo varia entre as configurações e os conjuntos considerados na documentação técnica.
O treino recorreu a GPU NVIDIA H100 instaladas na infraestrutura da Nebius AI Cloud. De acordo com o estudo de caso, o PRAGMA-S completou o processo em cerca de dois dias com 16 GPU, enquanto versões maiores exigiram aproximadamente duas semanas com grupos de 16 a 32 GPU.
A Nebius também documenta a utilização do PRAGMA e refere três configurações principais, com 10 milhões, 100 milhões e mil milhões de parâmetros. A empresa indica que estes modelos utilizam dados correspondentes a mais de 40 mil milhões de eventos de cerca de 25 milhões de utilizadores, diferença que reflecte o conjunto e a versão descritos por cada fonte.
Pode ler os resultados detalhados de benchmarking técnico, explorar o estudo de caso em https://www.nvidia.com/en-us/case-studies/revolut/
Esta escala de dados constitui um dos elementos centrais da estratégia de inteligência artificial na banca seguida pela Revolut. Os números, contudo, não permitem concluir que a dimensão do conjunto de dados se traduza automaticamente numa vantagem sobre modelos utilizados por outras instituições.
Benchmarks internos apontam ganhos em fraude e recomendações
Os testes internos divulgados pela Revolut atribuem ao PRAGMA melhorias face aos modelos de produção anteriormente utilizados pela empresa.
No risco de crédito, a NVIDIA refere uma precisão 2,3 vezes superior na identificação do risco de incumprimento. Na detecção de fraude, o estudo de caso aponta para uma melhoria de 64,7% na taxa de detecção e de 16,7% na precisão dos alertas.
Nas recomendações de produtos, a melhoria reportada é de 41%. A Revolut também associa a arquitectura comum a ciclos de desenvolvimento de modelos entre três e cinco vezes mais rápidos, sobretudo pela redução do trabalho necessário para criar características específicas para cada projecto.
Estes resultados devem ser interpretados como benchmarks internos da Revolut, e não como uma avaliação independente do PRAGMA. A documentação pública não disponibiliza todas as métricas absolutas necessárias para comparar directamente o sistema com modelos de instituições concorrentes.
A redução do trabalho de preparação de características é também referida por Tadas Kriščiūnas, Head of Group Credit Data Science da Revolut. Numa declaração publicada pela NVIDIA, o responsável afirmou, em tradução do original, que a equipa passou de «semanas, ou em alguns casos meses, de engenharia de características para não ser necessário qualquer tempo para essa tarefa».
Revolut Research formaliza uma estratégia já em desenvolvimento
A Revolut Research transforma numa unidade institucional uma estratégia de investigação que já tinha produzido o PRAGMA e trabalhos apresentados publicamente ao longo de 2026.
A publicação científica de Abril constitui a principal referência técnica disponível sobre o modelo. A NVIDIA apresentou também o PRAGMA no contexto dos modelos fundacionais para transacções e disponibilizou um exemplo destinado a instituições que pretendam desenvolver arquitecturas semelhantes sobre dados financeiros.
Esta tendência não está limitada à Revolut. A NVIDIA identifica projectos de modelos fundacionais para transacções na Mastercard, Stripe, Nubank, Visa e Plaid, o que demonstra que a utilização de arquitecturas Transformer sobre dados financeiros estruturados já constitui uma área de investigação e desenvolvimento em várias empresas do sector.
A criação da Revolut Research deve, por isso, ser lida sobretudo como uma formalização organizacional desta estratégia. O elemento técnico diferenciador que pode ser confirmado é a tentativa de reutilizar uma representação comum de dados comportamentais em várias tarefas, em vez de desenvolver uma arquitectura isolada para cada aplicação.
A empresa afirma que pretende publicar novos trabalhos científicos, disponibilizar estruturas técnicas com código aberto e reforçar a participação da equipa em conferências. O impacto dessas iniciativas só poderá ser avaliado à medida que as publicações, o código e os resultados associados forem disponibilizados.
FAQ – Perguntas frequentes
O que é a Revolut Research?
A Revolut Research é uma unidade de investigação em inteligência artificial criada pela Revolut para concentrar o desenvolvimento de modelos próprios de aprendizagem automática aplicados aos serviços financeiros.
O que é o PRAGMA da Revolut?
O PRAGMA é uma família de modelos fundacionais baseada em Transformer que processa sequências de eventos bancários e cria representações reutilizáveis em tarefas como crédito, fraude e recomendações.
Quantos dados foram usados para treinar o PRAGMA?
A NVIDIA refere cerca de 26 milhões de registos de utilizadores, 111 países, entre 24 mil milhões e 40 mil milhões de eventos e 207 mil milhões de tokens.
Que resultados obteve o PRAGMA?
Nos benchmarks internos da Revolut, o modelo alcançou uma melhoria de 64,7% na detecção de fraude, um aumento de 16,7% na precisão dos alertas, precisão 2,3 vezes superior na identificação do risco de incumprimento e recomendações de produtos 41% mais relevantes.
Os resultados do PRAGMA foram validados de forma independente?
Não existe, nas fontes públicas consultadas, uma avaliação independente que reproduza todos os benchmarks divulgados pela Revolut. Os números devem ser tratados como resultados internos da empresa.
Outros artigos interessantes:
