©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

RECORTE

A IA não transforma as finanças sozinha. Mas, com a liderança, sim

O avanço da inteligência artificial na área financeira depende menos das ferramentas disponíveis e mais da capacidade dos líderes de criar ambientes de experimentação, aprendizado compartilhado e tomada de decisão em meio à incerteza

Stijn Viaene, Kristof Stouthuysen e Bjorn Cumps

31 de julho de 2026

25 min de leitura

A inteligência artificial prometia transformar drasticamente a área de finanças. As previsões seriam mais precisas e frequentes. Os ciclos de fechamento seriam mais curtos. Os riscos seriam identificados mais cedo. O planejamento de cenários deixaria de ser um exercício esporádico para se tornar uma capacidade contínua. Diante dessa perspectiva, muitos CFOs e líderes financeiros investiram fortemente na tecnologia.

Na prática, porém, a história tem sido diferente. Provas de conceito não passam da fase piloto. Modelos que pareciam promissores acabam sendo abandonados quando as pressões do trimestre se impõem. Dashboards são produzidos e atualizados continuamente, mas raramente influenciam as decisões mais relevantes. A área está, sem dúvida, mais automatizada, mas não necessariamente mais eficaz em ajudar a organização a se adaptar.

É tentador colocar a culpa em questões tecnológicas: a qualidade dos dados ainda deixa a desejar; as ferramentas não são suficientemente integradas; os modelos ainda não inspiram confiança; os vendedores de software prometeram mais do que conseguiram entregar. Todos esses fatores importam, mas não explicam por que tecnologias de IA semelhantes, implementadas em condições comparáveis, produzem resultados tão distintos nas finanças em comparação a outras áreas da organização.

Após vários anos trabalhando de perto com CFOs e suas equipes enquanto tentavam aplicar a IA na prática, tornou-se difícil ignorar outra explicação: em muitas organizações, a tecnologia está avançando mais rapidamente do que a forma como executivos de finanças exercem a liderança.

Quando novas ferramentas são introduzidas, as pessoas tendem a falar, decidir e agir da mesma forma que antes. A atenção continua voltada para concluir o fechamento, explicar as variações, defender um único número de previsão e tratar desvios como erros a serem corrigidos, em vez de sinais a serem explorados. A IA é inserida nesse contexto com a expectativa de transformá-lo. Na maioria das organizações, porém, não é assim.

Para entender por que e o que pode ser feito de modo diferente, é preciso olhar menos para a adoção de tecnologia e mais para a prática de liderança [veja “A pesquisa”]. Ao estudar a questão da adoção da IA na área financeira, partimos de uma visão simples, porém exigente, da liderança: a de que ela não é um cargo, nem uma característica individual, e sim a prática de ajudar a organização a se adaptar em contextos de incerteza e mudança. Em finanças, essa prática se manifesta sempre que alguém reformula uma pergunta, experimenta uma forma de interpretar os números, revela um sinal incômodo ou ajuda colegas a adotarem uma rotina melhor de trabalho.

Sob essa perspectiva, a liderança não é um atributo exclusivo do CFO ou de um pequeno grupo de subordinados diretos. Ela pode ser exercida por um analista que percebe algo incomum e pergunta: “o que isso pode significar?”; por um controller que propõe testar um modelo diferente de previsão; ou por um gerente de planejamento que traz múltiplos cenários para a discussão, em vez de convergir para apenas um.

A liderança se revela na forma como novas práticas são introduzidas, testadas e disseminadas. Também se manifesta em quem se sente autorizado a iniciar e sustentar esse processo. Essa visão está alinhada a uma corrente mais ampla de estudos sobre transformação digital, que vê a liderança menos como um exercício de controle hierárquico (de cima para baixo) e mais como a capacidade de orquestrar atenção, responsabilidade e aprendizagem em toda a organização.

Essa forma de enxergar a liderança tem uma implicação importante para a adoção da IA nas finanças. Se ela for vista principalmente como uma competência individual do CFO ou como uma prerrogativa da hierarquia formal, a capacidade de experimentar, aprender e incorporar novas formas de trabalhar tende a permanecer limitada. Se, por outro lado, for entendida como uma prática compartilhada, a IA passa a representar uma oportunidade para repensar a forma como esse trabalho é realizado. No entanto, a própria natureza da função financeira impõe desafios à concretização desse potencial.

