O Crédito do Trabalhador escala rápido. O dado que o sustenta, nem tanto.

O consignado privado completou seu primeiro ano de nova fase com uma estatística que parece contraditória. Segundo levantamento publicado pelo O Globo, o valor médio de cada empréstimo do Crédito do Trabalhador caiu 73%, de R$ 8,6 mil para R$ 2,3 mil. No mesmo período: o volume mensal liberado saltou de R$ 1,5 bilhão para quase R$ 11 bilhões, a média de instituições ofertando crédito por empresa foi de quatro para 21, e os contratos mensais mais que dobraram, de 11 mil para acima de 25 mil. 

A operação encolheu; o mercado, não. E é justamente nessa combinação, tíquetes menores, escala muito maior, que mora a pergunta que o setor ainda não respondeu por completo.

O programa entrega o que prometeu. Ao levar a garantia do desconto em folha para o trabalhador do setor privado, criou competição onde havia concentração e abriu, para milhões de pessoas, a possibilidade concreta de trocar dívidas caras, cartão rotativo, cheque especial, por crédito estruturalmente mais barato. Uma análise da klavi em 2025 com 96 mil consumidores que haviam feito ao menos três pedidos de crédito capturou esse efeito. Dentro da amostra, a taxa média das operações com garantia caiu de 3,4% para 2,8% ao mês, e a das operações sem garantia, de 7,6% para 6,4%. O recorte descreve o mecanismo funcionando: quando a oferta se multiplica, o tomador compara, pressiona e paga menos.

O problema é que o mesmo mecanismo que barateia o crédito também o pulveriza. O mesmo recorte, noticiado pelo O Globo e Folha, mostra que 74% dos trabalhadores com consignado CLT carregam dois ou mais empréstimos ativos, que 29% dos que contrataram uma segunda operação passaram a pagar taxa maior, e que mais da metade dos multicontratados espalhou as dívidas entre bancos diferentes. Cada instituição enxerga a própria parcela contra a margem do trabalhador, nenhuma enxerga o conjunto.

Esse ponto cego seria menos grave se o tomador compensasse com informação o que o sistema não integra. Não é o caso. Pesquisa citada pelo Monitor Mercantil, encontrou 83% de trabalhadores que não sabiam quanto pagavam de juros e 69% que não avaliaram o impacto da parcela no orçamento familiar; 54% disseram não ter recebido orientação alguma. O dado mais revelador, porém, é outro: 36% usaram o consignado para quitar cartão ou cheque especial. Ou seja, uma parte relevante do público faz exatamente o uso virtuoso da modalidade, e é a fronteira entre esse uso e o seu oposto que a análise de crédito precisa aprender a distinguir.

Distinguir uma da outra exige recuar a etapas da decisão que o desconto em folha não cobre. E a primeira delas vem antes de qualquer discussão sobre valor ou taxa: saber a quem se está emprestando. Identidade é a camada mais elementar do risco e a mais fácil de subestimar quando a originação é digital e o volume cresce na velocidade atual. 

A experiência recente do consignado do INSS — que não deve ser confundido com o crédito CLT — serve ao menos de advertência: reclamações cresceram 119% em um ano, o instituto identificou 254 mil contratos com indícios de fraude e o TCU chegou a suspender novas operações até que exigências de segurança fossem cumpridas. A lição não é que o consignado CLT repetirá esses números; é que identidade, autenticação e contratação precisam escalar junto com o crédito ou a conta fica mais alta depois.

É nessa camada que o Open Finance começa a trabalhar. Com consentimento, o cliente se autentica na instituição onde já tem conta e autoriza o compartilhamento de dados cadastrais, de contas e de operações de crédito, nos termos definidos pelo Banco Central. 

Para o credor, o Open Finance significa um duplo confronto dos dados do onboarding com o que o sistema financeiro já sabe. O primeiro é de identidade: o CNPJ do empregador e a renda real informados podem ser comparados aos registros de outra relação bancária. 

O segundo é comportamental: com dados transacionais consentidos e a inteligência da klavi, é possível verificar se o vínculo empregatício declarado se confirma no fluxo de salário: quem deposita, com que recorrência, se houve interrupção. Não se trata de eliminar fraude, mas de encarecê-la com mais uma camada de verificação. O que os dados transacionais consentidos acrescentam, com a inteligência da klavi aplicada sobre eles, é a evidência de comportamento: quem deposita o salário, com que recorrência, em que período do mês, e se esse fluxo segue estável.

A terceira etapa é a que o desconto em folha costuma dispensar, mas não deveria: o acompanhamento do vínculo depois da concessão. Enquanto o emprego existe, a garantia funciona, a parcela é retida antes de o salário chegar à conta. 

O risco da modalidade se concentra quando esse vínculo se rompe: com a demissão, o desconto cessa, e o que era crédito garantido passa a depender das verbas rescisórias e do FGTS para uma amortização apenas parcial. Para o credor, saber disso no dia ou meses depois é a diferença entre agir e absorver a perda. 

É aqui que a natureza do dado importa: o fluxo transacional consentido via Open Finance é um retrato do momento: o salário que deixou de cair aparece no extrato do próprio mês, enquanto muitas das APIs oficiais disponibilizadas no programa trazem dados com atraso, refletindo um status empregatício que pode já não existir. Monitorar a continuidade do salário em tempo quase real permite ao credor ser notificado da perda do emprego quando ela acontece, e não quando o registro formal a alcança.

O desconto em folha resolve bem o problema para o qual foi criado: garante ao credor como a dívida será paga. As perguntas anteriores continuam em aberto: se aquele crédito deveria ser concedido, a quem, em que valor e em quais condições. O primeiro ano do Crédito do Trabalhador mostrou que o mercado sabe escalar originação. O segundo dirá se ele sabe escalar a inteligência de identidade, vínculo e capacidade de pagamento no mesmo ritmo.

Bernardo Meirelles é Revenue Director da klavi, empresa pioneira em inteligência de dados via Open Finance no Brasil. Com mais de uma década de experiência na construção e escalada de negócios orientados por dados, teve papel decisivo na expansão da Neoway: da fase inicial até a venda da empresa para a B3 por R$ 1,8 bilhão. Também atuou em uma fintech do setor condominial, onde liderou estratégias de go-to-market. Na klavi, Bernardo combina sua expertise em dados, inovação e estratégia comercial para impulsionar a adoção de soluções que transformam a relação entre empresas e consumidores por meio do uso inteligente de dados.