Todo mundo está falando de inteligência artificial em finanças. Nos posts, nos eventos, nas reuniões de diretoria. Mas, enquanto a discussão gira em torno de qual ferramenta usar, um problema mais silencioso, e mais decisivo, continua sem resposta na maioria das empresas: os dados que alimentam essa IA são confiáveis? Existe uma regra clara sobre o que pode e o que não pode? As pessoas foram preparadas?
No episódio #68 do Controller Cast, conversamos com Eneile Guimarães sobre exatamente isso: a aplicabilidade real da IA em finanças e por que governança e estrutura de dados são o que separa a IA que gera valor da IA que só gera risco.
Eneile tem mais de 25 anos de carreira em finanças. Começou como jovem aprendiz aos 14 anos, numa empresa de RH, e passou por praticamente todos os degraus da área (de analista a controller, gerente e CFO). Hoje atua como conselheira, empresária e cofundadora da BControlTech, uma DataTech especializada em estruturar dados e aplicar IA e automação em finanças. Para entender IA aplicada a negócios, ela foi buscar conhecimento na fonte: passou temporadas nos Estados Unidos, no Vale do Silício, e 22 dias na China.
Reunimos abaixo os principais insights da conversa. E você pode assistir ao episódio completo no vídeo:
De jovem aprendiz ao conselho: Uma visão sistêmica de finanças
Eneile faz questão de começar pela origem. Para ela, a trajetória explica a forma como enxerga o problema: uma visão sistêmica, plural, construída degrau por degrau. Foi a vivência em praticamente todas as áreas de finanças que criou a bagagem para liderar o tema de muitas perspectivas sem, como ela diz, ter pulado nenhum degrau.
A inteligência artificial, aliás, não entrou na vida dela nos últimos dois anos. Entrou há mais de uma década, quando ainda estava na controladoria de uma multinacional e esbarrou numa dor concreta: o volume de dados. “Se eu não entendesse de tecnologia, eu seria só mais uma na multidão”, lembra. Foi estudar estrutura de dados, automação, SQL e Python, “na unha”. Quando o ChatGPT chegou, em 2022, aquilo foi “a cereja do bolo” de uma jornada que ela já vinha construindo havia anos.
Consumo ou construção: Por que o Brasil colhe pouco da IA
Uma das provocações mais fortes do episódio é sobre mentalidade. Segundo Eneile, lá fora(no Vale do Silício e na China) existe uma cultura de construção de tecnologia. No Brasil, predomina a cultura de consumo. “O Brasil não é AI-first. É AI early-adopter”, resume. A gente adota rápido, coloca para rodar rápido, mas nem sempre faz o melhor uso da ferramenta.
Na prática, isso aparece na diferença entre uma IA isolada e uma IA de ponta a ponta. Aqui, a maioria usa IA de forma horizontal e pontual (o ChatGPT ou o Claude para perguntas e respostas). Lá fora, constrói-se tecnologia vertical: pega-se um processo do começo ao fim e automatiza-se com segurança. E, no centro dessa diferença, está o investimento em infraestrutura.
Sem dados, a IA não sobrevive
Aqui está o destaque dessa conversa. “A IA generativa se alimenta de dados. Sem dados, ela não vive”, diz Eneile. E é justamente na base que mora o maior gap brasileiro: queremos a automação, o resultado por um clique, mas não queremos trabalhar o dado que sustenta tudo isso.
Ela lembra de um erro que finanças cometeu ao longo dos anos: pular etapas. Vivemos o boom dos ERPs, depois o boom dos dashboards e do BI, “agora vamos ter todos os indicadores numa tela só”, mas nunca voltamos para olhar a base. O resultado ela viu em muitas reuniões de conselho e de diretoria: a visualização linda, tudo em gráfico, e o número por baixo inconsistente. O comercial dizia que aquela não era a margem; alguém dizia que o número não estava certo.
É aqui que o tema encosta diretamente na rotina de quem trabalha com planejamento e acompanhamento orçamentário. O cuidado (ou a falta dele) com o dado na origem determina a confiança em tudo o que vem depois: orçado versus realizado, análise de desvios, indicadores. Como resumiram na conversa, é o velho “garbage in, garbage out”: dado ruim na entrada, decisão ruim na saída. E, agora, uma automação que apenas repete o erro com mais velocidade.
Nem tudo é IA generativa: A ferramenta certa para cada etapa
Um dos pontos mais úteis do episódio é técnico, mas simples: nem todo problema de finanças se resolve com IA generativa. Boa parte do trabalho de planejamento, forecast e rolling forecast é feita com modelos matemáticos determinísticos, ou seja, terreno de IA preditiva, não generativa. “Talvez seja esse o maior erro: usar a ferramenta errada”, provoca.
A generativa ainda é ruim para capturar, tudo junto, fatores geopolíticos, variação cambial e sazonalidade em projeções complexas. Por isso Eneile defende um conhecimento mínimo de tecnologia dentro de finanças: saber o que é uma API, um RPA, um script em SQL ou Python, um banco de dados, um catálogo de dados. Sem isso, o profissional pede algo para a IA sem saber o que ela aciona por trás. E é aí que os erros começam a aparecer.
