Há uma versão disso acontecendo agora em muitas organizações do setor financeiro. Um processo é lento e manual há anos, todo mundo está cansado dele e alguém sugere a solução óbvia: aplicar IA ao processo. Pule a etapa intermediária pouco atraente e vá direto ao que parece ser progresso.
É uma decisão compreensível. E é justamente por isso que muitos projetos-piloto de IA no setor financeiro não avançam.
O que precisa acontecer primeiro
A IA precisa de uma versão clara e consistente do processo para funcionar. Se o processo ainda estiver disperso em planilhas, sem uma definição clara e única de como deve ser executado, não haverá uma base estável para a IA aprender. Ela ainda produzirá resultados, mas não necessariamente resultados em que você possa confiar, reproduzir ou explicar a um auditor.
Essa primeira etapa pode não receber muita atenção, mas é fundamental. O objetivo é tornar o processo claro o suficiente para que uma pessoa nova possa segui-lo, consistente o suficiente para que seja executado da mesma maneira todas as vezes e bem documentado o suficiente para responder à pergunta de como se chegou a determinado resultado.
Isso não é um projeto de IA. É transformar o processo em um fluxo de trabalho estruturado e fácil de entender. Quando esse nível de estrutura é alcançado por uma equipe, é disso que as pessoas estão falando quando se referem à camada de lógica de negócios. A IA vem depois, porque precisa de uma referência real para comparar e validar seu trabalho.
Três empresas fizeram isso em áreas muito diferentes do setor financeiro, e o padrão se repete em todos os casos.
Sunbelt Rentals: governança antes mesmo de começar a falar sobre IA
As equipes de finanças, contabilidade e operações da Sunbelt Rentals executavam os mesmos processos manuais, principalmente no Excel, havia 20 anos. Quando a empresa contratou uma diretora de tecnologia e transformação financeira, ela viu esses 20 anos como uma base sobre a qual valia a pena construir, e não como algo a ser descartado e refeito do zero. "O objetivo é aproveitar o que as pessoas já estão fazendo", disse LaShell Estes.
Estes começou alinhando as equipes de finanças, TI e negócios e, em seguida, treinou as pessoas nas novas ferramentas até que seu uso se tornasse natural. Só depois que processos específicos foram reconstruídos como fluxos de trabalho governados e reproduzíveis, com controles da SOX incorporados à execução, a equipe passou a usar IA para ler PDFs de faturas e verificar se o imposto sobre uso já havia sido pago. Essa última etapa funcionou porque tudo o que a sustentava já estava estruturado.
Crowe LLC: a mesma ordem, em uma prática tributária
Os profissionais da área tributária da Crowe LLC lidavam com uma versão mais fragmentada do mesmo problema. Diferentes equipes usavam ferramentas diferentes, algumas ainda dependiam inteiramente do Excel, e não havia uma maneira consistente de escalar esse trabalho. "Não havia consistência nem capacidade de escalar", afirmou Hannah Brauer, gerente de Transformação Tributária da Crowe.
A solução não foi implementar IA. Foi o Programa de Inovação da Alteryx, que treinou mais de 190 profissionais da área tributária e estabeleceu padrões para toda a empresa sobre como os fluxos de trabalho deveriam ser criados, governados e documentados. Assim, o mesmo processo poderia ser executado da mesma forma, independentemente de quem o conduzisse.
Essa é a camada de lógica de negócios aparecendo novamente, desta vez em uma prática tributária, e não em uma empresa de locação de equipamentos. A IA só entrou em cena depois que essa base já estava estabelecida. "Estamos usando os recursos de IA integrados do Alteryx para repensar como os fluxos de trabalho são orquestrados e entregues", contou Tracey Grant-Castleman, Líder de Transformação Tributária da Crowe, descrevendo o que se tornou possível depois que o trabalho de governança foi concluído.
Isso está mais próximo do normal do que você imagina
Nenhuma dessas empresas estava excepcionalmente atrasada. A PwC descobriu que, mesmo entre empresas com mais de US$ 10 bilhões em receita, 38% ainda coletam e consolidam manualmente seus dados de previsão. Entre as empresas com receita entre US$ 1 bilhão e US$ 10 bilhões, esse percentual sobe para 52%. A maior parte do setor financeiro ainda não concluiu a parte menos glamourosa desse trabalho. Isso significa que a maioria das equipes financeiras ainda não está realmente pronta para a conversa sobre IA que está tentando ter. Esse é o estado atual do setor, simples assim.
Papa Johns: o mesmo pedido em uma escala muito maior
A Papa Johns se deparou com essa mesma questão de sequenciamento em uma operação de maior escala: reconciliar repasses de parceiros de entrega em mais de 6 mil lojas, em que qualquer erro afeta diretamente o valor recebido pelos franqueados. A ordem era a mesma adotada pela Sunbelt e pela Crowe: criar o fluxo de trabalho, torná-lo governado e reproduzível e só então delegar parte dele a um agente de IA.
A Papa Johns, a Alteryx e o Google Cloud explicaram exatamente como fizeram isso neste webinar sob demanda.
Se sua equipe está de olho na IA para um processo que ainda não foi estruturado de forma realmente reproduzível, vale a pena ver qual deve ser a ordem das coisas antes de pular a etapa que faz tudo o que vem depois funcionar.