A resiliência financeira diz respeito à capacidade de uma organização de absorver choques sem que a ambição pare: flutuações na receita, custos imprevistos, atrasos em projetos que custam dinheiro antes de o gerarem. Como dimensão de prontidão no teste de ambição, a resiliência financeira mede algo específico: se a função financeira é capaz de antecipar e suportar atempadamente os cenários que acompanham uma ambição que pressupõe trabalho de IA.
Isso é diferente de um balanço saudável. Uma ambição que pressupõe trabalho de IA altera o padrão de custos: menos custos de mão de obra variáveis em alguns processos, mais investimento em tecnologia e supervisão, e um ritmo diferente de despesas antecipadas versus benefícios posteriores. Resiliência financeira como capability significa que a organização consegue calcular, monitorizar e ajustar esse padrão antes de se tornar um problema, e não depois.
Em partes da operação empresarial, isto já é prática corrente. Ciclos de relatórios, reconciliações, previsões de fluxo de caixa baseadas em padrões históricos: são tarefas em que a IA consegue lidar com a maior parte do trabalho de cálculo, com um controller a aprovar ou rejeitar o resultado com fundamento. Noutras partes da função financeira, a situação é diferente. O planeamento de cenários em contextos de incerteza estratégica, a ponderação entre margem de investimento e risco, a conversa com o banco ou o conselho fiscal sobre resiliência perante contratempos: isso continua a ser trabalho humano, porque exige um juízo que não decorre de dados históricos.
A diferença entre as empresas que já organizam isto assim e as que não o fazem não está na disponibilidade de ferramentas. Está em saber se os dados e processos subjacentes já estão estruturados de forma a que um sistema consiga fazer algo fiável com eles. Uma organização em que os números provêm de folhas de cálculo avulsas e onde os encerramentos dependem de conhecimento individual pode ter a mesma ambição de uma organização com uma administração financeira permanentemente atualizada, mas a prontidão para que o trabalho de IA efetivamente se concretize é fundamentalmente diferente.
A diferença percetível não está nas contas anuais. Está na rapidez com que uma direção consegue responder a uma pergunta. Com baixa prontidão, demora dias a saber o que um mês menos favorável significa para o resto do ano, porque os números têm de ser recolhidos e interpretados por pessoas que precisam de libertar tempo para isso. Com maior prontidão, essa resposta chega mais depressa, porque parte da recolha e síntese já foi deslocada, e o tempo humano restante é dedicado ao juízo em vez de à soma.
Isso não poupa apenas tempo. Também muda o que é pedido à função financeira. As horas que antes eram dedicadas à elaboração de relatórios ficam livres para a sua avaliação. Se essa capacidade libertada é aplicada em mais cenários, em intervenção mais precoce perante desvios, ou noutra coisa, é uma escolha que cabe à própria organização.
A prontidão nesta dimensão depende de algumas coisas que são difíceis de disfarçar. Os dados financeiros estão num local onde um sistema os consegue ler de forma consistente, ou estão dispersos em ficheiros com convenções próprias. Os pressupostos por trás de uma previsão foram tornados explícitos, ou estão na cabeça de um único controller. Existe um processo definido para o que acontece quando um cenário ultrapassa um determinado limiar, ou isso é reinventado sempre de novo.
Isto também toca na forma como as decisões são tomadas: quem pode aprovar um investimento com base numa previsão gerada por IA, e quando é que uma pessoa deve assumir explicitamente esse juízo. Trata-se de uma questão sobre direitos de decisão, não apenas sobre tecnologia, e deve por isso ser tratada como tal. A forma como a estratégia e a governança se relacionam com a transferência de trabalho de decisão para a IA é, nesse sentido, uma questão adjacente, e a resposta a essa questão determina, em parte, se a resiliência financeira, enquanto dimensão, pode ser tratada isoladamente ou se depende de outras capabilities.
Se a recolha e síntese de dados financeiros passar em grande parte para a IA, muda o perfil daquilo que é pedido à função financeira. Há menos necessidade de processamento manual e mais necessidade de pessoas que saibam quando um resultado não está certo e porquê. Trata-se de uma mudança de competências, não automaticamente de número de pessoas: o que um empregador faz com isso está sujeito a requisitos legais próprios e não é uma questão a que esta página responda.
O que é possível responder: qual a parte do trabalho financeiro nesta empresa em concreto que efetivamente se deixa transferir depende da qualidade dos processos subjacentes, não apenas da ambição. Essa questão é respondida tarefa a tarefa com o scan de trabalho da FTE TO AI. E, uma vez que a resiliência financeira não está dissociada da forma como os processos estão organizados, é relevante analisar também como os processos e a operação se relacionam com o trabalho que a IA assume, e o que um target operating model em palavras simples descreve efetivamente aqui.
A pergunta sobre quanto custa preparar a resiliência financeira para a IA não tem uma resposta fixa: depende de onde os dados se encontram atualmente, de como os processos estão organizados e de qual é a ambição definida. Uma primeira ideia disso obtém-a com a verificação de prontidão gratuita: oito perguntas curtas, uma por dimensão, com um resultado que mostra onde está mais avançado e onde está menos avançado. O teste de ambição completo, com as quatro camadas e os cinco confidence gates, está em construção. Quem já quiser saber quais as capabilities de que a própria organização necessita para a ambição definida encontra ali o ponto de partida.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.