Onde a IA Está Realmente Fazendo a Diferença nas Finanças Agora Mesmo

A FinTech avança a todo o ritmo. As notícias estão por todo o lado, mas a clareza não.

A FinTech Weekly reúne as principais histórias e eventos num só lugar.

Clique aqui para subscrever a newsletter da FinTech Weekly

Lida por executivos da JP Morgan, Coinbase, BlackRock, Klarna e mais.

Há anos que a conversa sobre inteligência artificial na área das finanças era frustrantemente pouco clara. A maioria das equipas financeiras continuava a fazer as coisas da mesma forma, mesmo enquanto os executivos falavam em disrupção e os consultores inundavam com 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 que antes eram cépticos começaram a ver resultados reais em áreas que realmente importavam.

Nem todos foram afectados pela mudança da mesma maneira ou ao mesmo tempo. Algumas áreas das finanças adoptaram a IA mais rapidamente do que outras, e as razões merecem ser observadas. As equipas de FP&A estiveram entre as primeiras a avançar, em grande parte devido à dor evidente. Toda a gente sabia que não era sustentável despender duas semanas a recolher dados de sistemas desligados só para construir uma previsão trimestral. Quando surgiram plataformas capazes de automatizar a recolha de dados e identificar tendências em horas, em vez de dias, a adopção ganhou rapidamente impulso.

O que fez esta vaga “pegar” foi que resolveu problemas com que as pessoas já estavam cansadas de lidar. Inteligência artificial nas finanças já ultrapassou claramente a fase experimental. As equipas estão a usá-la para fechar contas mais depressa, gerar previsões em contínuo sem sobrecarregar os analistas e executar modelos de cenários que, de outro modo, demorariam semanas a montar manualmente. O valor já não é abstracto. Aparece em ciclos de reporte mais curtos e em menos noites tardias antes das reuniões do conselho.

FP&A Foi das Primeiras, Mas Não Ficou por Aí

Dado o quão manual e repetitivo era o fluxo de trabalho, a previsão e o orçamento eram o ponto lógico para começar. Mas, assim que as equipas viram o que era possível, a tecnologia começou a espalhar-se para funções adjacentes. A análise de variações é um bom exemplo. Para determinar por que razão os valores reais não correspondiam ao plano, um analista normalmente passaria horas a percorrer itens por linha. As ferramentas de IA podem assinalar essas discrepâncias em minutos e, mais importante, apontar para as causas de raiz.

Outra área que está a ganhar tracção é o reconhecimento de receitas. As folhas de cálculo e o vasto conhecimento institucional eram, antes, a norma para empresas que lidavam com estruturas contratuais complexas ou com arranjos de múltiplos elementos. Partes desse processo podem ser automatizadas para reduzir o risco e libertar tempo para as decisões que, verdadeiramente, exigem inteligência humana. Sempre que as equipas financeiras gastavam tempo demais em trabalho repetitivo baseado em regras, a IA entra e faz isso mais depressa.

A Gestão de Risco É a História Maior

Se o FP&A foi o ponto de entrada, a gestão de risco poderá ser onde a IA gera o impacto mais duradouro. A conformidade regulatória, a detecção de fraude e a modelação do risco de crédito exigem reconhecimento de padrões intrincado e grandes conjuntos de dados. São exactamente essas as condições em que a aprendizagem automática supera a análise manual.

As seguradoras e os bancos foram os primeiros a reconhecer isso. Mas o mais recente é a adopção por empresas de média dimensão que nunca tiveram equipas dedicadas de análises de risco. Plataformas baseadas na nuvem tornaram possível para uma empresa com algumas centenas de empregados executar o tipo de avaliações de risco que antes exigia uma equipa de “quants”. Estas ferramentas tratam do monitoramento, detectam anomalias à medida que acontecem e montam relatórios prontos para auditoria por conta própria. É um salto real na gestão diária de processos financeiros.

Neste momento, a conformidade pode ser a parte mais convincente de toda esta mudança. Os ambientes regulatórios estão sempre a mudar, e, entre regras em mudança em diferentes jurisdições, manter-se em conformidade é, por si só, um trabalho. Embora a IA não possa substituir um responsável pela conformidade, pode analisar actualizações regulatórias, compará-las com políticas actuais e identificar quaisquer lacunas antes de se tornarem problemas. No passado, apenas as maiores instituições podiam pagar esse tipo de monitorização proactiva.

O Que Está a Impedir Algumas Equipas

Nem todos os departamentos financeiros operam ao mesmo ritmo, e as duas principais causas da hesitação costumam ser talento e confiança. Confiança porque os profissionais de finanças precisam de compreender como um modelo chega às suas conclusões antes de assumirem a sua reputação com base na saída. Talento porque implementar estas ferramentas de forma correcta requer pessoas que compreendam tanto a tecnologia como 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 só é tão boa quanto os dados que a alimentam, muitas empresas continuam a operar em sistemas desorganizados e desconectados, em que, dependendo do departamento, a mesma métrica pode ser definida de três maneiras diferentes. Embora corrigir isso não seja uma tarefa “glamourosa”, é necessário para tirar o máximo partido de qualquer implementação de IA.

A Trajectória Está Bastante Clara

As equipas financeiras que já deram o passo estão a expandir os seus casos de uso, não a recuar. As primeiras vitórias em FP&A construíram credibilidade interna suficiente para justificar a expansão para risco, conformidade e operações de tesouraria. As universidades estão a começar a integrar literacia de dados nos seus currículos de finanças, o que deve ajudar a colmatar a lacuna de talento ao longo do tempo. Entretanto, os fornecedores continuam a lançar ferramentas mais especializadas.

A cada trimestre, a matemática fica mais difícil para as equipas que ainda não começaram. A diferença competitiva entre departamentos de finanças habilitados por IA e os tradicionais está a aumentar, e fechá-la mais tarde custa sempre mais do que manter o ritmo agora. A tecnologia não é perfeita, e ninguém deve fingir o contrário. Mas esperar pela perfeição é, por si só, um tipo de risco — e é um que menos organizações conseguem dar ao luxo de assumir.