Líderes financeiros estão ouvindo falar muito sobre agentes agora: sistemas de IA que não apenas respondem a perguntas, mas agem dentro de um fluxo de trabalho. A proposta é interessante — direcione um agente para sua reconciliação, seu fechamento, sua análise de variância e deixe-o executar. Menos horas perdidas com trabalho manual, respostas mais rápidas, menos dependência de quem quer que conheça o processo.
A pergunta que determina se algo disso funciona é: em que o agente realmente está agindo?
A maioria dos cálculos financeiros tem uma resposta certa
A maior parte do que as finanças fazem não é ambígua. Um cálculo de royalties tem uma resposta certa. Uma alocação fiscal tem uma resposta certa. Reconciliar o pagamento de um parceiro de entrega com um registro de ponto de venda tem uma resposta certa, e ela geralmente está em alguma fórmula de planilha — não é algo que um LLM deva inferir do zero a cada vez. Esse é um trabalho determinístico, regido por regras que as finanças já conhecem, em vez de julgamentos que um modelo é adequado para fazer. O valor que um agente agrega não é fazer os cálculos, mas agir rapidamente com base em cálculos que já estão corretos e mostrar como chegou ao resultado quando alguém pergunta por quê.
Esse porquê é onde a maioria dos esforços de IA nas finanças tem problemas, porque ninguém consegue rastrear a resposta até a regra que a gerou.
A lógica não está ausente, está apenas sem governança
Nada disso é um problema novo. O setor financeiro codifica fórmulas de royalties, regras de alocação e procedimentos de fechamento desde que as planilhas existem, geralmente em um arquivo que apenas uma ou duas pessoas entendem completamente. Isso costumava ser um risco gerenciável: um analista sai, alguém recria a planilha, o trabalho continua.
Passar esse mesmo processo para um agente eleva os riscos, pois agora as regras precisam ficar em um lugar onde todos, incluindo a IA, possam realmente ver. É isso que uma camada de lógica de negócios faz: dá, à lógica que a área financeira já tem, um lugar para ficar onde seja visível, repetível e auditável, em vez de ficar presa em um arquivo que só uma pessoa entende.
Como foi na Papa Johns
A Papa Johns opera mais de 6 mil lojas em todo o mundo em um modelo de franquia, e cada pedido que entra via parceiro de entrega como UberEats ou DoorDash precisa ser reconciliado corretamente, pois o resultado determina o que um franqueado realmente recebe. Um erro na reconciliação não fica contido — ele se propaga para os pagamentos dos franqueados e para os números que entram no fechamento.
A equipe já havia investido no Google Cloud e no BigQuery, mas a própria lógica de reconciliação ficava onde a lógica financeira costuma ficar: distribuída entre sistemas, planilhas e dashboards, remontada manualmente a cada ciclo de fechamento. Michael Wyant, vice-presidente de dados empresariais e soluções corporativas da Papa Johns, definiu a lacuna: “A peça que faltava era a lógica de negócios específica para finanças.”
Foi por aí que a equipe começou. Não implantando um agente, mas deixando a própria lógica de reconciliação visível e governada dentro do Alteryx One, rodando nativamente no BigQuery. O resultado: trabalho financeiro manual reduzido em até 400 horas por ano, com controles SOX documentados automaticamente, em vez de ficarem desatualizados em um arquivo separado. Somente quando essa base ficou estabelecida que o agente de reconciliação operado pelo Gemini se tornou algo em que a empresa podia realmente confiar para ter a resposta.
O que os agentes obtêm assim que a base existe
A Papa Johns não obteve um agente de IA do nada. Ela criou um ao transformar a lógica associada em algo que um agente, um auditor ou um novo funcionário pudessem ver e em que pudessem confiar da mesma forma. A conexão emergente entre plataformas, como o Alteryx e o Google Cloud via Model Context Protocol, aponta para algo ainda maior: agentes que podem atuar sobre dados governados com o contexto e as permissões adequados já incorporados, em vez de acesso bruto a qualquer coisa que encontrem.
Nada disso substitui o julgamento que a área de finanças traz para o processo. Isso significa que o julgamento é aplicado uma vez, registrado com clareza e usado da mesma forma todas as vezes, em vez de depender da memória de uma pessoa sobre como deveria funcionar.
O que perguntar antes da próxima conversa da sua equipe com um agente
Antes da próxima conversa sobre agentes da sua equipe, faça a pergunta com a qual este artigo começou, mas direcionada aos seus fluxos de trabalho: sobre o que o agente realmente vai atuar? A Papa Johns respondeu a isso deixando a lógica de reconciliação visível antes de entregá-la a um agente. Essa é a disciplina que vale a pena aplicar no seu fechamento, na sua auditoria ou em qualquer outro lugar em que sua equipe esteja pensando em usar agentes.
A Papa Johns, a Alteryx e o Google Cloud explicam exatamente como construíram essa base e o que foi necessário para confiar o resultado a um agente neste webinar sob demanda . Se a sua equipe está lidando com as mesmas perguntas sobre agentes, vale o seu tempo.
Webinar sob demanda: Como Papa Johns, Alteryx e Google solucionam a reconciliação de terceiros