Como escolher o primeiro caso de IA sem confundir resposta com lastro financeiro

Uma variação de despesas aparece em vermelho. Alguém copia a tabela para um Chat e pergunta o que aconteceu.

A resposta chega em segundos. Fala de inflação, sazonalidade, fornecedores e aumento de volume. O texto parece uma análise. Nenhuma dessas causas estava na tabela.

O modelo fez o que modelos de linguagem fazem bem: construiu uma continuação plausível. A operação financeira precisava de outra coisa: separar número, hipótese, evidência e decisão.

Esse limite também muda a escolha do primeiro caso. Uma rotina frequente não está pronta para IA apenas porque toma tempo. Ela precisa ter fonte recuperável, revisão definida, consequência controlável e possibilidade de interromper ou reverter o fluxo.

Resposta curta

Modelos de linguagem podem resumir, classificar, comparar, formular perguntas e preparar uma primeira estrutura de análise. Na arquitetura adotada nesta trilha, um agente de IA coordena uma sequência de etapas com instruções, contexto, ferramentas permitidas e condições de parada.

Nenhum dos dois transforma uma resposta provável em fonte financeira. Cálculos determinísticos, registros canônicos, aprovação e julgamento permanecem nos sistemas e nas pessoas autorizadas.

Por isso, o primeiro caso não deve ser o mais vistoso nem necessariamente o mais material. Deve ser uma boa unidade de aprendizagem: recorrente, delimitada, reversível, sustentada por fonte identificável e revisada antes de produzir qualquer consequência financeira.

Onde você entra neste módulo?

Seu momento	O que fazer
Começando agora	Aprenda a diferença entre modelo, Chat, automação e agente de IA. Execute a comparação com dados sintéticos e use a matriz para escolher entre as três candidatas do Módulo 1.
Chat no trabalho	Use uma rotina em que você já pede resumo ou comentário. Documente fonte, contexto, limite e revisão antes de decidir se ela pode ser o caso âncora.
Sistema em construção	Audite um agente de IA ou automação existente. Verifique instruções, ferramentas, permissões, evidência, condição de parada e Handoff humano. Depois confirme se esse fluxo merece continuar como caso âncora.

Você está no lugar certo se usa Chat, recebe análises preparadas com IA ou precisa avaliar uma ferramenta antes de colocá-la em fechamento, caixa, orçamento, crédito ou cobrança.

Você continua responsável pelo significado financeiro, pelas fontes e pela decisão. Este módulo trata da arquitetura de IA que prepara o trabalho, não de terceirizar julgamento financeiro para o sistema ou para o Alyson.

Vocabulário financeiro do módulo

Termo	Definição usada aqui
Premissa	Informação assumida como base de um cálculo, cenário ou interpretação.
Cenário	Combinação identificada de premissas usada para examinar uma possibilidade.
Período	Intervalo ao qual os dados e a análise se referem.
Unidade	Escala do valor apresentado, como reais, milhares ou milhões de reais.
Fonte	Sistema, documento ou registro que sustenta uma informação.
Fórmula	Regra documentada usada para produzir um cálculo.
Alçada	Limite de autoridade atribuído a uma pessoa ou função para revisar, aprovar ou decidir.
Exposição	Consequência financeira, operacional, regulatória ou reputacional associada ao erro ou uso inadequado.
Reversibilidade	Capacidade de interromper o teste e retornar ao estado anterior sem efeito difícil de reparar.

O modelo não consulta a sua operação por intuição

Um modelo de linguagem trabalha com padrões aprendidos e com o contexto disponível na interação. Ele produz uma sequência de Tokens, unidades menores de texto processadas pelo modelo, que formam palavras, números e frases.

Isso ajuda a explicar duas experiências comuns.

Na primeira, o modelo escreve um comentário financeiro claro e bem organizado.

Na segunda, o mesmo modelo apresenta uma causa que não estava na fonte, troca o período ou trata uma premissa como fato.

