A IA está a reconstruir o ciclo de reporting

Antes de fundar TheFinanceNewsletter.com e BeFluentInFinance.com, Andrew Lokenauth desempenhou funções de diretor e vice-presidente na área financeira de vários bancos conhecidos. Atualmente, é um líder de opinião nas disciplinas financeiras, com mais de 3 milhões de seguidores.

Falámos com Andrew para perceber o impacto da IA no setor — os riscos e as oportunidades. Foi isto que nos disse.

Automatizar antes de a IA se tornar uma palavra da moda

Comecei a minha carreira no Citi e, posteriormente, trabalhei no Goldman Sachs, na AIG, no JPMorgan e no Signature Bank, em funções que abrangiam FP&A, finanças estratégicas, relações com investidores e desenvolvimento empresarial. Automatizava fluxos de trabalho financeiros com Python, SQL e VBA muito antes de a IA se tornar um tema de discussão. No Goldman, reduzi em vários dias os ciclos de elaboração de relatórios de resultados. No Signature Bank, criei sistemas que reduziram de vários dias para menos de 24 horas o tempo necessário para os executivos obterem informações relevantes. Quando surgiu a IA generativa, não me pareceu disruptiva. Pareceu-me o passo seguinte natural no trabalho que já fazia há quase duas décadas.

Depois de sair da área financeira institucional, fundei a TheFinanceNewsletter.com e a BeFluentInFinance.com, onde escrevo sobre finanças e tecnologia para mais de 100 000 subscritores de newsletters e mais de 3 milhões de seguidores nas redes sociais. As minhas perspetivas sobre este tema foram publicadas na Forbes, na CNBC, no Wall Street Journal e no Business Insider. Continuo a escrever sobre o assunto pela mesma razão que me levou a interessar-me por ele: a maior parte da discussão continua a ser demasiado teórica, demasiado orientada pelos fornecedores e demasiado afastada da forma como as finanças funcionam realmente no terreno.

Também dirijo uma empresa de consultoria em regime fracionado, onde desempenho funções de CFO e COO fracionado para startups de elevado crescimento e empresas de média dimensão com receitas entre 1 e 5 milhões de dólares.

Como a IA está a transformar os relatórios mensais

A maior mudança no meu trabalho nos últimos 12 meses foi substituir os pacotes estáticos de relatórios mensais por uma camada de FP&A alimentada por IA, que funciona sobre os sistemas financeiros centrais de um cliente. Esta camada extrai dados do software de contabilidade, do CRM e do sistema de processamento salarial, e executa análises automatizadas de desvios de forma contínua.

Antes disso, uma equipa financeira passava os primeiros cinco a sete dias úteis de cada mês a recolher dados, a conciliá-los e a formatar uma apresentação que já estava desatualizada quando chegava às mãos da liderança. Agora, essa mesma informação está disponível em poucas horas, com a IA a tratar da agregação de dados e da deteção de desvios, enquanto uma pessoa revê os resultados para acrescentar contexto e tomar decisões baseadas em critérios de avaliação.

O resultado tem sido consistente em todos os projetos:

• Os ciclos de fecho mensal diminuem aproximadamente 30 a 40%.
• A produção da apresentação para o conselho de administração passa de cerca de 3 dias para menos de 6 horas.
• As taxas de erro diminuem, porque menos etapas manuais significam menos erros manuais.
• As equipas financeiras canalizam a sua energia da recolha de dados para a verdadeira análise do negócio.
• A qualidade das decisões em toda a empresa melhora, porque o CFO pode consultar os seus dados financeiros em tempo real.

A tecnologia não é complicada. O que falta à maioria das equipas é a vontade de reformular o fluxo de trabalho.

Um fluxo de trabalho de fecho e elaboração de relatórios alimentado por IA

Eis a descrição passo a passo do fluxo de trabalho de fecho e elaboração de relatórios:

1. Extração automatizada de dados através do Fivetran: um processo agendado extrai dados do software de contabilidade, do CRM e do processamento salarial para uma base de dados limpa e centralizada a cada 24 horas.
2. Reconciliação baseada em IA e sinalização de desvios através do BlackLine: a camada de IA compara os valores reais com o orçamento em cada rubrica principal, assinala desvios acima dos limiares definidos e gera uma explicação em linguagem simples para cada sinalização.
3. Revisão humana: o responsável financeiro analisa cada item assinalado, acrescenta contexto empresarial e decide o que precisa de ser escalado. Conta com a assistência da IA do FloQast para os comentários sobre variações.
4. Resultados em formato de painel e narrativa através do Datarails: uma apresentação formatada para a administração e um resumo executivo são gerados automaticamente a partir dos dados revistos, prontos para distribuição.

O que antes demorava 3 dias agora demora 4 a 6 horas.

Exemplos reais de como a IA ajuda e prejudica os relatórios mensais

Pensamentos de Andrew

Um resultado com um aspeto confiante não é o mesmo que um resultado fiável.

