Você está treinando seu time em IA ou apenas comprando acesso?

Compartilhar
Você está treinando seu time em IA ou apenas comprando acesso?

/update

Um experimento de campo com 388 funcionários de uma varejista Fortune 500 acaba de provar algo que a maioria dos CFOs brasileiros ainda não percebeu: dar acesso a ferramentas de IA não gera resultado. O que gera resultado é como você estrutura o uso.

Todos os participantes do estudo tinham acesso à mesma ferramenta de IA generativa. A única variável foi a estrutura de uso. Um grupo recebeu protocolo rígido (scaffolding comportamental) forçando uso em pares. Outro grupo recebeu treinamento cognitivo posicionando IA como thought partner, não executor de tarefas.

Resultado: o protocolo rígido reduziu qualidade e produtividade. O reframing cognitivo aumentou qualidade no topo da distribuição — exatamente onde estão seus analistas seniores de FP&A e controladoria.

Enquanto isso, no Brasil corporativo, CFOs estão negociando licenças enterprise de Copilot e Claude como se só comprar acesso resolvesse o problema. Não resolve. Nunca resolveu.

→ Fonte: arXiv


/nofilter

Esse tema me relembrou dos 2 anos que atuei como Finance Transformation Director de uma Big Tech.

Meu trabalho era muito mais do que vender software. Me reunia com Conselheiros, CEOs e CFOs de grandes contas para ajudá-los a transformar a operação financeira. ERP, planejamento, fechamentos e consolidação de resultados. O pacote completo.

E em cada projeto, eu via a mesma coisa se repetir: em sua maioria, o CFO aprovava o budget de tecnologia sem pestanejar. Dezenas de milhões em licenças, infraestrutura, consultoria de implantação, justificados por um ROI que considerava inclusive redução expressiva de FTEs. Tudo certo.

Mas quando chegava a hora de alocar capital para treinamento e change management para quem iria ficar, a conversa mudava. "Vamos fazer um workshop de dois dias." "Tem tutorial online, não tem?" "O pessoal aprende usando."

Resultado previsível: seis meses depois, 70% da funcionalidade ficava subutilizada. A equipe voltava para Excel porque "o sistema é complicado". O CFO reclamava que o ROI não veio.

O problema nunca foi o sistema. Foi tratar pessoas como custo variável em vez de ativo tangível.

Hoje, quando ajudo CFOs a estruturar adoção de IA nas suas operações financeiras, é por aí que eu começo.

• • •

Agora estamos repetindo o mesmo erro — só que em escala exponencial com IA.

Você negocia licença enterprise de IA generativa para 500 usuários. Libera acesso. Manda um email com "boas práticas". Talvez grave um vídeo de 15 minutos. E espera que mágica aconteça.

Não vai acontecer.

Porque o experimento que abriu esta edição prova algo que todo executivo de finanças deveria tatuar na testa: estrutura de uso importa mais que acesso.

Quando você força protocolo rígido ("use IA assim, neste momento, desta forma"), você mata o julgamento do analista. Ele vira operador de prompt, não pensador financeiro. A qualidade cai. A produtividade cai. Você acabou de pagar R$ 2 milhões por ano para tornar seu time pior.

Mas quando você treina o analista para pensar COM IA — para usar a ferramenta como thought partner na construção de cenários, na análise de variância, na modelagem de sensibilidades — você amplifica o julgamento dele. Você libera capacidade cognitiva para o trabalho que realmente importa: interpretar, questionar, decidir.

E aqui está o ponto que ninguém está dizendo: isso não acontece sozinho. Precisa de investimento. Precisa de alocação deliberada de capital em capacitação e reskilling.

• • •

O papel estratégico do CFO em IA não é só aprovar budget de tecnologia. É direcionar alocação de capital para transformação de pessoas — do próprio time financeiro e de toda organização (o RH inclusive).

