18/09/2026

Quase 60% dos diretores da área financeiras das empresas planejam aumentar em pelo menos 10% o investimento em inteligência artificial no próprio departamento, segundo pesquisa do Gartner divulgada em 2026. Já o estudo Finance Trends 2026, da Deloitte, realizado com empresas que faturam acima de US$ 1 bilhão, mostra que 63% dos líderes de finanças já usam IA em sua área, embora apenas 21% apontem retorno mensurável. O acesso à tecnologia tende a se tornar cada vez mais comum, de modo que a diferença entre as empresas estará na qualidade dos dados, nos processos, na governança e na capacidade de incorporar a tecnologia à tomada de decisão, com controles adequados e responsabilidades claras entre pessoas e sistemas.

A inteligência artificial já está madura para assumir uma série de atividades da gestão financeira, inclusive algumas que exigem análise e identificação de padrões, mas ainda não deve ser colocada como responsável final por decisões financeiras relevantes, pois a diferença está justamente entre apoiar uma decisão e ser o responsável por ela.

Na área financeira, a IA pode analisar grandes volumes de dados, identificar desvios, antecipar cenários e sugerir caminhos, enquanto a decisão que envolve risco relevante, com impacto sobre caixa, endividamento, investimentos, compliance ou estratégia empresarial, precisa continuar tendo uma pessoa responsável.

O papel humano é especialmente importante quando existe ambiguidade, quando os dados não são suficientes ou quando a decisão envolve um contexto que não está registrado nos sistemas, já que a IA pode identificar que determinado indicador mudou, mas cabe ao executivo entender por que mudou e quais são as consequências daquela decisão.

Nesse modelo de supervisão humana, quanto maiores o risco e a consequência da decisão, maior deve ser o nível de acompanhamento, o que está alinhado aos principais referenciais internacionais de governança de IA, que exigem supervisão, transparência, rastreabilidade e possibilidade de intervenção humana.

Governança e escolha da solução

A IA não corrige automaticamente uma base de dados ruim e, se a informação de origem estiver incompleta, desatualizada, duplicada ou classificada de maneira incorreta, o sistema poderá produzir uma resposta sofisticada, porém errada, chamada de alucinação. O Gartner estima que, ao longo de 2026, as organizações vão abandonar 60% dos projetos de IA sem dados preparados para esse uso e que 63% delas não têm, ou não sabem se têm, práticas adequadas de gestão de dados para inteligência artificial.

Por isso, o CFO ou o COO precisa olhar primeiro para a qualidade e a governança dos dados, o que significa entender de onde eles vêm, quem é responsável por eles, com que frequência são atualizados, quais regras de classificação são utilizadas e como as informações transitam entre ERP, bancos, sistemas fiscais, folha, contas a pagar, contas a receber e demais fontes. Também é preciso estabelecer uma linhagem do dado, com o registro da origem da informação utilizada pela IA e dos processos aplicados até chegar à recomendação final, de forma que, antes de perguntar qual IA contratar, a empresa consiga responder se pode confiar nos dados que está entregando a ela.

Segurança e compliance no desenho da solução para a área financeira

Colocar IA dentro de uma operação financeira significa dar acesso potencial a informações sensíveis, como fluxo de caixa, contratos, dados bancários, informações de clientes e fornecedores, folha, demonstrações financeiras e informações sobre a estratégia da empresa, e por isso a exposição precisa ser tratada como risco empresarial, com controle sobre quem pode acessar a IA, quais dados podem ser utilizados, onde esses dados são processados, como são armazenados e quais informações podem sair do ambiente corporativo.

Existe ainda um segundo risco, tão relevante quanto o ataque externo, que é o de a IA errar com convicção, uma vez que uma informação incorreta gerada por um sistema pode parecer perfeitamente plausível e, sem controles, entrar no processo financeiro como se fosse verdadeira. Segurança inclui, portanto, mecanismos para detectar erros, limites de atuação, registro das decisões e a possibilidade de interromper ou reverter uma operação quando necessário, como destaca a abordagem de gestão de riscos do National Institute of Standards and Technology (NIST) ao tratar de segurança, robustez e avaliação contínua ao longo do ciclo de vida da IA.

O compliance, por sua vez, precisa fazer parte do desenho da solução desde o início, em vez de ser uma camada colocada após a tecnologia ser implementada. Uma IA utilizada na área financeira tem de respeitar políticas internas, níveis de aprovação, segregação de funções, regras de acesso, requisitos regulatórios e controles estabelecidos pela companhia. Quando isso acontece, ela fortalece o compliance, porque consegue monitorar transações em escala, identificar exceções, apontar comportamentos fora do padrão, apoiar conciliações e criar alertas antes que determinadas inconsistências avancem no processo. Com isso, o profissional gasta menos tempo procurando manualmente onde está a exceção e mais tempo analisando o que aquela exceção significa, na direção das orientações mais recentes do Committee of Sponsoring Organizations of the Treadway Commission (COSO) sobre controles internos para IA, que pedem medidas capazes de lidar com manipulação, mudanças de configuração, falta de transparência e alterações no comportamento dos modelos.