Eis um exemplo. Trabalhei com uma empresa de tecnologia financeira da Série B, onde implementámos um sistema de monitorização do fluxo de caixa baseado em IA que assinalou um risco de concentração de clientes seis semanas antes de este se transformar num problema de liquidez.

O modelo detetou um padrão no envelhecimento das contas a receber que um revisor humano não tinha identificado nos encerramentos mensais anteriores. Essa única deteção valeu mais do que o custo total da implementação.

Pela negativa, tive um cliente cuja previsão gerada por IA apresentou um desvio de 15 a 20% nos meses com elevada variabilidade nas faturas. O modelo tinha sido treinado com base em padrões históricos que não refletiam uma alteração recente na composição das receitas. O resultado parecia polido e transmitia confiança, e ninguém o contestou até o diretor financeiro detetar o desvio numa reunião da administração.

Um resultado com um aspeto confiante não é o mesmo que um resultado fiável.

A IA trata do «quê» — os humanos tratam do «e então?»

As atividades mais adequadas para a IA são aquelas que têm regras claras, padrões históricos e elevada repetição. Utilizo a IA para:

• Execução de modelos de previsão
• Análise de desvios
• Modelação de cenários de fluxo de caixa
• Deteção de anomalias
• Relatórios de rotina

As áreas em que os humanos continuam envolvidos incluem decisões de alocação de capital, decisões relacionadas com riscos, negociação de contratos, comunicações com investidores, interpretações regulamentares e tudo o que exija compreender o contexto empresarial que não consta dos dados. Um modelo pode assinalar que a sua taxa de consumo de caixa está a acelerar. Não consegue dizer-lhe que a razão é um problema na relação com um fundador ou que um representante comercial está a ocultar o verdadeiro estado do seu pipeline.

O modelo mental que utilizo é este: a IA trata do «quê»; os humanos tratam do «e então?».

Esta é uma das formas mais práticas de pensar na integração da IA numa função financeira. Sem uma das partes, a outra fica incompleta, e ambos os modos de falha — automatizar em excesso ou automatizar de menos — custam dinheiro real às organizações.

Porque é que a automatização excessiva e o excesso de confiança na IA são grandes riscos para as equipas financeiras

A IA traz muitas vantagens. Mas o lado negativo também é real.

A IA cria uma falsa sensação de confiança quando os dados subjacentes não estão limpos. Já vi equipas financeiras confiarem em relatórios de desvios gerados por IA sem questionarem a qualidade dos dados de origem, o que cria um risco real.

Existe também uma armadilha da sobreautomatização: quando se elimina a revisão humana de demasiadas etapas, perde-se o conhecimento institucional que deteta aquilo que os modelos não conseguem ver.

Acho que o setor precisa de uma comunicação mais honesta sobre isto e de menos entusiasmo exagerado por parte dos fornecedores.

Onde a IA fica aquém

No que diz respeito às finanças, a IA fica aquém em três áreas principais.

Em primeiro lugar, esperava que a IA estivesse mais avançada na interpretação de requisitos de conformidade e no juízo regulamentar. Durante os meus anos no Signature Bank e no Amalgamated Bank, grande parte do trabalho relacionado com os controlos financeiros baseava-se em decisões que exigiam um julgamento subtil: ler orientações regulamentares, antecipar as expectativas dos inspetores e saber quando um número passa tecnicamente, mas ainda assim justifica um alerta. Atualmente, as ferramentas de IA conseguem identificar regras relevantes e resumir documentos de orientação. Mas não conseguem replicar o julgamento que resulta de anos a trabalhar frente a frente com os reguladores.

Em segundo lugar, a geração de registos de auditoria e a explicabilidade no âmbito de fluxos de trabalho financeiros complexos. Quando geria as relações com investidores no Signature Bank, uma instituição com mais de 110 mil milhões de dólares em ativos, todos os números incluídos num documento apresentado à SEC, numa chamada de resultados ou numa comunicação regulamentar tinham um registo de auditoria documentado e um responsável humano claramente identificado. Os resultados gerados por IA, especialmente os produzidos por sistemas baseados em modelos de linguagem de grande dimensão, raramente têm uma cadeia de raciocínio que satisfaça um regulador ou um auditor externo. O resultado pode estar correto, mas nem sempre é possível demonstrar o processo da forma exigida num ambiente de conformidade.

E, em terceiro lugar, as empresas em fase inicial com infraestruturas de dados desorganizadas. A proposta da IA pressupõe dados razoavelmente limpos e interligados. A maioria das empresas emergentes não os tem. Vamos analisar isto com mais profundidade.

Porque todas as iniciativas de IA devem começar com uma auditoria aos dados

Reflexões de Andrew

A qualidade dos dados é o verdadeiro estrangulamento. Não é o modelo, nem a ferramenta, nem o fornecedor… Todas as iniciativas de IA devem começar por uma auditoria aos dados, não pela seleção de uma ferramenta.