As finanças diante de um paradoxo inevitável

As finanças sempre conviveram com uma tensão entre controle e mudança. Seu mandato central é assegurar a confiabilidade das informações, a conformidade regulatória e a gestão disciplinada do capital. Ao longo do tempo, a função desenvolveu processos, mecanismos e rotinas destinados a minimizar imprevistos. Grande parte da cultura profissional da área é moldada pelo imperativo de não ser surpreendida.

A IA introduz uma dinâmica diferente nesse contexto. Ela amplia a capacidade das equipes financeiras de enxergar mais – e mais cedo. Permite analisar um volume muito maior de sinais, testar hipóteses alternativas a baixo custo e explorar a incerteza de maneiras que antes eram inviáveis.

O resultado é que a área financeira é puxada com mais força para um paradoxo que não escolheu. Continua responsável pela segurança da organização e, ao mesmo tempo, é chamada a se tornar mais curiosa, experimental, imaginativa e adaptativa. Precisa proteger o que funciona hoje, enquanto ajuda a reinventar o que talvez deixe de funcionar amanhã.

A área financeira sempre operou em uma tensão constante entre controle e mudança. Algumas funções aprenderam a conviver com esse paradoxo. Elas desenvolvem formas de trabalhar que preservam a disciplina operacional ao mesmo tempo em que estimulam a exploração, mantendo ambas em uma tensão produtiva. Outras acabam se posicionando em um dos extremos: de um lado, protegem práticas conhecidas e veem a IA apenas como uma ferramenta de eficiência; de outro, aderem a cada nova tecnologia e lutam para fazer algo funcionar.

O que faz a diferença não são apenas as ferramentas adquiridas, mas o padrão de liderança que se estabelece dentro da organização.

Em muitas situações, vimos quatro atividades recorrentes que foram particularmente importantes para as equipes financeiras aprendendo a trabalhar com IA: estar atento ao que está mudando, experimentar na prática, pensar de modo diferente sobre o futuro e incorporar o que se mostra útil. Essas não são etapas de um processo. São diferentes formas pelas quais a liderança se manifesta no trabalho diário na área financeira.

A seguir, apresentamos quatro exemplos extraídos de nossa pesquisa que mostram como a liderança em torno da IA ganha forma no cotidiano das finanças. Os detalhes foram anonimizados e, quando necessário, combinados para preservar a confidencialidade. Ainda assim, cada exemplo reflete padrões que observamos repetidamente em diferentes organizações – não casos isolados ou exceções.

Quando a observação se torna trabalho compartilhado

Em uma empresa europeia de manufatura, a equipe central de finanças investiu em uma plataforma de dados sofisticada que oferecia acesso a uma ampla gama de indicadores externos de mercado e cadeia de fornecimento. Com o tempo, o volume de informações disponíveis aumentou, mas grande parte delas permaneceu em segundo plano. Os dados eram tecnicamente acessíveis, mas raramente apareciam nas conversas que orientavam planos ou decisões.

Isso começou a mudar quando um gerente de planejamento e análise financeira propôs um pequeno ajuste na rotina de trabalho da equipe. Toda segunda-feira de manhã, dois analistas eram convidados a trazer um sinal externo que considerassem potencialmente importante para uma breve discussão com colegas. A conversa sempre começava com a mesma pergunta: “Se esse fosse o primeiro sinal de algo maior, o que poderia estar acontecendo?”

A IA possibilitou que a equipe escaneasse uma gama muito mais ampla de sinais do que antes e restringisse esse campo a um conjunto administrável para discussão. A mudança mais significativa, no entanto, foi comportamental. Analistas e controladores começaram a enxergar a atenção a esses primeiros sinais como parte de suas responsabilidades diárias, em vez de uma tarefa especializada. Com o tempo, as discussões da equipe começaram a influenciar as premissas orçamentárias e a forma como os cenários eram estruturados para os parceiros do negócio.

Ninguém na equipe descreveu isso como liderança – mas era. O que mudou não foi a tecnologia, mas a responsabilidade compartilhada de perceber e interpretar o que poderia estar mudando ao redor do negócio.

Observamos práticas semelhantes em diversas equipes financeiras. Onde essa vigilância compartilhada se consolidou, a IA passou a ser percebida como um apoio prático incorporado ao trabalho cotidiano, e não como uma promessa abstrata. Onde isso não aconteceu, os sinais gerados pela IA tendiam a permanecer periféricos: disponíveis em dashboards, discutidos de maneira isolada ou simplesmente ignorados quando as rotinas centrais de planejamento voltavam a prevalecer.

