Onde a IA realmente está fazendo a diferença nas finanças agora

FinTech se move rápido. Notícias estão por toda parte, clareza não.

FinTech Weekly entrega as principais histórias e eventos em um só lugar.

Clique aqui para assinar a newsletter do FinTech Weekly

Lido por executivos do JP Morgan, Coinbase, BlackRock, Klarna e mais.

Por anos, a conversa sobre inteligência artificial em finanças era frustrantemente confusa. A maioria das equipes financeiras continuava fazendo as coisas da mesma forma, mesmo enquanto executivos falavam sobre disrupção e consultores produziam apresentações cheias de promessas. Mas algo mudou nos últimos 18 meses, mais ou menos. As ferramentas melhoraram, os casos de uso ficaram mais claros e departamentos antes céticos começaram a ver resultados reais em áreas que importavam.

Nem todo mundo foi afetado pela mudança da mesma forma ou ao mesmo tempo. Algumas áreas de finanças adotaram IA mais rápido que outras, e os motivos merecem atenção. As equipes de FP&A foram das primeiras a se mover, em grande parte devido à dor óbvia. Todos sabiam que passar duas semanas extraindo dados de sistemas desconectados apenas para construir uma previsão trimestral não era sustentável. Quando surgiram plataformas que podiam automatizar a coleta de dados e descobrir tendências em horas, em vez de dias, a adoção acelerou rapidamente.

O que fez essa onda perdurar foi que ela resolveu problemas com os quais as pessoas já estavam cansadas de lidar. A inteligência artificial em finanças já passou bem da fase experimental. Equipes estão usando-a para fechar livros mais rápido, gerar previsões contínuas sem desgastar seus analistas e executar modelos de cenário que levariam semanas para serem montados manualmente. O valor não é mais abstrato. Ele aparece como ciclos de relatórios mais curtos e menos noites em claro antes das reuniões do conselho.

FP&A Chegou Primeiro, Mas Não Parou Por Aí

Dado o quão manual e repetitivo era o fluxo de trabalho, previsão e orçamento eram o lugar lógico para começar. Mas, uma vez que as equipes viram o que era possível, a tecnologia começou a se espalhar para funções adjacentes. A análise de variância é um bom exemplo. Para determinar por que os valores reais não corresponderam ao plano, um analista normalmente passava horas revisando itens de linha. Ferramentas de IA podem sinalizar essas discrepâncias em minutos e, mais importante, apontar para as causas raiz.

Outra área que está ganhando tração é o reconhecimento de receita. Planilhas e extenso conhecimento institucional eram a norma para empresas que lidam com estruturas contratuais intrincadas ou acordos com múltiplos elementos. Partes desse processo podem ser automatizadas para reduzir riscos e liberar tempo para as decisões que realmente exigem inteligência humana. Onde quer que as equipes financeiras estivessem gastando muito tempo em trabalho repetitivo baseado em regras, a IA está intervindo e fazendo isso mais rápido.

Gerenciamento de Riscos é a História Maior

Se FP&A foi o ponto de entrada, o gerenciamento de riscos pode ser onde a IA entrega o impacto mais duradouro. Conformidade regulatória, detecção de fraudes e modelagem de risco de crédito exigem reconhecimento intrincado de padrões e grandes conjuntos de dados. Essas são exatamente as condições em que o aprendizado de máquina supera a análise manual.

Seguradoras e bancos foram os primeiros a reconhecer isso. Mas o que é mais novo é a adoção entre empresas de médio porte que nunca tiveram equipes dedicadas de análise de riscos. Plataformas baseadas em nuvem tornaram possível para uma empresa com algumas centenas de funcionários realizar o tipo de avaliação de risco que antes exigia uma equipe de quants. Essas ferramentas lidam com o monitoramento, capturam anomalias à medida que ocorrem e compõem relatórios prontos para auditoria por conta própria. Isso é um verdadeiro avanço para a gestão de processos financeiros no dia a dia.

No momento, a conformidade pode ser a parte mais convincente de toda essa mudança. Os ambientes regulatórios estão em constante mudança, e entre regras que mudam em diferentes jurisdições, apenas manter a conformidade já é um trabalho por si só. Embora a IA não possa substituir um oficial de compliance, ela pode escanear atualizações regulatórias, compará-las com políticas atuais e identificar quaisquer lacunas antes que se tornem problemas. No passado, apenas as maiores instituições podiam pagar por esse tipo de monitoramento proativo.

O Que Está Segurando Algumas Equipes

Nem todos os departamentos financeiros operam no mesmo ritmo, e as duas principais causas de hesitação são geralmente talento e confiança. Confiança porque os profissionais de finanças precisam entender como um modelo chega às suas conclusões antes de arriscar sua reputação no resultado. Talento porque implementar essas ferramentas bem requer pessoas que entendam tanto a tecnologia quanto o contexto financeiro, e essa combinação ainda é rara.

O outro gargalo que não recebe atenção suficiente é a qualidade dos dados. Como a IA é tão boa quanto os dados que a alimentam, muitas empresas continuam operando em sistemas desorganizados e desconexos, onde, dependendo do departamento, a mesma métrica pode ser definida de três maneiras diferentes. Embora limpar isso não seja uma tarefa glamourosa, é necessário para obter o máximo de qualquer implementação de IA.

A Trajetória é Bastante Clara

As equipes financeiras que já fizeram a mudança estão expandindo seus casos de uso, não recuando. As primeiras vitórias em FP&A construíram credibilidade interna suficiente para justificar a expansão para risco, conformidade e operações de tesouraria. Universidades estão começando a incorporar alfabetização em dados em seus currículos de finanças, o que deve ajudar a fechar a lacuna de talentos ao longo do tempo. Enquanto isso, fornecedores continuam lançando ferramentas mais especializadas.

A cada trimestre, a matemática fica mais difícil para as equipes que ainda não começaram. A lacuna competitiva entre departamentos financeiros habilitados por IA e os tradicionais está aumentando, e fechar essa lacuna mais tarde sempre custa mais do que acompanhar o ritmo agora. A tecnologia não é perfeita, e ninguém deve fingir o contrário. Mas esperar pela perfeição é um risco por si só, e é um risco que menos organizações podem se dar ao luxo de correr.