Lembra daquele bom e velho fairy tale corporativo: "O CFO pergunta ao CEO: 'O que acontece se investirmos no desenvolvimento das nossas pessoas e elas nos deixarem?' O CEO responde: 'O que acontece se não investirmos, e elas ficarem?'" Ah, ele nunca foi tão atual!

Você está aprovando R$ 5 milhões em licenças de IA para FP&A, controladoria e tesouraria. Quanto você alocou para treinar essas equipes a usar IA como thought partner? Quanto você investiu em reframing cognitivo? Quanto você destinou para criar estrutura de governança que equilibre inovação com compliance?

Se a resposta for "uma fração do budget de tecnologia" ou "ainda não definimos", você está construindo um castelo de cartas.

• • •

E tem outro papel do CFO que ninguém está exercendo: guardião da governança adaptativa.

Uma pesquisa recente com 1.879 líderes de TI mostrou que 94% reconhecem que sprawl de IA aumenta risco e débito técnico. Mas só 12% têm plataforma centralizada para controlar isso.

Traduzindo para o contexto brasileiro: sua área de FP&A está rodando agente de IA para forecast. Controladoria está usando outro agente para reconciliação. Tesouraria tem um terceiro para análise de hedge. Cada um com política diferente, logs diferentes, supervisão diferente.

Quando auditoria interna vier perguntar "quem autorizou essa decisão de provisionamento?", a resposta vai ser "o agente sugeriu e ninguém revisou".

O CFO é um dos guardiões da governança corporativa. Não dá para terceirizar governança de IA para TI e torcer para dar certo. Você precisa equilibrar inovação com conformidade — e isso exige alocação de capital em governança, não só em tecnologia.

Na próxima segunda, agende reunião com CIO, CISO e Jurídico. Mapeie quantos projetos de IA estão rodando em finanças. Exija inventário: quais agentes, quais decisões tomam, qual supervisão existe, onde ficam os logs. Se não houver plataforma centralizada de governança, estabeleça moratória em novos agentes até definir política corporativa de controle e auditabilidade.

Porque o risco não é tecnológico. É fiduciário.

Ano que vem já chegou. E ele cobra julgamento, não planilha.


/howto

Você leu acima e pensou: "Faz sentido, mas como eu estruturo treinamento de reframing cognitivo para meu time de FP&A?"

Aqui está o passo a passo para treinar analistas financeiros a pensar COM IA, não apenas usar IA.

Contexto: Este tutorial ensina como desenhar sessão de treinamento de 2 horas focada em reframing cognitivo — transformar a relação do analista com IA de "executor de tarefas" para "thought partner estratégico". Aplicável a equipes de FP&A, controladoria e planejamento.

Passo 1: Selecione grupo piloto de 5-10 analistas seniores ou plenos com alta performance. Evite juntar júnior com sênior na mesma turma — níveis de abstração diferentes geram frustração.

Passo 2: Prepare caso real da sua empresa — análise de variação orçamentária do último trimestre, projeção de fluxo de caixa ou modelagem de sensibilidade de margem. Use dados reais (anonimizados se necessário), não exemplo genérico.

Passo 3: Divida a sessão em 3 blocos de 40 minutos:

Bloco 1 — Desmistificação (40 min): Mostre que IA generativa não é oráculo, é espelho cognitivo. Peça para cada analista fazer a MESMA pergunta para ChatGPT ou Claude usando prompt genérico ("Analise esta DRE"). Compare os outputs. Mostre que qualidade da resposta depende de qualidade da pergunta — exatamente como depende quando você faz pergunta para controller ou CFO.

Bloco 2 — Reframing (40 min): Apresente o conceito: IA como thought partner, não como executor. Use este prompt pronto com o caso real que você preparou:

Você é um analista financeiro sênior com 15 anos de experiência em FP&A. Estou analisando a variação orçamentária do Q1 2026 da minha empresa. Vou colar a DRE real vs budget abaixo.

Seu papel NÃO é me dar a resposta final. Seu papel é me fazer as perguntas certas para eu chegar na resposta.

Faça 5 perguntas investigativas que um CFO experiente faria ao ver esta variação. Perguntas que me obriguem a pensar em causas estruturais, não apenas sintomas.