Quando a experimentação vira rotina em vez de exceção

Em uma empresa internacional de serviços ao consumidor, a diretora financeira havia se tornado cética em relação a grandes projetos de transformação que prometiam reinventar o planejamento com IA e não entregavam nada além de estresse. Em vez de lançar mais um programa, ela incentivou suas equipes a pensar em pequenos experimentos, com escopo bem definido, capazes de gerar aprendizado sem colocar os processos centrais em risco.

Durante um trimestre, um controller de uma unidade de negócios propôs executar, em paralelo ao modelo estatístico tradicional, um modelo de previsão interpretável. Com base em aprendizado de máquina, o modelo identificou fatores distintos como impulsionadores da receita de uma determinada linha de produtos. O experimento foi deliberadamente delimitado: duraria dois sprints, não influenciaria as projeções oficiais e seu sucesso seria avaliado não apenas pela precisão das previsões, mas também pelo aprendizado gerado para a equipe.

Ao final do teste, o experimento não superou o modelo que já era usado. O que ele produziu foi uma compreensão mais clara de quais dados a equipe realmente confiava, onde a abordagem convencional era mais robusta do que o esperado e onde havia espaço para repensar os fatores que influenciam as previsões no ciclo seguinte. Mas, especialmente, ninguém foi criticado por ter “perdido tempo”. Na reunião de avaliação, a CFO fez uma pergunta diferente: “O que aprendemos que não teríamos aprendido de outra forma?”.

Essa pergunta, de forma sutil, redefiniu as expectativas em relação à experimentação. Com o tempo, as equipes passaram a encarar os experimentos não como projetos que precisavam ser justificados, mas como parte da forma pela qual a área financeira aprendia. Essa mudança se tornou ainda mais importante com a chegada das ferramentas de IA generativa.

Em muitas das áreas financeiras que observamos, a chegada da IA generativa levou, em um primeiro momento, a uma experimentação altamente individual e, em grande parte, invisível. As pessoas testavam as ferramentas por conta própria, sem saber ao certo o que era aceitável, receosas de errar e, em alguns casos, preocupadas com o que a tecnologia poderia significar para seu próprio papel na organização. O aprendizado permanecia fragmentado, os insights ficavam restritos a cada indivíduo e pouco dessa experimentação se convertia em mudanças nas rotinas compartilhadas.

Nesse time, a dinâmica se desenrolou de maneira diferente. Como a experimentação já havia sido legitimada como trabalho coletivo, ferramentas generativas foram incorporadas à mesma disciplina. As equipes testaram abertamente onde explicações geradas por IA ou narrativas de variação realmente melhoraram o entendimento compartilhado e onde apenas adicionaram conteúdos bons, porém inúteis. As ferramentas foram mantidas em um papel de apoio, ajudando as equipes a refletir sobre os resultados em vez de substituir o julgamento humano.

De modo mais amplo, constatamos que, enquanto a IA permanece periférica, a experimentação é tratada como um desvio temporário do “trabalho de verdade”. Quando a IA começa a mudar a prática, porém, a experimentação passa a fazer parte de como as finanças funcionam: testes disciplinados, com escopo bem definido, conduzidos por profissionais próximos ao negócio, que utilizam a IA para aprender o que funciona, o que não funciona e em quais situações o julgamento humano continua sendo indispensável.

Quando o futuro é assunto de conversa, não previsão

Em uma fornecedora regional de serviços públicos, a equipe de liderança sempre esperou que o setor financeiro entregasse uma única previsão que capturasse para onde o negócio estava caminhando. À medida que a volatilidade dos mercados de energia aumentava, os números gerados pela equipe tornavam-se cada vez mais difíceis de defender. Após uma série de erros dolorosos na previsão, o CFO tentou uma abordagem diferente.

Com o apoio de ferramentas de cenários baseadas em IA, a equipe de planejamento desenvolveu um conjunto de futuros plausíveis para os três anos seguintes, cada um construído a partir de diferentes combinações de preços de insumos, decisões regulatórias e respostas dos clientes. Em vez de apresentar uma única projeção, a área financeira levou à mesa executiva diferentes narrativas sobre o futuro, cada uma acompanhada de seus próprios números e indicadores de alerta precoce.

A discussão, então, mudou. Em vez de debater qual previsão estava “certa”, os executivos começaram a perguntar: “O que devemos fazer se esse cenário começar a se concretizar?”. Com isso, o papel da área financeira também mudou. Já não se esperava que previsse o futuro com precisão, mas que ajudasse a organização a refletir sobre futuros alternativos e a fazer escolhas estratégicas deliberadas diante da incerteza.

