Melissa Mattos
CBO Viaflow
Há uma tensão crescente dentro das áreas financeiras que raramente aparece nos relatórios de gestão, mas que qualquer CFO experiente reconhece sem dificuldade: a demanda por suporte à decisão cresce em velocidade que os modelos operacionais tradicionais simplesmente não conseguem absorver. E ao mesmo tempo em que o volume explode, a maioria de nós ainda avalia os investimentos em IA com o manual errado.
O erro que estamos cometendo na avaliação da IA
O Gartner apresentou um diagnóstico direto no Finance Symposium/Xpo 2026: CFOs estão avaliando investimentos em IA como se fossem um único problema de ROI. Aplicamos a mesma métrica financeira tradicional: redução de custo, aumento de receita, melhora de fluxo de caixa — a iniciativas completamente diferentes entre si. E com isso, sistematicamente subvalorizamos o que a IA está entregando.
A analogia usada pelos analistas do Gartner é interessante: pensar em projetos de IA como diferentes tipos de viagem, cada uma com propósito e identidade econômica distintos. Uma viagem de negócios rápida tem lógica completamente diferente de uma expedição de exploração ou de uma mudança permanente para outro país. Tratar todos com a mesma régua é o equivalente a calcular custo por quilômetro de todas as viagens e concluir que nenhuma vale a pena.
Diagnóstico Gartner
Uma abordagem única de avaliação para iniciativas de IA, com foco estreito em métricas financeiras tradicionais, vai subvalorizar significativamente muitos investimentos. O valor da IA nem sempre aparece primeiro nos números: ele surge antes em melhores decisões, adaptação mais rápida e capacidade organizacional mais forte.
A função que ficou para trás
Mas o problema vai além da métrica de avaliação. Há uma segunda crise acontecendo em paralelo, e ela é de arquitetura operacional.
O modelo de business partnering, que definiu a evolução da função financeira nas últimas duas décadas, foi construído sobre uma lógica de mediação: o profissional de finanças como intermediário entre os dados e o tomador de decisão. Funcionou enquanto a complexidade analítica justificava essa dependência e enquanto o ritmo das decisões era compatível com o ciclo humano de análise.
Mas as coisas estão mudando…
O business partner clássico opera em um gargalo estrutural que a tecnologia tornou desnecessário. Cada insight gerado depende de uma interação. Cada interação consome capacidade da equipe. Cada expansão de escala exige contratação. O resultado: times financeiros altamente qualificados gastam parcela desproporcional do tempo em extração, consolidação e formatação, não em raciocínio analítico.
Ao mesmo tempo, os decisores de negócio tornaram-se progressivamente mais sofisticados em sua demanda analítica. Eles não querem mais um relatório mensal. Querem simular um cenário agora, com os dados de hoje, sem precisar abrir um chamado para a área financeira. Querem dados financeiros “self-service”.
O modelo Tools-First: uma mudança de arquitetura, não de ferramenta
A resposta para os pontos levantados anteriormente é: avaliação equivocada e gargalo operacional que converge em uma mesma transformação de modelo. O Gartner identificou que equipes financeiras líderes que adotaram um modelo estruturado ao redor de ferramentas digitais, e não de interações presenciais, entregam suporte à decisão de três a quatro vezes mais eficaz.
Compreender o modelo tools-first requer abandonar a leitura superficial de que se trata de automação financeira convencional. Não é sobre substituir planilhas por dashboards. É sobre redesenhar fundamentalmente quem acessa o conhecimento financeiro, como e quando.
No modelo tradicional, o acesso ao insight financeiro passa pelo time financeiro. No modelo tools-first, o próprio tomador de decisão acessa o insight, por meio de ferramentas construídas e curadas pela área financeira, mas operadas de forma autônoma por quem precisa decidir.
Exemplo concreto
Um diretor comercial que precisa avaliar a viabilidade financeira de uma nova proposta não espera dois dias por uma análise do financeiro. Acessa uma interface em linguagem natural, insere os parâmetros relevantes, simula cenários e obtém uma recomendação estruturada — com premissas e riscos financeiros já embutidos. A área financeira não estava presente na interação. Mas sua inteligência estava em cada linha da ferramenta.
