Onde a IA Está Realmente Fazendo a Diferença nas Finanças Agora Mesmo

O FinTech avança rapidamente. As notícias estão em todo o lado, a clareza não está.

O FinTech Weekly entrega as principais histórias e eventos num único lugar.

Clique aqui para se inscrever na Newsletter do FinTech Weekly

Lido por executivos da JP Morgan, Coinbase, BlackRock, Klarna e mais.

Durante anos, a conversa em torno da inteligência artificial nas finanças foi frustrantemente pouco clara. A maioria das equipas financeiras continuou a fazer as coisas da mesma forma, mesmo enquanto os executivos falavam sobre disrupção e os consultores produziam apresentações cheias de promessas. Mas algo mudou nos últimos 18 meses. As ferramentas melhoraram, os casos de uso tornaram-se mais claros, e departamentos anteriormente céticos começaram a ver resultados reais em áreas que importavam.

Nem todos foram afetados pela mudança da mesma forma ou ao mesmo tempo. Algumas áreas das finanças adotaram a IA mais rapidamente do que outras, e as razões merecem atenção. As equipas de FP&A foram das primeiras a avançar, principalmente por causa da dor óbvia. Todos sabiam que gastar duas semanas a recolher dados de sistemas desconectados apenas para construir uma previsão trimestral não era sustentável. Quando surgiram plataformas que podiam automatizar a coleta de dados e descobrir tendências em horas em vez de dias, a adoção acelerou rapidamente.

O que fez esta onda manter-se é que resolveu problemas que as pessoas já estavam cansadas de lidar. A inteligência artificial nas finanças ultrapassou bem a fase experimental. As equipas estão a usá-la para fechar contas mais rapidamente, gerar previsões contínuas sem desgastar os seus analistas e executar modelos de cenários que teriam levado semanas a montar manualmente. O valor já não é abstrato. Ele aparece como ciclos de reporte mais curtos e menos noites atrasadas antes das reuniões do conselho.

FP&A Chegou Primeiro, Mas Não Parou Por Aqui

Dada a forma manual e repetitiva do fluxo de trabalho, a previsão e o orçamento eram o lugar lógico para começar. Mas uma vez que as equipas viram o que era possível, a tecnologia começou a espalhar-se para funções adjacentes. A análise de variações é um bom exemplo. Para determinar por que os valores reais não corresponderam ao plano, um analista normalmente gastaria horas a analisar itens de linha. As ferramentas de IA podem sinalizar essas discrepâncias em minutos e, mais importante, apontar para as causas raiz.

Outra área que está a ganhar tração é o reconhecimento de receitas. As folhas de cálculo e o extenso conhecimento institucional eram uma vez a norma para empresas que lidavam com complexas estruturas contratuais ou arranjos de múltiplos elementos. Partes desse processo podem ser automatizadas para reduzir riscos e liberar tempo para as decisões que realmente exigem inteligência humana. Onde quer que as equipas financeiras estivessem a gastar demasiado tempo em trabalho repetitivo e baseado em regras, a IA está a intervir e a fazê-lo mais rapidamente.

A Gestão de Risco É a História Maior

Se FP&A foi o ponto de entrada, a gestão de risco pode ser onde a IA traz o impacto mais duradouro. A conformidade regulatória, deteção de fraudes e modelagem de risco de crédito exigem todas um reconhecimento de padrões intrincado e grandes conjuntos de dados. Essas são exatamente as condições em que o aprendizado de máquina supera a análise manual.

As companhias de seguros e os bancos foram os primeiros a reconhecer isso. Mas o que é mais recente é a adoção entre empresas de médio porte que nunca tiveram equipas dedicadas à análise de riscos. As plataformas baseadas em nuvem tornaram possível para uma empresa com algumas centenas de funcionários realizar o tipo de avaliações de risco que antes exigiam uma equipa de quants. Essas ferramentas tratam do monitoramento, captam anomalias à medida que ocorrem e elaboram relatórios prontos para auditoria por conta própria. Isso é um verdadeiro avanço para a gestão de processos financeiros no dia a dia.

Neste momento, a conformidade pode ser a parte mais convincente de toda esta mudança. Os ambientes regulatórios estão em constante mudança, e entre as regras que mudam em diferentes jurisdições, apenas manter-se em conformidade já é um trabalho por si só. Embora a IA não possa substituir um oficial de conformidade, pode escanear atualizações regulatórias, compará-las com as políticas atuais e identificar quaisquer lacunas antes que se tornem problemas. No passado, apenas as maiores instituições podiam arcar com esse tipo de monitoramento proativo.

O Que Está a Segurar Algumas Equipas

Nem todos os departamentos financeiros estão a operar ao mesmo ritmo, e as duas principais causas de hesitação são tipicamente talento e confiança. Confiança porque os profissionais de finanças precisam entender como um modelo chega às suas conclusões antes de confiarem a sua reputação na saída. Talento porque implementar essas ferramentas de forma eficaz exige pessoas que entendam tanto a tecnologia quanto o contexto financeiro, e essa combinação ainda é rara.

O outro gargalo que não recebe atenção suficiente é a qualidade dos dados. Uma vez que a IA é apenas tão boa quanto os dados que a alimentam, muitas empresas continuam a operar em sistemas desorganizados e desconectados onde, dependendo do departamento, a mesma métrica pode ser definida de três maneiras diferentes. Embora limpar isso não seja uma tarefa glamourosa, é necessário para tirar o máximo proveito de qualquer implementação de IA.

A Trajetória É Bastante Clara

As equipas financeiras que já fizeram a mudança estão a expandir os seus casos de uso, não a recuar. As vitórias iniciais em FP&A construíram credibilidade interna suficiente para justificar a expansão para gestão de riscos, conformidade e operações de tesouraria. As universidades estão a começar a incorporar a literacia de dados nos seus currículos financeiros, o que deve ajudar a fechar a lacuna de talento ao longo do tempo. Entretanto, os fornecedores continuam a lançar mais ferramentas especializadas.

A cada trimestre, a matemática torna-se mais difícil para equipas que ainda não começaram. A diferença competitiva entre departamentos financeiros habilitados para IA e os tradicionais está a aumentar, e fechar essa lacuna mais tarde sempre custa mais do que manter o ritmo agora. A tecnologia não é perfeita, e ninguém deve fingir que o é. Mas esperar pela perfeição é um tipo de risco por si só, e é um que menos organizações podem permitir-se correr.