[Cole aqui a DRE real vs budget]

Peça para cada analista rodar este prompt com os dados reais. Discuta em grupo: quais perguntas a IA fez que você NÃO teria feito sozinho? Qual mudou sua forma de olhar o problema?

Bloco 3 — Aplicação (40 min): Agora cada analista escolhe um problema real do próprio backlog (forecast de receita, análise de rentabilidade de produto, projeção de CAPEX). Use este prompt estruturado:

Você é meu thought partner em análise financeira. Vou te apresentar um problema de [FP&A/Controladoria/Planejamento].

Problema: [descreva em 2-3 frases]

Dados disponíveis: [liste fontes de dados que você tem]

Antes de sugerir qualquer solução, me faça 3 perguntas para entender:
1. Qual decisão de negócio depende desta análise
2. Qual nível de precisão é aceitável vs esforço
3. Quais premissas ocultas eu estou assumindo

Depois, proponha 2 abordagens diferentes para resolver — uma conservadora e uma criativa.

Cada analista roda este prompt, compartilha resultado com dupla ao lado, discute qual abordagem escolheria e por quê.

Passo 4: Feche a sessão com regra de ouro: "IA amplifica julgamento, não substitui julgamento. Se você não sabe fazer a análise manualmente, IA não vai fazer por você. Mas se você sabe, IA vai te fazer pensar em ângulos que você não pensaria sozinho."

Passo 5: Estabeleça follow-up de 30 dias. Cada analista compartilha 1 caso onde usou IA como thought partner e qual foi o resultado vs abordagem tradicional. Documente os casos de sucesso para escalar para resto do time.

Resultado esperado: Ao final, seu time não vai apenas "usar IA". Vai pensar diferente — com IA como catalisador de raciocínio financeiro, não como atalho para evitar pensar. A qualidade das análises sobe. O tempo gasto em trabalho operacional cai. E você liberou capacidade cognitiva para o que realmente diferencia um analista financeiro: julgamento.


/briefing

Revolut publica primeiro modelo foundation para dados transacionais bancários
A Revolut lançou o PRAGMA, modelo foundation baseado em Transformer treinado especificamente em sequências de eventos bancários, não adaptado de NLP genérico. Demonstra performance superior em credit scoring, detecção de fraude e previsão de lifetime value através de embeddings extraídos de transações brutas.

Porque isso importa: em vez de construir modelos preditivos separados para cada caso de uso (forecast de caixa, detecção de anomalias, análise de crédito), uma única camada de representação pode alimentar múltiplas aplicações financeiras. Reduz drasticamente tempo e custo de desenvolvimento de IA em finanças corporativas.

LLMs processam 118 mil mensagens de mercado para prever impacto de política monetária
Estudo utilizou LLM para classificar 118.000+ mensagens em hawkish/dovish, criando índice de alta frequência de expectativas de política monetária. Demonstrou que narrativas hawkish de bancos centrais causam quedas em Bitcoin independentemente de ajustes reais na taxa de juros.

Porque isso importa: valida LLMs como ferramenta operacional para monitoramento de expectativas de política monetária em tempo real. A metodologia é replicável para monitorar comunicações do Copom/BCB e antecipar impacto em curva de juros e câmbio, com aplicação direta em gestão de hedge cambial e timing de operações de tesouraria. → Fonte


/thinkdeeper

Provocação para sua próxima reunião de liderança:

Se você aprovou R$ 5 milhões em licenças de IA mas só alocou R$ 200 mil em treinamento, você não está adotando IA. Você está comprando risco disfarçado de inovação.

Leve esta pergunta para o Comitê Executivo: Quanto do budget de transformação digital está alocado para transformar pessoas, não só para comprar tecnologia?

Se a resposta for menos de 30% do total, você tem um problema de governança — não de tecnologia.


Gostou desta edição? Encaminhe para um colega de finanças que precisa ler isso. A influenc.ia cresce com compartilhamento entre pares.