Essa inversão tem consequências profundas para o papel do CFO e de sua equipe:
- A área financeira deixa de ser fornecedora de análises e passa a ser desenvolvedora de capacidade analítica organizacional;
- O CFO deixa de gerenciar uma equipe de analistas e passa a liderar um portfólio de produtos digitais de inteligência financeira e um time de arquitetos;
- O business partner deixa de ser o elo entre dados e decisão e passa a ser o arquiteto de contexto que é o responsável por garantir que as ferramentas capturem as nuances do negócio com precisão suficiente para suportar decisões de alto impacto
- O papel de financeiro educador passa a ser extremamente importante, não basta gerar os dados e garantir as ferramentas precisa ensinar as diversas áreas a trabalhar com elas e analisar os números e esse papel é crítico no novo contexto;
Modelo tradicional vs. Tools-First: o que muda
A transformação não é incremental. É uma mudança de paradigma em seis dimensões críticas:
Dimensão | Modelo Tradicional | Modelo Tools-First |
Papel do financeiro | Intermediário entre dados e decisão | Arquiteto de capacidade analítica organizacional e Educador |
Acesso ao insight | Passa pelo time financeiro | Direto pelo tomador de decisão (self-service) |
Escala | Crescimento exige contratação | Cresce sem aumentar headcount |
Ciclo de resposta | Dias (análise sob demanda) | Minutos (ferramenta sempre disponível) |
Métrica de sucesso do CFO | Qualidade das análises entregues | Adoção e impacto dos produtos digitais |
Como fazer essa transição na prática
A transição para o modelo tools-first não acontece por decreto nem por aquisição de plataforma. Exige mudanças simultâneas em modelo de mentalidade dos times, aprendizado e escolha tecnológica.
1. Abandone o ROI único, adote o portfólio
Crie categorias distintas de avaliação para diferentes tipos de projetos de IA. Defina métricas financeiras para automações, métricas operacionais para projetos de suporte à decisão, e métricas de aprendizado para apostas transformacionais, conforme a maturidade e importância estratégica de cada iniciativa.
Entendemos que não é simples, as vezes até o ROI comum depende de informações não disponíveis, mas com ajuda de IA é possível criar modelos e formatos de ROI que ajudem nas tomadas de decisões em projetos.
2. Reconfigure o modelo de equipe
Líderes estão migrando de um portfólio de business partners generalistas para equipes com perfis de produto digital: AI Product Managers que traduzem necessidades do negócio em especificações funcionais, e Knowledge Engineers que estruturam o contexto organizacional necessário para que as ferramentas de IA operem com relevância. Essa não é uma mudança cosmética de nomenclatura. É uma mudança de competência central.
“Ensine o seu time a ensinar”, e através do relacionamento entre as áreas educar os usuários das ferramentas.
3. Adote mentalidade de produto, não de projeto
Ferramentas de suporte à decisão não são projetos com entrega final. São produtos com ciclo de vida, usuários, métricas de adoção e iteração contínua. Isso implica investir em usabilidade tanto quanto em acurácia analítica, coletar feedback estruturado dos tomadores de decisão e tratar baixa adoção como sinal de redesign.
4. Meça o que não está no P&L
Inclua em seus reportes métricas não financeiras: velocidade de decisão, qualidade de previsões, capacidade de adaptação, alcance organizacional da IA. Esses indicadores precedem os resultados financeiros e permitem ajustes antes que seja tarde demais. A IA cria valor não financeiro antes de criar valor financeiro. É desafiador, mas cada vez mais existe como medir estes tipos de indicadores ou pelo menos aproximar.
5. Escale os projetos vencedores, corte os fracos cedo, não viva o “eterno piloto”
A disciplina de portfólio exige rigor dos dois lados: investir mais nos projetos que funcionam — antes que a janela de oportunidade feche e encerrar sem hesitação os que não estão entregando, mesmo quando há resistência interna. As empresas que mais vão se beneficiar da IA não serão as que investiram mais, mas as que escalaram mais rápido o que funcionou.
O CFO como líder de transformação, não como usuário de tecnologia
O Gartner posiciona a IA como a maior transformação da função financeira desde a chegada das planilhas digitais. A analogia é precisa e vale explorar.
Quando as planilhas chegaram, elas não apenas tornaram os cálculos mais rápidos. Elas redistribuíram quem podia fazer análise financeira. O analista júnior passou a fazer em horas o que antes exigia dias de um sênior. O sênior migrou para trabalho de maior complexidade. A função se expandiu. Assim como em vários momentos significativos de nossa evolução: as funções se reorganizaram.
A IA aplicada a finanças segue a mesma lógica, mas em escala superior. Ela não apenas acelera o que os analistas fazem. Ela redistribui o acesso ao raciocínio financeiro sofisticado para toda a organização. O CFO que entende isso não está gerenciando uma implementação tecnológica. Está redesenhando quem toma decisões de qualidade dentro da empresa, e com qual velocidade.
A pergunta atual não é qual plataforma escolher. É: que capacidade analítica sua organização precisa ter internalizada nos próximos três anos, e qual é o papel do financeiro em construí-la?
A área financeira que, em 2026, ainda atua apenas como intermediária de dados não está somente perdendo eficiência, está abrindo mão do seu papel mais estratégico: transformar dados em decisões, direcionar o crescimento e gerar valor real para o negócio.
Fontes: Gartner Finance Symposium/Xpo 2026 (Sydney) | Gartner Predicts 2026: AI Redefines CFOs‘ Opportunities for Enterprise Impact | Pesquisa Gartner com 100 CFOs (jan–fev 2026) | Pesquisa Gartner com 314 organizações (set–out 2025)