Usos prioritários e ordem de implantação

As tarefas mais difíceis de automatizar são as que dependem fortemente de contexto, relacionamento, negociação, julgamento e responsabilidade, como negociar uma condição com um fornecedor importante, entender uma situação excepcional de um cliente, decidir como reagir diante de uma crise de caixa ou avaliar uma decisão de investimento.

Os ganhos mais relevantes de produtividade aparecem nas atividades financeiras extremamente estruturadas, entre elas conciliações, classificação de documentos e transações, análise de contas a pagar e receber, identificação de inconsistências, análise de despesas, preparação de relatórios, fechamento financeiro e geração de previsões a partir de grandes volumes de dados. A implantação deve começar pelas atividades de alto volume, repetição, regras claras e grande quantidade de dados, nas quais a relação entre automação e produtividade é mais evidente.

Os usos prioritários se dividem em quatro frentes, começando pela automação operacional de conciliações, classificação, processamento de documentos, contas a pagar e receber e atividades repetitivas do fechamento, passando pela detecção e controle, com a identificação de anomalias, inconsistências, duplicidades, desvios de comportamento e possíveis riscos, e pela análise e previsão, com projeção de fluxo de caixa, análise de cenários, previsão de recebimentos e pagamentos e apoio ao planejamento financeiro, até chegar à inteligência para tomada de decisão, em que a IA reúne informações de diferentes áreas e ajuda o CFO a enxergar mais rapidamente o que está acontecendo no negócio e quais cenários merecem atenção.

A pesquisa CFO Survey 2026, da FTI Consulting, feita com 700 executivos, mostra que 90% deles priorizaram a IA para previsão de fluxo de caixa, enquanto a EY, que reuniu diretores financeiros em dezembro de 2025, ouviu de 78% que ainda estão na fase de experimentação, em geral por meio de provas de conceito. Em qualquer uma dessas frentes, a empresa deveria definir primeiro qual decisão quer melhorar ou qual processo quer tornar mais eficiente e escolher a tecnologia a partir daí, em vez de utilizar IA apenas por estar disponível.

Segurança para a área financeira

Não existe adoção de IA 100% livre de risco, e o objetivo de uma boa governança consiste em conhecer, controlar e monitorar os riscos que a empresa está assumindo. Um diretor se sente seguro quando conta com dados confiáveis, tecnologia adequada ao caso de uso, controles claros, rastreabilidade e responsabilidade humana definida, o que se traduz em saber o que a IA pode fazer, o que ela não pode fazer, quais dados utiliza, como suas respostas são validadas e quem responde pela decisão final. A adoção também precisa começar de maneira controlada, por processos de menor risco, com medição de resultados e criação de controles antes de ampliar gradualmente o escopo, já que ninguém precisa colocar a IA para decidir sobre toda a operação financeira no primeiro dia.

Os maiores receios de quem ocupa o cargo são perder o controle, tomar uma decisão errada por ter confiado em uma recomendação da máquina e comprometer a segurança dos dados. Há, ainda, uma preocupação legítima com o impacto da tecnologia nas equipes. Esses receios se superam quando a diretoria entende e testa a tecnologia dentro de um ambiente controlado, participa da definição das regras de utilização, conhece os limites da ferramenta e acompanha indicadores de qualidade e quando a equipe é treinada. Isso porque uma IA bem utilizada depende tanto da tecnologia quanto da capacidade das pessoas de questionar seus resultados.

De um modo geral, o avanço da IA representa uma mudança na maneira de trabalhar, em que o executivo dedica menos energia à tarefa operacional e mais à análise, à decisão e à estratégia. E controle, nessa lógica, significa ter visibilidade suficiente para tomar uma decisão com confiança. Quanto mais poderosa for a ferramenta, mais importante será saber onde ela pode atuar, onde precisa ser supervisionada e quem continua sendo responsável pela decisão. A gestão financeira que resulta disso segue com pessoas menos ocupadas com a conferência mecânica de informações e mais concentradas em interpretar dados, antecipar cenários e tomar as decisões que exigem conhecimento do negócio.

Renato Halt é Presidente de Business Transformation Outsourcing (BTO) na H&CO, empresa multinacional de consultoria global, tecnologia e terceirização de serviços profissionais.