O NIST chama de confabulação a produção de conteúdo falso ou incorreto apresentado com confiança. O termo também cobre respostas que divergem da entrada ou contradizem algo dito anteriormente. O perfil do NIST para IA generativa destaca que o risco cresce quando a saída é usada em decisões consequenciais ou em domínios que exigem muito contexto e conhecimento especializado. Generative AI Profile, NIST

No uso cotidiano, muita gente chama isso de alucinação. A palavra importante para a operação é outra: saída não conferida.

Texto convincente não é lastro

Considere esta entrada sintética:

Conta	Orçado	Realizado	Variação
Serviços de terceiros	R$ 420.000	R$ 510.000	R$ 90.000

Se a instrução for apenas explique a variação, o modelo não sabe:

qual período está sendo comparado
se os valores estão em regime de competência ou caixa
se houve reclassificação
qual regra de materialidade se aplica
se o orçamento foi revisado
quais documentos sustentam a causa
para quem a análise será apresentada

Ele pode listar causas possíveis. Isso é útil como roteiro de investigação, não como conclusão.

Uma resposta financeiramente mais honesta começaria assim:

A tabela mostra uma variação desfavorável de R$ 90.000 em serviços de terceiros. A causa não pode ser determinada com os dados fornecidos. Antes de concluir, confira período, versão do orçamento, lançamentos que compõem a conta, reclassificações e contratos ou notas relacionados.

Essa resposta parece menos brilhante. É mais útil porque não cobra que o leitor descubra onde termina o dado e começa a invenção.

Quatro arquiteturas que costumam ser confundidas

Arquitetura	O que acontece	Uso financeiro possível	Limite principal
Chat	A pessoa fornece contexto e recebe uma resposta.	Resumir uma reunião, estruturar perguntas ou revisar clareza.	Contexto e conferência dependem da conversa atual.
Automação fixa	Regras predeterminadas executam sempre a mesma sequência.	Atualizar cálculo, mover arquivo, validar campo ou disparar alerta definido.	Lida mal com ambiguidade fora das regras.
Fluxo assistido por modelo	Uma etapa usa modelo dentro de processo controlado.	Classificar comentários ou preparar rascunho a partir de fontes fornecidas.	A etapa generativa ainda exige validação.
Fluxo agêntico	Na arquitetura adotada nesta trilha, o modelo coordena etapas, usa ferramentas permitidas e acompanha a conclusão.	Recuperar fontes autorizadas, comparar versões, preparar análise e encaminhar exceção.	Precisa de escopo, permissões, guardas, evidência e Handoff humano.

O guia da OpenAI para construção de agentes de IA diferencia aplicações que apenas usam modelos daquelas em que o modelo controla a execução do fluxo. O mesmo guia organiza um agente de IA em modelo, ferramentas e instruções, com guardas e possibilidade de interromper ou devolver o controle à pessoa. A practical guide to building agents, OpenAI

A definição é útil mesmo que outra plataforma seja escolhida. A arquitetura precisa sobreviver à troca do fornecedor.

Cálculo determinístico e interpretação têm trabalhos diferentes

Um cálculo determinístico aplica regras conhecidas à mesma entrada e deve produzir a mesma saída.

Somar contas, calcular variação percentual, converter moeda por uma taxa registrada, aplicar uma fórmula aprovada e reconciliar totais pertencem primeiro à planilha, ao ERP, ao banco de dados ou a outro sistema controlado.

O modelo pode ajudar a:

localizar a fórmula documentada
explicar a fórmula para um público específico
identificar que a unidade não foi informada
comparar a estrutura de duas versões
preparar perguntas sobre uma divergência
redigir um comentário depois que número e causa foram conferidos

Ele não deve recalcular silenciosamente o que já possui uma regra estável nem substituir o registro que sustenta a análise.

Uma boa divisão de trabalho é simples:

Camada	Responsabilidade
Sistema determinístico	Registrar, calcular, integrar e preservar previsibilidade.
Modelo ou agente de IA	Localizar, comparar, classificar, resumir e propor.
Pessoa autorizada	Conferir a fonte, interpretar o impacto, aprovar e decidir.

O pacote mínimo de contexto financeiro

Antes de pedir uma análise, forneça somente o contexto permitido e necessário.

