O CFO virou o árbitro da IA — e também seu próximo caso de uso

A inteligência artificial chegou ao escritório do CFO por dois caminhos. De um lado, aumentou a pressão para justificar investimentos em tecnologia, infraestrutura e novos modelos de trabalho. De outro, passou a automatizar atividades do próprio financeiro, como análise documental, conciliações, projeções, auditoria e busca de oportunidades tributárias.

Essa dupla posição transforma o CFO em uma figura central na estratégia de IA. Ele não é apenas quem aprova orçamento ou cobra retorno. É também o executivo responsável por uma das áreas com maior potencial para converter informação em valor mensurável — e uma das mais sensíveis a erros, falta de rastreabilidade e dados inconsistentes.

O desafio é que a adoção no financeiro ainda não acompanha o entusiasmo observado em outras funções corporativas. Uma pesquisa da Barte divulgada pelo TI Inside, realizada com mais de 100 CFOs e líderes financeiros de médias e grandes empresas brasileiras, apontou que 89% das áreas pesquisadas permanecem nos dois primeiros níveis de uma escala de cinco estágios de maturidade em IA.

O dado sugere um paradoxo importante para a liderança: justamente a área que deveria ajudar a transformar IA em resultado econômico ainda enfrenta dificuldades para aplicá-la em sua própria operação.

Por que o financeiro é um teste de maturidade

Em marketing, atendimento ou criação de conteúdo, uma aplicação de IA pode começar em um ambiente relativamente delimitado. No financeiro, quase toda automação relevante depende de integração com sistemas transacionais, regras contábeis, políticas internas, documentos e dados históricos.

Isso torna visíveis problemas que um chatbot isolado consegue esconder. Cadastros duplicados, classificações divergentes, planilhas paralelas, documentos sem padronização e integrações frágeis reduzem a confiabilidade das respostas. Quanto mais sensível for a decisão, menor será a tolerância a uma saída apenas plausível.

A discussão se conecta ao custo do legado destacado pela MIT Technology Review Brasil. Sistemas concebidos para aplicações tradicionais podem limitar o desempenho da IA, elevar despesas operacionais e dificultar a passagem para produção. O problema, portanto, não é somente contratar um modelo mais avançado. É preparar a arquitetura para fornecer contexto, controlar acessos, registrar ações e monitorar resultados.

No financeiro, isso significa que a qualidade da IA será condicionada pela qualidade da infraestrutura de dados e dos processos já existentes. A ferramenta pode acelerar uma análise, mas não resolve sozinha a fragmentação organizacional que a precede.

O valor aparece quando a IA encontra um processo concreto

O caso da Vale, noticiado pelo Mobile Time, oferece uma referência útil. A empresa informou ter recuperado US$ 1,65 milhão com uma solução baseada em modelo de linguagem para mapear bens e impostos. Segundo a publicação, tarefas que podiam consumir meses de análise tiveram redução de 80% no tempo.

O aspecto mais relevante não é o uso de um modelo de linguagem em si. É a associação entre tecnologia, um processo financeiro específico e um resultado verificável. Em vez de começar pela pergunta “onde podemos usar IA?”, a organização partiu de uma atividade intensiva em análise, com dados disponíveis e impacto econômico identificável.

Essa lógica pode ser aplicada a diferentes contextos, respeitando as particularidades de cada empresa. Entre os campos que merecem avaliação estão:

• leitura e classificação de documentos fiscais e financeiros;
• identificação de divergências em pagamentos, contratos e cobranças;
• apoio à conciliação e ao fechamento contábil;
• consulta assistida a políticas, normas e históricos internos;
• preparação de cenários para caixa, orçamento e capital de giro;
• detecção de anomalias para posterior investigação humana.

A escolha não deve considerar apenas o volume de trabalho. Também precisa avaliar criticidade, disponibilidade dos dados, possibilidade de validação e custo de uma resposta incorreta. Uma atividade frequente pode ser inadequada para automação se a organização não conseguir explicar ou revisar a decisão produzida.

Do retorno estimado ao valor comprovado

Muitos projetos de IA são apresentados com estimativas de horas economizadas. Essa métrica é útil, mas insuficiente. Tempo liberado não se converte automaticamente em redução de custo, receita adicional ou menor exposição a risco. Se a equipe continuar presa a retrabalho, validações excessivas ou processos que não foram redesenhados, o ganho ficará restrito à demonstração técnica.

O CFO pode elevar a qualidade da discussão ao exigir uma avaliação mais completa. Antes de escalar uma solução, a liderança deveria responder:

• Qual indicador operacional ou financeiro será alterado?
• Qual é a linha de base usada na comparação?
• Quem valida a qualidade das respostas da IA?
• Quanto custam integração, processamento, supervisão e manutenção?
• Que risco surge se o modelo errar ou usar informação desatualizada?
• O conhecimento produzido permanece acessível à empresa?
• Há registros suficientes para auditoria e prestação de contas?

Essas perguntas não servem para bloquear a inovação. Elas ajudam a separar aplicações economicamente sustentáveis de experimentos cujo custo permanece disperso entre licenças, horas de integração, revisões manuais e correções posteriores.

A nova parceria entre CFO, CDO e tecnologia

A expansão da IA também modifica a relação entre as lideranças. O TI Inside destacou que o Chief Data Officer passa a atuar como articulador entre dados, tecnologia e negócio. No financeiro, essa articulação precisa incluir o CFO desde a definição do problema, e não apenas na aprovação final.

O CDO pode responder pela disponibilidade, qualidade e governança dos dados. Tecnologia e segurança cuidam da arquitetura, das permissões e da operação. O financeiro contribui com regras de negócio, critérios de materialidade, controles e métricas de valor. As áreas operacionais, por sua vez, validam se a solução funciona nas condições reais de trabalho.

Quando essas responsabilidades ficam separadas, surgem dois extremos: projetos tecnicamente sofisticados sem impacto relevante ou automações rápidas sem controles compatíveis com sua criticidade. A maturidade está na capacidade de integrar as duas dimensões.

O financeiro pode ser, portanto, mais do que o fiscal da estratégia de IA. Ao aplicar a tecnologia em processos concretos, com rastreabilidade e métricas econômicas, a área tem a oportunidade de estabelecer um padrão para toda a organização: inovação vinculada a processo, risco e resultado.

Essa combinação entre valor mensurável, infraestrutura, dados e responsabilidade executiva integra a pauta das edições do AI Executive Summit, onde líderes discutem como transformar a IA em capacidade real de gestão e negócio.

Fontes acompanhadas

Esta análise parte da cobertura recente de veículos brasileiros de tecnologia e inteligência artificial: Rapadura Tech, Vamos Falar de IA, MIT Technology Review Brasil, Canaltech — IA, Olhar Digital, NeoFeed, TI Inside, Mobile Time, Convergência Digital, Tecnoblog.