A IA em FP&A pode facilitar o seu trabalho? Provavelmente. Vai exigir algum trabalho? Sem dúvida. Existe a ideia de que a inteligência artificial (IA) e a aprendizagem automática (ML) são “caixas negras”, o que significa que não é possível ver o seu funcionamento interno.
Esta falta de transparência e a necessidade de avançar para o digital representam um desafio, porque é necessário fornecer previsões precisas e compreender e explicar os fatores determinantes às partes interessadas. É essencial estabelecer mecanismos de supervisão da IA para garantir que o trabalho realizado é fiável e responsável.
Estrutura de 5 passos para supervisionar as previsões de ML
Se quiser saber como utilizar IA em FP&A, precisará de um plano claro para o fazer corretamente. No que diz respeito às previsões de ML, existem várias áreas fundamentais que exigem supervisão para garantir que o trabalho é realizado corretamente. Eis os 5 passos que sigo:
Have an account? Log In
1. Verifique os seus pressupostos
O primeiro passo consiste em validar os pressupostos considerados durante o processo de previsão. Isto implica analisar minuciosamente as hipóteses subjacentes e garantir que estão alinhadas com o contexto empresarial. Deve avaliar se os pressupostos são razoáveis, consistentes e baseados em dados históricos relevantes.
Por exemplo, quando comecei a prever as despesas com mão de obra durante a COVID-19, o modelo foi treinado com base em dados históricos, mas não teve em conta outros fatores, como o aumento da procura. Para uma pessoa, este aumento da procura seria um novo pressuposto “razoável”, mas uma máquina não “pensaria” em incluí-lo. Se o algoritmo de ML fosse uma caixa negra, não seria possível ver o impacto da procura no resultado final.
2. Verifique a precisão dos seus dados
Conjuntos de dados precisos e de elevada qualidade são fundamentais para obter previsões fiáveis. Como dizemos em Finanças e Contabilidade, se os seus dados de entrada forem lixo, os seus resultados serão lixo.
É crucial verificar se os dados utilizados para treinar o modelo de ML são abrangentes, atuais e representativos da população-alvo. Devem ser implementadas técnicas de limpeza e pré-processamento de dados para lidar com valores atípicos, valores em falta e outros problemas relacionados com a qualidade dos dados.
Na minha experiência, a ausência de dados fiáveis em tempo real (ou tão próximos do tempo real quanto possível) é a razão mais comum pela qual os algoritmos de ML não funcionam nas empresas. É necessário limpar, normalizar e estruturar os seus dados de uma forma que o modelo de ML consiga utilizar.
3. Compreenda a lógica do algoritmo
Se quiser saber como utilizar IA em FP&A, precisa de entrar na “mente” da máquina. Compreender a lógica subjacente ao algoritmo escolhido é essencial — é necessário determinar a adequação do algoritmo à tarefa de previsão em questão.
Deve avaliar se o algoritmo de ML selecionado está alinhado com as características dos dados e com os objetivos específicos da previsão; uma vez que os modelos de IA são normalmente construídos com base em análise preditiva, é necessário verificar se as previsões fazem realmente sentido. Esta avaliação ajuda a garantir que os pressupostos subjacentes ao algoritmo estão alinhados com o domínio financeiro.
Uma forma de o fazer consiste em dividir o algoritmo em partes mais pequenas e tentar compreender a matemática subjacente a cada um dos componentes. Depois, compreenda a relação entre eles e os casos em que o algoritmo apresentará determinados resultados. Se não se sentir preparado para tratar sozinho desta parte da análise de dados, procure um especialista em IA (engenheiro, cientista de dados ou alguém com uma função semelhante à minha) que faça essa dissecação por si. Em alternativa, pode utilizar uma ferramenta de análise estatística concebida para simplificar o processo.
Esta avaliação da lógica também tem de ser combinada com o elemento seguinte: compreender os fatores determinantes.
4. Compreenda os fatores determinantes (& seja capaz de os explicar)
A transparência nas previsões exige a capacidade de explicar os fatores determinantes por detrás dos resultados previstos: quer faça parte de uma equipa de FP&A, quer seja o CFO, não pode apresentar dados que não compreende.
Precisa de compreender as principais variáveis e características que contribuem para os resultados previstos. Esta explicação ajuda a criar confiança e facilita uma comunicação eficaz com as partes interessadas que dependem da previsão.
No meu próprio processo, antes de começar a programar o algoritmo, passo 1 ou 2 dias com a área da empresa para a qual o estou a desenvolver. Visito uma determinada fábrica se o algoritmo se destinar a prever o seu consumo de serviços, ou acompanho uma visita comercial se o algoritmo se destinar a prever as vendas numa determinada loja.
Depois de compreender o departamento, a equipa ou a instalação em questão, anote todos os fatores determinantes que possam afetar a previsão e certifique-se de que o algoritmo não apresenta apenas um “resultado final”, mas explica também quais as características ou fatores determinantes que contribuíram para chegar a esse resultado.
More Articles
5. Valide os resultados
Os algoritmos de ML devem ser validados exaustivamente para garantir que os seus resultados fazem sentido. Isto implica analisar as métricas de desempenho do modelo, como a exatidão, a precisão, a revocação e o erro absoluto médio. Se o desempenho do modelo ficar abaixo dos limiares aceitáveis, poderá ser necessário proceder a um refinamento adicional, voltar a treiná-lo ou explorar algoritmos alternativos.
Nas últimas semanas, tenho falado com muitos profissionais de finanças e estes descrevem este último passo de formas diferentes — algumas pessoas chamam-lhe “intuição”; outras, o “cheiro” dos resultados da previsão.
Em termos simples, é necessário utilizar os seus conhecimentos empíricos e a sua experiência no domínio para avaliar se a previsão faz sentido. Pode utilizar os cálculos matemáticos descritos acima para esse efeito, mas também precisa de ter a mentalidade de um verdadeiro parceiro de negócio e desenvolver continuamente os seus conhecimentos do negócio, de modo a avaliar corretamente o resultado de um modelo de IA.
O veredito
Dê a uma pessoa uma automatização de ML: ela automatiza durante um dia. Ensine uma pessoa a utilizar IA em FP&A: ela automatiza para toda a vida.
Os casos de utilização são muitos, à medida que as capacidades da IA continuam a crescer e a ser descobertas. Mas as decisões de negócio ainda não estão a ser deixadas aos robôs.
Os benefícios da IA podem facilitar a vida dos CFO e dos profissionais de FP&A, mas, atualmente, o ChatGPT ainda não consegue realizar o trabalho por si só.
Se quiser manter-se na vanguarda da implementação da IA nas finanças, subscreva o boletim informativo do The CFO Club e receba os melhores guias diretamente na sua caixa de entrada.