Campo	Exemplo
Objetivo	Preparar perguntas para revisão do comentário mensal.
Período	Julho de 2026 contra orçamento aprovado de julho de 2026.
Moeda e unidade	Reais, valores apresentados em milhares.
Fonte	Exportação controlada do ERP e versão 4 do orçamento.
Fórmula	Variação absoluta igual a realizado menos orçado.
Materialidade	Destacar variações acima do parâmetro documentado pela empresa.
Público	Gerência financeira antes da reunião com a diretoria.
Limite	Não inferir causa. Marcar ausência de evidência.
Saída	Tabela com fato, hipótese a validar, fonte necessária e pergunta.

Esse pacote não garante uma resposta correta. Ele torna fontes e lacunas mais visíveis para revisão.

No Módulo 4, a trilha aprofundará minimização, anonimização e ambiente permitido. Por enquanto, use dados sintéticos ou uma estrutura sem nomes, valores reais, contas bancárias, salários, contratos ou informação estratégica.

Memória não significa verdade permanente

Um agente de IA pode manter contexto entre etapas ou recuperar informações de uma base. Essa capacidade é chamada de memória em muitas ferramentas.

Memória ajuda a não começar do zero. Também pode recuperar uma premissa desatualizada com muita eficiência.

Para cada informação lembrada, a operação ainda precisa saber:

de qual fonte veio
quando foi atualizada
qual versão está vigente
quem revisou
se existe exceção aberta

Guardar uma definição de EBITDA, um calendário de fechamento ou uma regra de materialidade pode ser útil. A memória do agente de IA não substitui o documento aprovado que sustenta essas definições.

A responsabilidade humana não começa no final

Revisão humana não é alguém lendo um parágrafo quando todo o fluxo já aconteceu.

A pessoa responsável participa da arquitetura ao definir:

que dados podem entrar
que fonte pode ser consultada
que ferramenta pode agir
que saída é permitida
que exceção interrompe o fluxo
o que exige aprovação

O AI RMF 1.0 do NIST organiza gestão de risco de IA em torno de governar, mapear, medir e gerenciar. O Framework é voluntário e estava em revisão quando foi consultado em 08-08-2026. AI Risk Management Framework, NIST

Para esta trilha, a consequência prática é clara: não espere o incidente para descobrir quem tinha autoridade.

[!important] Decisão humana preservada Escolher o caso âncora, validar se a análise representa a operação, aprovar seu uso e decidir se ela pode seguir para comunicação ou decisão financeira.

Quando o agente de IA deve parar

O fluxo precisa interromper e devolver o caso à pessoa responsável quando:

faltar fonte ou versão
período, moeda ou unidade estiverem ambíguos
os totais não reconciliarem
a causa apresentada não possuir evidência
surgir dado não autorizado
a saída puder alterar crédito, pagamento, lançamento ou posição oficial
houver pedido de recomendação tributária, contábil, jurídica ou de investimento
a ferramenta tentar usar um acesso não previsto

Uma condição de parada não é falha do agente de IA. É parte do trabalho que torna o sistema confiável.

Escolha um caso de aprendizagem, não o caso mais impressionante

Volte às três rotinas candidatas do Módulo 1.

Antes de priorizar benefício, aplique cinco portões:

A fonte possui origem e responsável identificáveis?
O acesso e o ambiente estão autorizados para o teste?
Existe uma pessoa capaz de revisar a saída antes do uso?
O fluxo pode ser interrompido e revertido?
A IA prepara trabalho sem receber decisão financeira, contábil, tributária, de crédito ou de investimento?

Se uma resposta for não ou desconhecido, o caso não avança. Fonte não é apenas uma dimensão de pontuação. É um portão.

Depois dos portões, compare:

Dimensão	Pergunta de decisão
Frequência	A rotina ocorre o bastante para gerar aprendizagem repetível?
Trabalho de preparação	Existe procura, consolidação, comparação ou redação que possa ser observada?
Materialidade	A organização consegue declarar o parâmetro aplicável sem transformá-lo em regra universal?
Exposição	Um erro ficaria contido antes de atingir pagamento, crédito, lançamento, projeção oficial ou comunicação externa?
Taxa de exceção	As exceções são visíveis e podem ser encaminhadas para revisão?
Dependências	Sistemas, integrações, permissões e pessoas necessárias são conhecidos?
Evidência	A saída consegue apontar para fonte, versão, transformação e responsável?
Aprendizagem	O teste ensina algo reutilizável sobre contexto, fonte, revisão ou Handoff?