A qualidade dos dados é o verdadeiro estrangulamento. Não é o modelo, nem a ferramenta, nem o fornecedor. Entrei no meu primeiro projeto financeiro com IA à espera de que a parte mais difícil fosse a tecnologia. Não foi. A parte mais difícil foi descobrir que os dados financeiros da empresa estavam distribuídos por três sistemas diferentes, nenhum dos quais comunicava com os outros, com convenções de nomenclatura inconsistentes e meses de registos em falta. Passámos aproximadamente 60% do calendário do projeto a limpar os dados antes de as ferramentas de IA conseguirem fazer algo útil.

Todas as iniciativas de IA devem começar por uma auditoria aos dados, não pela seleção de uma ferramenta. É necessário saber que dados se tem, onde estão, qual é o seu nível de qualidade e se estão suficientemente estruturados para que um modelo possa aprender com eles. Esse único passo pouparia semanas de retrabalho e permitiria reajustar muito mais cedo as expectativas da liderança.

O modelo antigo consistia em contratar mais pessoas para produzir mais conhecimento. O novo modelo consiste em criar uma infraestrutura de dados melhor e, depois, deixar que a IA multiplique a produtividade da equipa existente. É uma decisão diferente de afetação de capital, e a maioria dos líderes financeiros ainda não a tomou.

Como as equipas financeiras estão a mudar devido à IA

A maior mudança que observei nas equipas é a redução da camada de analistas juniores. As tarefas que anteriormente exigiam que 2 a 3 analistas recolhessem dados, fizessem reconciliações e realizassem análises básicas de variações podem agora ser tratadas por uma camada de IA, com uma pessoa a supervisionar os resultados. Isto nem sempre significa uma redução do número de colaboradores. Com mais frequência, o mesmo número de colaboradores é redistribuído para tarefas de maior valor: parceria com o negócio, análise de cenários, comunicação com investidores e planeamento estratégico.

O perfil de talento de uma boa contratação na área financeira também está a mudar. As melhores pessoas que procuro atualmente não são apenas competentes em contabilidade ou modelização financeira. Compreendem como trabalhar com resultados produzidos por IA, sabem quando confiar num modelo e quando o questionar, e conseguem comunicar claramente ideias financeiras às partes interessadas que não trabalham na área financeira. Esta combinação de rigor financeiro, literacia em IA e competências de comunicação é atualmente rara e é valorizada em conformidade.

O que os CFO têm de aprender para prosperar na próxima década

Os CFO que prosperarem na próxima década serão muito diferentes daqueles que prosperaram na década passada. As competências técnicas financeiras (modelização, elaboração de relatórios e conformidade) serão cada vez mais requisitos básicos tratados pela IA. As competências que definem os grandes CFO serão o discernimento, a comunicação, o pensamento estratégico e a capacidade de liderar em situações ambíguas.

O meu conselho é investir nas competências que a IA não consegue replicar. Desenvolva relações mais fortes com líderes empresariais. Melhore a sua capacidade de comunicar informações financeiras a públicos não financeiros. Desenvolva um verdadeiro discernimento estratégico, e não apenas competências de análise financeira. São estas as capacidades que irão definir os CFO de excelência num futuro potenciado pela IA.

Quatro passos que todos os CFO devem dar

Quatro coisas que diria agora a todos os CFO:

Em primeiro lugar, faça uma auditoria aos dados antes de mais nada. Saiba onde estão os seus dados financeiros, qual é o seu nível de qualidade e se estão suficientemente estruturados para serem utilizados por um modelo.

Em segundo lugar, comece por um único fluxo de trabalho. Os CFO que vi ter sucesso com a IA escolhem o processo mais problemático e repetitivo da sua função — normalmente, o fecho mensal ou a apresentação para o conselho de administração — e depois reformulam o fluxo de trabalho antes de o automatizarem. Esta sequência é importante. Construa o fluxo de trabalho no papel antes de o construir numa ferramenta. Documente cada passo do processo que pretende automatizar, identifique quais os passos baseados em regras (preparados para IA) e quais exigem discernimento (necessitam de intervenção humana) e, em seguida, construa em conformidade.

Em terceiro lugar, defina pontos de controlo para a revisão humana antes de entrar em funcionamento. Cada resultado da IA num fluxo de trabalho financeiro deve ter um responsável humano que o valide.

Em quarto lugar, estabeleça a situação de referência antes de começar. Se não souber quanto tempo demora atualmente o seu fecho ou qual é a atual taxa de erro das suas previsões, não poderá provar que a IA o tornou melhor.

Estes quatro passos parecem simples, e são-no. Mas a maioria das organizações ignora dois ou três deles porque está ansiosa por chegar à tecnologia. É daí que vem a maior parte da desilusão.

Acompanhe

Pode acompanhar o trabalho de Andrew Lokenauth no LinkedIn, no YouTube e no seu site pessoal. Ou consulte The Finance Newsletter e o seu BeFluentInFinance.com.

Em breve, haverá mais entrevistas com especialistas no The CFO Club!