Hoje em dia, os agentes estão em quase todas as conversas sobre liderança financeira. Um agente que executa o fechamento, cobra dívidas ou redige o relatório para o painel durante a madrugada. Esse interesse faz todo o sentido: a IA agêntica realmente consegue coordenar o trabalho repetitivo e com várias etapas que ocupa o mês inteiro de uma equipe de finanças.
A pergunta que vale a pena fazer não é se os agentes entregam valor, mas o que há por trás de tudo, para que você confie em um número que chegue à diretoria.
Uma estatística que você pode ter visto e entendido corretamente explica o motivo.
O que o percentual de 95% realmente diz aos líderes financeiros
O relatório State of AI in Business 2025 do MIT constatou que cerca de 95% das organizações não veem retorno mensurável nos investimentos em IA generativa. Esse número tem circulado pelas salas de reunião como prova de que a IA não está pronta.
Mas a Bain & Company enxerga isso de forma mais útil. O problema que os dados expõem é a abordagem, não os modelos. As organizações que estão vendo retornos estão incorporando IA em fluxos de trabalho reais, fundamentando-a em um bom contexto e medindo resultados de negócios. AS que não veem nada despejam dinheiro em projetos-piloto visíveis e de alto nível, enquanto as atividades de back-office com o retorno mais rápido ficam desassistidas. A mensagem da Bain para os CFOs não é gastar menos em IA, mas gastar de forma diferente, direcionando os fundos para os casos de uso que movimentam caixa, custo e risco.
Essa nova perspectiva tem um peso real no mundo das finanças. Os processos financeiros são repetitivos, repletos de dados e regidos por políticas — condições que, segundo a Bain, são exatamente aquelas em que a IA se destaca. Longe de ser o último no caso da IA, o setor financeiro é um dos lugares onde a IA já funciona, quando é direcionada para o problema certo e construída sobre a base certa.
O agente é a consequência, não o ponto de partida
Aqui, a conversa do agente e a conversa dos 95% acabam sendo a mesma.
Agente é uma IA com espaço para realizar ações em várias etapas: ler uma fatura, combiná-la com um contrato, aplicar a tolerância, postar a entrada e escalar apenas a exceção. É um trabalho valioso e também do tipo que falha silenciosamente quando a base não existe. Um agente agindo sobre dados que ninguém validou, aplicando regras que inferiu em vez de regras definidas pelas finanças, produzindo uma saída que ninguém pode rastrear, não deixa as finanças mais rápidas. Ele reproduz o problema dos 95% com mais autonomia e maiores riscos.
A Bain localiza a restrição real com precisão. O que impede a IA financeira não é o preço dos modelos ou a sofisticação das instruções. É se o contexto está pronto: definições compartilhadas para o plano de contas e dados mestres, sistemas ERP e EPM conectados sob uma camada de recuperação orientada por políticas, cada ação rastreável aos dados e à lógica por trás de tudo. A confiabilidade do agente depende do contexto gerenciado no qual ele executa.
O ânimo do mercado pela camada visível do agente é compreensível. Se funciona ou não depende de algo por baixo: se a lógica de negócios que o alimenta foi definida pelas finanças ou inferida por um modelo. A lógica determinística é definida por finanças. Um agente aplica essa lógica. Isso nunca deve decidir sua política de reconhecimento de receita.
Onde a lógica tem que ficar
Um líder financeiro precisa de uma maneira de julgar qualquer iniciativa de IA, agêntica ou não, antes que ela afete um número que importa. O verdadeiro teste é se dá para respaldar o resultado: ver o que o fluxo de trabalho fez, seguir a lógica aplicada e rastrear o resultado de volta pelos seus dados se um auditor perguntar. Um agente que atende a esse padrão é aquele que você pode escalar. Há mais a dizer sobre como um líder aplica esse teste na prática, e um artigo no próximo mês explicará por completo.
Atingir o padrão depende de uma questão de arquitetura que os líderes financeiros cada vez mais assumem: onde reside essa lógica? O que torna a IA confiável é uma camada de lógica de negócios regulamentada que fica entre os dados brutos da sua empresa e os modelos e agentes que os utilizam, preparando e validando os dados e garantindo o cumprimento das regras definidas pelo departamento financeiro.
É aqui que o Alteryx se encontra. Não é outro modelo de IA competindo pela previsão, e não substitui seus sistemas ERP ou EPM. Ele faz o trabalho que a IA não pode fazer de forma confiável por si só, então o agente criado sobre ele tem uma base sólida. Crie essa base de governança primeiro, e o agente será o próximo passo natural quando estiver em vigor.
Onde o agente entre nisso tudo
O interesse pelos agentes é o instinto certo, e as equipes que agirem com base nisso agora terão uma vantagem inicial. O único ajuste necessário é a ordem das operações. Um agente é o que você ganha quando os dados são governados, a lógica é definida e os resultados são rastreáveis o suficiente para serem defendidos perante o auditor e a diretoria.
Se tudo estiver certo, o agente deixa de ser um salto de fé e vira o próximo passo óbvio. Então, a questão não é mais se dá para confiar nele, mas onde você o colocará para trabalhar a seguir.