A IA tornou mais fácil construir e analisar cenários com maior profundidade. Mas a verdadeira mudança de liderança foi legitimar que a área financeira reconhecesse a incerteza e a conectasse a escolhas concretas.

Observamos uma dinâmica muito diferente nas equipes financeiras que permaneceram focadas exclusivamente na previsão. Nesses casos, a IA era utilizada principalmente para refinar uma única projeção, otimizar pressupostos já existentes e reduzir o erro aparente.

Paradoxalmente, isso muitas vezes tornava as equipes mais defensivas. Quando os modelos eram questionados, as equipes respondiam aprofundando e estreitando as suposições em vez de ampliar a conversa. A incerteza era confinada a intervalos de confiança, enquanto futuros alternativos eram tratados como distrações, e não como insumos para a tomada de decisão. A IA tornava as previsões mais sofisticadas, mas não necessariamente mais úteis.

Quando a inovação ganha escala

Em um grande grupo varejista, a equipe financeira de um dos países havia desenvolvido uma rotina apoiada por IA para identificar padrões incomuns nas despesas das lojas. A ferramenta permitia distinguir com mais rapidez problemas reais de anomalias sem impacto relevante. Durante algum tempo, essa permaneceu como uma iniciativa local, conhecida principalmente pelas pessoas diretamente envolvidas.

A prática começou a se disseminar quando a organização criou espaço para que as equipes compartilhassem como trabalhavam, não apenas o que entregavam. Durante uma sessão interna de aprendizagem, um gestor financeiro de outra unidade da empresa conheceu a rotina e pediu o código e o checklist utilizados pela equipe. Em poucas semanas, uma versão ligeiramente adaptada já estava em operação em outros dois países.

O mais importante é que essa disseminação inicial foi percebida e incentivada. Alguns meses depois, alguém da matriz propôs incorporar a abordagem ao processo padrão de revisão mensal do grupo varejista, com um conjunto enxuto de controles de governança acordado em conjunto com a auditoria interna. A iniciativa não tornou sua adoção obrigatória, mas sinalizou que a prática era legítima, segura para ser reutilizada e suficientemente valiosa para servir de base a novos desenvolvimentos.

Nada nesse processo exigiu um grande programa de transformação. O componente de IA, em si, não era complexo nem revolucionário. O que fez a diferença foi que os funcionários passaram a ver o ato de adotar e adaptar as formas de trabalho umas das outras como algo positivo, enquanto a alta liderança demonstrava interesse ativo em transformar uma boa ideia em prática corrente, em vez de deixá-la restrita a uma inovação local.

O poder discreto do CFO

Em todos esses padrões – incluindo vigilância compartilhada, experimentação rotineira, definição de direcionamentos estratégicos e disseminação de práticas locais –, a influência do CFO é tanto indireta quanto decisiva.

Parte dessa influência é visível: o CFO decide onde investir, quais iniciativas patrocinar, quais competências buscar nas novas contratações e quais projetos interromper. Essas escolhas moldam o que é possível. Mas outra parte de seu papel é menos óbvia e, no contexto da IA, igualmente importante: o tom que ele estabelece sobre o que é considerado “trabalho de verdade” na área financeira.

Quando um CFO se preocupa apenas com precisão e velocidade, as pessoas aprendem que a forma mais segura de ter sucesso é evitar qualquer iniciativa que possa introduzir incerteza. Quando demonstra interesse pelo que as equipes estão aprendendo com seus experimentos ou por quais sinais fracos podem ser relevantes, elas entendem que refletir e experimentar também fazem parte do seu trabalho.

Quando exige que todo projeto-piloto demonstre um retorno claro sobre o investimento antes mesmo de começar, a experimentação morre ainda na fase de planejamento. Quando está disposto a apoiar um experimento modesto para ver o que acontece, mesmo sem garantia de retorno, a experimentação se torna possível.

Nesse sentido, a liderança não se manifesta em grandes gestos. Ela se expressa nas perguntas que são feitas, na disposição de reservar um pouco de tempo aqui e ali e na vontade de proteger uma prática que ainda é frágil. Com o tempo, esses pequenos gestos se acumulam. São eles que determinam se a IA encontrará espaço nas rotinas reais da área financeira ou permanecerá restrita a apresentações e provas de conceito.

