Você está elaborando um pacote de informações financeiras para o Conselho (sob a responsabilidade do CFO) e alguém sugere usar IA para acelerar a construção do modelo. O risco profissional não reside na ferramenta em si, mas em permitir que a IA invente escopo, direcionadores ou premissas — e só descobrir a inconsistência quando o Conselho questionar por que o ARR não bate com a receita diferida, por que o caixa não fecha ou por que o valuation baseia-se em métricas que seus auditores não aceitarão.
Nesta aula, seu objetivo é definir o escopo da modelagem, o conjunto de direcionadores e os critérios de sucesso com precisão suficiente para que o resultado gerado pela IA sirva como insumo viável para o modelo. A responsabilidade pela integridade e pela interpretabilidade do modelo continua sendo sua. A IA pode elaborar estruturas e tabelas, mas não pode assumir a responsabilidade pelas implicações do modelo.
Antes de passar as instruções à IA, defina claramente o conteúdo do modelo e como ele será utilizado. Utilize a arquitetura abaixo como referência de estrutura final, garantindo que cada direcionador e cada resultado tenha seu lugar definido.
O escopo não é uma lista de funcionalidades. É um acordo entre você e os tomadores de decisão sobre quais perguntas o modelo responderá e quais ele explicitamente não responderá. Se você ignorar esse acordo, terá uma planilha frágil que parece completa, mas falha sob análise detalhada quando a lógica dos cenários quebra, surgem referências circulares ou os KPIs não podem ser conciliados com os relatórios GAAP ou IFRS.
Para um pacote de relatórios de CFO de uma empresa SaaS, defina antecipadamente as saídas mínimas necessárias para o conselho. Um modelo integrado das três demonstrações financeiras, cenários auditáveis e um módulo de valuation que explicite o método e as variáveis-chave (drivers) são requisitos básicos, pois os conselheiros farão perguntas sobre a consistência dos números, e não apenas sobre o crescimento.
A IA precisa de um pacote de instruções (briefing) assim como um analista júnior. Sem ele, ela preenche lacunas com números plausíveis ou padrões da categoria, e você acaba com dados “alucinados” que influenciam silenciosamente sua projeção de caixa (cash runway) ou o valuation. A consequência não é apenas estética; trata-se de um erro de decisão que você não consegue justificar, pois não é possível rastrear a premissa até uma fonte confiável.
Seu pacote deve conter três documentos de trabalho: um registro de premissas que detalha cada variável-chave, seu valor, a base temporal e a fonte; um dicionário de dados que define cada métrica e seu cálculo, evitando confusões entre ARR, receita, faturamento e receita diferida; e restrições que determinam o que a IA não pode inventar, incluindo métricas operacionais não públicas e escolhas de políticas contábeis que exijam seu julgamento.
Utilize o próximo exercício para converter um memorando de planejamento não estruturado em dados estruturados (variáveis-chave) que o modelo possa efetivamente processar.
Um prompt que apenas pede um modelo é um convite à improvisação. Um prompt que especifica formatos, convenções de nomenclatura e requisitos de verificação resulta em entregáveis que você pode revisar. Se você não definir testes de aceitação, gastará o tempo economizado na geração do modelo reformatando tabelas, corrigindo links quebrados e descobrindo tardiamente que o modelo não fecha (não equilibra).
Inclua quatro elementos em seu modelo de prompt: função e contexto que definam o domínio e o tipo de entidade; formatos de saída exatos, incluindo tabelas estruturadas para corresponder ao seu layout do Excel e intervalos nomeados como Rev_Drivers ou WC_Assumptions; neutralidade explícita quando necessário (por exemplo, enquadramento em US GAAP e IFRS, a menos que você indique o contrário); e testes de aceitação que a IA deve atender, como o fechamento do balanço patrimonial, a reconciliação de caixa e a verificação da movimentação de ARR.
Elabore seu modelo de prompt utilizando um padrão que force a criação de tabelas estruturadas e a inclusão de totais de verificação, permitindo que você cole o resultado com o mínimo de interpretação adicional.