A situação de partida é conhecida de qualquer controladoria: no acompanhamento mensal de OPEX, chegam justificativas de várias áreas, cada uma num formato. A equipe gasta tempo consolidando comentários e voltando aos responsáveis para esclarecer causas, e mesmo assim parte das explicações descreve o número sem indicar o direcionador, a recorrência ou a ação necessária.
A hipótese a testar: se realizado, orçamento, projeção, pacote, área, fornecedor, contrato e comentários históricos forem reunidos numa visão única, uma análise assistida por IA pode propor causas prováveis e perguntas de investigação, reduzindo o tempo de preparação sem perder qualidade nem rastreabilidade. O teste não tenta provar que a IA explica o desvio sozinha. Ele verifica se ela melhora a primeira análise do profissional financeiro.
O recorte mínimo. Um pacote de despesa, duas áreas e três meses já encerrados, com 20 a 30 desvios materiais que já têm explicação final validada, para servirem de gabarito. Ficam fora do primeiro ciclo as integrações automáticas, o envio de mensagens, a edição do orçamento e qualquer lançamento sem aprovação humana.
A linha de base e os critérios, antes de construir. Meça quanto tempo um analista leva para preparar cada caso, quantas interações são necessárias até uma justificativa aceitável e que percentual das explicações traz causa, efeito, recorrência e ação. Um exemplo de critérios de sucesso: reduzir em pelo menos 30% o tempo da primeira análise, avaliação positiva dos analistas em pelo menos 70% dos casos, nenhum número sem origem identificável e revisão humana em 100% das saídas.
O protótipo, simples. Uma planilha padronizada como fonte e uma aplicação local que mostra cada desvio: realizado, orçamento, variação, série histórica e dimensões disponíveis. A IA produz 4 blocos: resumo factual; hipóteses de causa, identificadas como hipóteses; perguntas que faltam responder; e proposta de comentário executivo. Ao lado de cada afirmação aparece a fonte usada, e o analista aceita, edita ou rejeita. Nenhuma saída é distribuída automaticamente.
O teste com usuários. Dois analistas fazem os mesmos casos, parte pelo processo atual e parte pelo protótipo, alternando a ordem para reduzir o efeito de aprendizagem. Registre tempo, edições, rejeições, fontes ausentes e perguntas adicionais, e compare as causas sugeridas com a explicação validada. Classifique cada erro (dado ausente, regra financeira incorreta, hipótese sem evidência, linguagem inadequada, experiência confusa) e mude uma coisa por rodada.
A decisão no fim. Escalar, se valor, qualidade e adesão superarem os critérios; iterar, se a hipótese seguir promissora com falhas corrigíveis; reduzir o escopo, se o valor aparecer só em alguns pacotes ou tipos de desvio; ou encerrar, se a melhoria não compensar o custo e o risco. Mesmo encerrado, o teste mostra quais dados faltam e quais regras precisam ser padronizadas.
💡 LIÇÃO APRENDIDA
Linha de base e critérios de sucesso se definem antes do protótipo. O que se mede é se a primeira análise do analista melhora.