A IA não elimina o analista de FP&A. Ela redistribui o trabalho: tira a coleta e a formatação da sua mesa e devolve tempo para leitura de negócio, causa-raiz e narrativa pro board. Um mapa etapa por etapa do ciclo.
Pergunte a qualquer analista de FP&A onde o mês vai embora. A resposta raramente é "analisando". É baixando extração do ERP, batendo conta com o razão, formatando a mesma tabela pela terceira vez, reescrevendo o comentário de variância que o CFO vai ler em quinze segundos. O trabalho intelectual de verdade — entender o que os números dizem sobre o negócio — fica espremido no fim, quando a energia já acabou.
A IA generativa mexe exatamente nesse ponto. Não porque ela pensa melhor que você. Porque ela absorve a parte braçal do trabalho intelectual e libera as horas que hoje somem na coleta e na formatação. O ciclo continua o mesmo — actual, análise de variação, forecast, cenário, report, board. O que muda é a distribuição do seu tempo dentro dele.
43% das vagas de FP&A já pedem, de forma explícita, alguma competência em IA. O recado do mercado é direto: não é mais diferencial de currículo, é linha de base.
Este artigo é um mapa etapa por etapa. O que sai da sua mesa, o que passa a ocupar seu tempo e — o ponto que ninguém gosta de dizer em voz alta — onde o julgamento continua inegociável.
Antes de acelerar qualquer coisa, vale classificar. Todo ciclo de FP&A tem cinco tipos de tarefa: coleta, tratamento, análise, narrativa e apresentação. Elas não têm o mesmo valor e não deveriam consumir o mesmo tempo.
O erro comum é medir tarefa por tempo gasto. O critério sênior é outro: impacto na decisão contra esforço. Uma reconciliação que toma o dia inteiro pode não mudar nenhuma decisão. Um único comentário de variância bem escrito pode mudar o rumo de uma reunião de board. A IA é boa justamente para esvaziar o primeiro grupo e te devolver ao segundo.
Ler um P&L de verdade é ler duas coisas ao mesmo tempo: a composição (vertical) e a evolução (horizontal). O que cada linha pesa hoje e como ela se moveu. Isso não mudou e não vai mudar.
O que muda é o caminho até lá. Montar a análise vertical e horizontal, cruzar três meses, listar os desvios — isso a IA faz em minutos, desde que você entregue o dado no formato certo. O que antes era meio dia de planilha vira o ponto de partida, não a entrega.
Aí começa o seu trabalho. Nem todo desvio importa. O analista júnior explica todos; o líder escolhe os três que mexem no resultado e vai atrás da causa-raiz — não da explicação fácil. "Margem caiu 2 pontos" não é análise. Análise é entender que a queda veio do mix de um canal específico, e não de preço, e o que isso significa para o próximo trimestre.
E aqui vai o primeiro alerta que se repete em todas as etapas: a IA inventa explicação para variação. Ela vai te dar uma causa plausível, bem escrita, e frequentemente errada. Plausível não é verdadeiro. A causa real você valida no dado, no drill-down por centro de custo, na conversa com a área. O comentário sai da IA; a responsabilidade pela causa é sua.
Preço, volume e mix. A pergunta que todo CFO faz quando a receita se move: por quê? Foi porque vendemos mais, porque subimos preço ou porque a cesta de produtos mudou?
A decomposição matemática de PVM sempre foi chata de montar e fácil de errar na fórmula. É a candidata perfeita para acelerar. Você estrutura os dados por produto, canal e região, a IA decompõe, e você ganha o waterfall pronto para levar ao Excel ou ao Power BI.
Regra de ouro da PVM com IA: confira a matemática antes de confiar na narrativa. Cálculo é determinístico e não pode ficar na mão da IA. Se os efeitos de preço, volume e mix não fecham com a variação total, a decomposição está errada — por mais convincente que o texto pareça.
Feita a conta, o trabalho de verdade é interpretar. Preço subiu, mas isso é sustentável diante da elasticidade e da concorrência? O volume caiu, mas foi perda de share ou retração do mercado inteiro? O mix melhorou a margem, mas por decisão comercial ou por acaso? Decompor um número qualquer ferramenta faz. Dizer se o preço ainda é a alavanca certa, dado o contexto competitivo, é leitura de negócio. Continua com você.
Otimista, base, pessimista. A partir de um P&L base, a IA gera os três cenários em minutos, monta a tabela comparativa e ainda te entrega um rascunho de narrativa. Tentador parar por aí. Não pare.
O valor de um cenário não está em existir. Está na premissa. Câmbio a quanto, juro a quanto, demanda caindo quantos pontos, e — a pergunta que separa o cenário útil do enfeite — qual variável de fato move o resultado. Análise de sensibilidade não é a IA que faz por você; é a decisão sênior de onde apontar o holofote.
E tem a finalidade. Cenário se apresenta para decisão, não para informação. O board não quer três colunas bonitas. Quer saber o que fazer se o pessimista virar realidade, e a partir de que gatilho. A IA acelera a montagem. A calibragem das premissas e a recomendação acionável são o seu nome na linha.
O modelo de 13 semanas é onde a distinção entre executar e interpretar fica mais nítida. Montar a projeção — método direto, integração com contas a receber e a pagar, atualização semanal — é estrutura repetível. A IA monta, sinaliza as semanas de risco automaticamente e roda o stress test que você pediria de qualquer jeito: e se o maior cliente atrasar 30 dias?
O que a máquina não faz é ler capital de giro. PMR, PMP, PME, ciclo financeiro — o que cada indicador diz sobre a saúde do negócio, não sobre a planilha. Um caixa que aperta na semana 7 pode ser sazonalidade inofensiva ou o primeiro sinal de um cliente afundando. O alerta é automático. A leitura de onde mora o risco, e o que fazer antes de a semana virar problema, é antecipação — e antecipação é experiência, não estatística.
A maioria dos reports é ignorada pelo mesmo motivo: dado demais, história de menos. Cinquenta slides densos que ninguém abre. A IA é excelente para atacar o sintoma — transforma tabela em narrativa, comprime cinquenta slides em dez, ajusta o tom. O trabalho mecânico de virar dado em texto praticamente desaparece.
Mas a estrutura que faz um report funcionar não vem da ferramenta. É sempre a mesma sequência: contexto, insight principal, implicação, recomendação. E a calibragem de profundidade é decisão humana: um parágrafo para o CEO, uma página para o CFO, o detalhe completo para a equipe. Saber o que o board quer ouvir — e não o que você quer mostrar — é a diferença entre ser lido e ser dispensado.
A IA escreve rápido. Ela não sabe o que é importante na sua empresa, nesta reunião, para esta decisão. Isso você decide antes de abrir qualquer prompt.
Se há uma linha que atravessa todas as etapas, é esta: a IA muda o meio, nunca o dono da conclusão. Alguns princípios que se sustentam do primeiro dado ao último slide.
O analista que some é o que só sabia coletar e formatar. O que fica — e cresce — é o que sempre soube ler o negócio, e agora tem o dobro de tempo para fazer isso. A IA não te substitui. Ela remove a desculpa de que não deu tempo de analisar.
No FP&A, quem entrega tabela vira commodity. Quem entrega decisão vira indispensável. A IA só acelerou a data em que essa conta chega.
Todo domingo: um artigo aprofundado, um caso real e uma automação pra testar na segunda. Sem ruído, sem venda.
Escrita pela equipe CFOs.AI · +2.400 líderes financeiros
Plataforma de formação e implementação de IA aplicada a finanças corporativas.