O que os números podem revelar, quando lidos de outra forma

Em nosso trabalho anterior sobre maturidade digital na área financeira, examinamos quais condições organizacionais tendem a estar presentes quando as equipes financeiras conseguem avançar de modo consistente na adoção da IA, como a experimentação contínua e a definição clara de responsabilidades pelas decisões apoiadas por modelos.

Nosso estudo de acompanhamento mais recente mostrou por que, ainda assim, muitas equipes perdem fôlego à medida que o uso da IA se expande: essas condições frequentemente se enfraquecem nas rotinas do dia a dia, mesmo quando a própria tecnologia continua evoluindo.

As evidências deste artigo adicionam outra camada. Elas demonstram que essas mesmas condições não são capacidades abstratas, mas o resultado do trabalho cotidiano de liderança dentro da área financeira. O fato de a experimentação, a responsabilização e o aprendizado se manterem ao longo do tempo depende menos de escolhas formais de desenho organizacional do que da maneira como as pessoas são incentivadas, apoiadas e ouvidas de fato – e de como elas próprias, em seu trabalho cotidiano, ajudam a moldar e levar novas práticas adiante. A regra, em outras palavras, é como o trabalho de liderança toma forma.

Líderes financeiros estão acostumados a interpretar diagnósticos de maturidade digital ou de prontidão para a IA de modo literal. Sob essa perspectiva, esses dados mostram onde a área investiu, quais ferramentas adotou e como avalia seu próprio progresso.

Mas há outra maneira de interpretar os mesmos dados: como evidências indiretas de onde o trabalho de liderança está (e onde não está) acontecendo.

Quando dados externos raramente influenciam discussões de planejamento, a questão pode não estar na disponibilidade das informações, mas no fato de que a observação compartilhada ainda faz parte do trabalho cotidiano. Quando muitas organizações relatam a execução de pilotos, mas poucas veem mudanças nas rotinas centrais de previsão ou planejamento, o problema pode estar menos na experimentação e mais na capacidade de transformar o aprendizado local em prática compartilhada. E quando profissionais de finanças afirmam ter acesso a ferramentas avançadas, mas hesitam em revelar as incertezas que elas revelam, a limitação geralmente é de tom de liderança e permissão, e não de capacidade técnica.

É importante não atribuir a esses números mais do que podem provar. Eles não estabelecem relações causais entre comportamentos específicos de liderança e resultados obtidos com a IA, mas revelam padrões consistentes. Quando interpretados com cuidado, tornam plausível a hipótese de que a forma como a liderança é exercida no cotidiano pode ajudar a explicar por que tecnologias semelhantes geram resultados tão diferentes entre áreas financeiras.

A transformação vem da liderança

A IA continuará avançando. As ferramentas se tornarão mais acessíveis. Os fornecedores vão aprimorar suas ofertas. As expectativas regulatórias irão crescer. Nada disso, por si só, garante que as finanças vão se transformar. O que fará diferença é se as funções financeiras mudarão a forma como a liderança se comporta.

Se a liderança permanecer concentrada em poucos lugares e focada principalmente em proteger rotinas existentes, a IA será usada principalmente para continuar os antigos métodos de trabalho, só que mais rápido. Mas se liderança for entendida como trabalho compartilhado de construção de novas práticas – como observar o horizonte, experimentar em pequena escala, moldar a estratégia em cenários de incerteza e ajudar boas práticas a se disseminarem –, então a IA pode se tornar uma aliada poderosa para remodelar o que as finanças fazem e como elas contribuem para a organização.

Os CFOs não precisam rotular nada disso como um novo modelo de liderança. Não precisam falar sobre frameworks, de modo algum. Mas precisam se fazer algumas perguntas simples:

• Quem, dentro da nossa área, se sente responsável por identificar e discutir sinais iniciais?
• Onde as pessoas se sentem seguras para experimentar novas formas de fazer previsões ou analisar riscos?
• Como incentivamos a reflexão sobre futuros alternativos em vez de defender um único número?
• O que fazemos para garantir que as inovações locais se transformem em práticas compartilhadas quando provam seu valor?
• O que eu, como CFO, estou fazendo, dia após dia, para tornar essas formas de liderança mais – ou menos – praticadas?

O último questionamento talvez seja o mais importante. Mas, enquanto as respostas a todas essas perguntas não começarem a mudar, a IA continuará pressionando a barreira da área financeira sem conseguir entrar plenamente na sala. Já quando mudarem, a tecnologia que antes parecia uma pressão externa começará a ser vista como um instrumento que as equipes podem pegar e usar enquanto aprendem, juntas, novas formas de trabalhar.