O melhor primeiro caso costuma preparar evidência, organizar exceções ou estruturar uma primeira análise. Liberação de pagamentos, aprovação de crédito, alteração de lançamento, definição de provisão e comunicação externa não entram como primeiro teste.

Ação para os próximos três dias

Use a rotina detalhada no Módulo 1. Escolha uma análise simples e crie dados sintéticos.

Rodada 1

Envie somente a tabela e peça uma explicação.

Registre:

fatos corretamente identificados
causas inventadas ou não sustentadas
período, moeda ou unidade assumidos
perguntas que deveriam ter sido feitas

Rodada 2

Use o pacote mínimo de contexto e peça uma saída em quatro colunas:

Fato observado	Hipótese a validar	Fonte necessária	Pergunta para o responsável

Compare as duas respostas sem escolher a mais elegante. Escolha a que permite conferir de onde veio cada afirmação.

Agora aplique os cinco portões e as oito dimensões às três rotinas candidatas. O exercício pode confirmar a rotina detalhada no Módulo 1 ou devolver essa rotina à lista.

Registre o termo de escolha:

Campo	Decisão registrada
Caso âncora
Por que ele oferece aprendizagem controlada
Saída que a IA pode preparar
Decisão que a IA não recebe
Fonte que precisa ser validada no Módulo 3
Revisor e alçada
Condição de parada
Evidência que deve acompanhar a saída
Casos que retornam à carteira

Saída verificável do módulo

Produza três artefatos:

comparação das duas respostas sintéticas
matriz priorizada das três rotinas candidatas
termo de escolha e mapa de usos permitidos do caso âncora

Elemento	Decisão registrada
O modelo pode preparar
O sistema determinístico continua calculando
Fontes permitidas
Dados proibidos no exercício
Pessoa que revisa
Decisões que permanecem humanas
Condições de parada
Evidência que acompanha a saída

O módulo está concluído quando outra pessoa consegue explicar por que o caso foi escolhido, por que os outros retornaram à carteira, onde a IA entra e onde ela fica fora.

O sinal inicial que vale observar

Observe se a segunda resposta separa melhor fato, hipótese e ausência de informação. Conte quantas afirmações conseguem apontar para uma fonte fornecida. Registre também quantos casos foram bloqueados antes de qualquer conexão com ferramenta.

Isso ainda não prova precisão em produção, segurança, ganho de tempo ou qualidade da decisão financeira. O exercício usa dados controlados e mede apenas a capacidade de estruturar contexto e revisão.

Se você quiser aplicar esta arquitetura ao seu negócio

Você traz a autoridade financeira. Eu entro na camada de IA.

Na Mentoria em IA para Negócios, eu ensino a lógica de uso de IA e converso com você sobre possibilidades e casos de uso do seu negócio. No formato atual, são quatro sessões online de três horas. Uma rotina financeira pode servir como contexto para a conversa, mas eu não entrego diagnóstico formal, consultoria financeira, projeto, desenho técnico, implantação ou execução.

A trilha permanece gratuita. A Mentoria é uma oferta separada para quem quer aprender em conversa individual. Decisões, orientação financeira e execução continuam fora desse escopo. Exemplos de outros mentorados não prometem o mesmo resultado para você.

Quero conhecer a Mentoria em IA para Negócios pelo WhatsApp ou prefiro escrever por e-mail.

Continuidade da trilha

Agora você possui um caso âncora e sabe por que uma resposta convincente pode continuar sem lastro. O próximo módulo testa se as fontes desse caso conseguem sustentar um piloto. Se não conseguirem, o caso retorna à carteira.

Siga para o Módulo 3, ERP, razão, orçamento e fluxo de caixa como fontes de verdade.

Fontes usadas neste módulo

Para aprofundar

Módulo sobre agentes de IA coordenados da Trilha Operar com IA