Governança na prática: A regra do jogo
Governança, para Eneile, não é burocracia nem processo engessado. É clareza sobre a regra do jogo: o que pode, o que não pode e como se procede. No dia a dia de quem fecha o mês, isso significa saber qual dado pode entrar numa ferramenta de IA e qual não pode, o que é LGPD, o que é dado estratégico e o que é dado sensível.
Ela alerta para os dois extremos: quem usa a LGPD como desculpa para não fazer nada (mesmo com dado financeiro que não tem informação pessoal sensível) e quem, do outro lado, joga na IA informação que jamais deveria expor. Colocar num chatbot um dado sensível de folha de pagamento pode virar risco jurídico e reputacional. Governança, então, é também letrar as pessoas: esta ferramenta está habilitada, use neste formato, para isto pode, para aquilo não.
A incoerência que ninguém quer enxergar
Foi um dos momentos mais reveladores. De um lado, as empresas cobram performance: prazos de fechamento mais curtos, mais entrega, mais qualidade. De outro, não pavimentaram o caminho (não deixaram claro o que o time pode ou não fazer com IA). O resultado é previsível: as pessoas levam o celular, mandam o arquivo por e-mail, sobem os dados num ChatGPT ou Claude pessoal e devolvem a análise, porque estão sendo cobradas.
Ou seja: dado da empresa trafegando por ambientes não seguros, todos os dias, enquanto se finge que não acontece. Ignorar isso não elimina o risco, só o esconde.
Comprar é fácil, implantar é desconfortável
A frase que dá o tom do episódio tem uma explicação. O desconforto da implementação vem de ser obrigado a olhar para o que a empresa vinha adiando: o preparo das pessoas, a infraestrutura de dados e a governança. E, principalmente, uma pergunta que quase ninguém faz antes de começar: por que e para que eu quero usar IA?
Quando essas etapas são puladas — geralmente por FOMO, pela sensação de que “o concorrente já usa” e de que se é “a última pessoa do financeiro sem IA” —, pula-se justamente a base que faz a IA entregar retorno.
Onde a IA gera retorno de verdade em finanças
Tirando o hype, Eneile é objetiva sobre onde a IA já entrega bem hoje em finanças: conciliação, orçado versus realizado, preparação de relatórios executivos e reportes. E vai além, propondo uma virada de raciocínio. A maioria pergunta “onde eu coloco IA para reduzir custo?”. Para ela, essa pergunta já deveria estar superada. A que gera valor de verdade é outra: “o que eu consigo fazer agora que antes não era possível?”.
É por isso que ela acredita em usar IA para criar, por exemplo, uma solução em Python que melhore a qualidade do dado e mantenha a governança do processo, para só depois consumir esse dado em análises mais sofisticadas. A IA como ferramenta para construir a base, e não apenas para responder perguntas.
A jornada que funciona: Começar pela controladoria
O maior erro, na visão dela, é fazer automações descentralizadas. A jornada de IA precisa ser corporativa e institucional: a empresa decide por que vai usar, onde, com que prioridade e quanto vai investir. O que funciona, com dado na mão, é finanças puxando a transformação, começando na controladoria e transbordando para contabilidade, tesouraria, compras e planejamento de produção, até virar um projeto corporativo (em alguns casos, inclusive vinculado a programas de incentivo, como PPR).
Por que começar pela controladoria? Por dois motivos. Primeiro, visibilidade: é a área que reporta o resultado mensal e está próxima de quem decide. Segundo, técnica: é ela que consolida os dados de toda a empresa (do CRM à folha, do ERP às operações). Some a isso o momento (nova complexidade regulatória, reforma tributária e um cenário econômico mais apertado) e a conclusão de Eneile é direta: não há momento mais estratégico para a área financeira assumir esse protagonismo. E, no fim, o objetivo é a empresa conquistar soberania sobre seus dados e sua tecnologia, sem ficar refém de um único fornecedor de IA.
Por onde começar
Para quem quer sair do episódio e agir, Eneile propõe três passos. Primeiro, olhar a própria jornada e decidir, de verdade, se quer viver essa transformação. Segundo, montar um plano de desenvolvimento individual, uma espécie de SWOT da carreira: forças, fraquezas, riscos e oportunidades, no técnico e no comportamental. Terceiro, traçar um plano factível, com equilíbrio de vida, combinando hard e soft skills.
Ela lembra que a régua mudou: a pós-graduação virou o novo “ter faculdade” e o inglês passou a ser o mínimo. O diferencial competitivo agora está em incorporar temas que antes pareciam distantes de finanças — de IA a, dependendo do caso, geopolítica — não para virar especialista, mas para entender como impactam a decisão do negócio.
Uma geração em transição
No encerramento, Eneile deixa um recado que vale para além de finanças. Vivemos um momento de transição, e cada profissional tem uma escolha: liderar a transformação ou assistir a ela. “Se posicione e não se desespere.” O primeiro passo é aceitar que ninguém dá conta de acompanhar tudo (a tecnologia avança mais rápido do que nossa capacidade de processá-la) e tudo bem. A partir daí, liderar a mudança começa em cada um: é uma decisão individual, não algo que a empresa fará por você.
O episódio #68 do Controller Cast é uma conversa essencial para controllers, profissionais de FP&A, contadores, CFOs e líderes que querem tirar a IA do hype e colocá-la para trabalhar sobre uma base sólida de dados, governança e pessoas. Assista à conversa completa e compartilhe com quem precisa parar de correr atrás da ferramenta e começar a cuidar do que vem antes dela.