Em 2020, os CFOs precisavam de novas ferramentas. Agora, são as ferramentas que estão mudando o cargo.
A função vinha se tornando mais estratégica, mas o software continuava ultrapassado. Os CFOs eram metade analistas de dados, metade arquitetos: costuravam exportações vindas de uma constelação de soluções pontuais e planilhas de Excel que orbitavam ERPs com trinta anos de idade. O gargalo eram os dados. Eles viviam em lugares demais e eram difíceis de domar, e as ferramentas construídas por cima eram frágeis e limitadas no que podiam fazer.
Agora a IA está eliminando essas restrições. Montar os dados ficou mais fácil, e o software começou a fazer boa parte do trabalho sozinho. E quando isso muda, tanto a forma como o trabalho é feito quanto quem o executa também mudam. Isso significa que a própria área financeira se transforma, junto com a equipe e o perfil da pessoa que a lidera.
De contador a banqueiro, de banqueiro a construtor
Você pode ver isso observando quem as empresas contrataram para o cargo ao longo do tempo:
As características de um grande CFO se mantiveram incrivelmente consistentes ao longo das eras. Os melhores CFOs não apenas entregam números ou apresentações para o conselho. Eles também usam dados para embasar uma opinião sobre o rumo que o negócio deve tomar. O que o cargo exige deles é justamente o que continua mudando conforme a habilidade escassa do momento.
O perfil de cada época acompanhou essa mudança. Quando o trabalho era limpar os livros contábeis, estabelecer controles e reportar resultados, as empresas contratavam CFOs vindos das Big 4 de auditoria. Quando o foco passou a ser captar recursos e fechar negócios, começaram a recrutar nos bancos de investimento. Quando o cargo virou sinônimo de planejamento, métricas e parceria com o negócio, o conjunto de habilidades de planejamento (“FP&A”) ganhou importância, embora as empresas ainda contratassem muito profissionais com experiência em bancos ou private equity.
Hoje, a habilidade escassa é algo novo: projetar o sistema operacional no qual a empresa roda. Isso significa os dados, fluxos de trabalho, agentes, competências e controles que transformam contexto em inteligência e decisões. Você pode ver isso na ascensão do “engenheiro financeiro” dentro das equipes de finanças, e em CFOs assumindo cada vez mais esse papel eles mesmos.
Os líderes financeiros que operam dessa forma descrevem a área de um jeito diferente de seus antecessores. Sarah Friar, CFO da OpenAI, define finanças como uma função em tempo real. A área caminha para um fechamento contábil no dia zero (zero-day close) e uma previsão atualizada continuamente — uma grande mudança em relação ao ritmo tradicional de fechamento mensal. Seja para alocar capacidade computacional ou capital, os melhores líderes financeiros hoje soam menos como marcadores de pontos e mais como construtores.
Mais dados, ferramentas melhores, equipe mais enxuta
A mudança no perfil do CFO e na organização financeira como um todo está sendo impulsionada pelo avanço rápido das ferramentas nativas de IA. Um acesso a dados mais fácil e rápido destravou ferramentas melhores, mudando como o trabalho é feito e por quem — e, por consequência, como as equipes financeiras são estruturadas e como operam.
1. Os dados deixaram de ser o gargalo. A queixa central do nosso artigo de 2020 era que a matéria-prima do CFO — os dados — estava desatualizada, fragmentada e era penosa de reunir. As equipes financeiras gastavam a maior parte da energia na base da pirâmide, costurando insumos: puxando exportações, reconciliando planilhas e correndo atrás da explicação para uma variação perdida numa thread de e-mail ou, pior, em DMs e canais do Slack. A IA torna mais rápido e fácil extrair, ingerir e interpretar dados espalhados por diferentes sistemas e formatos. As equipes podem gastar menos tempo coletando informações e mais tempo agindo sobre elas.
2. A stack financeira está se tornando parte da equipe financeira. Em 2020, mapeamos a stack financeira camada por camada e argumentamos que uma onda de ferramentas modernas chegaria para cada uma delas. Com a IA ajudando a resolver a questão dos dados, essa onda chegou. A nova geração é implementada em dias, não em trimestres; automatiza a própria coleta de dados em vez de esperar ser alimentada; e entrega insights em tempo real, e não só no fim do mês. Todas as áreas daquele mapa de mercado original agora têm um concorrente nativo de IA, desde ERP até impostos e compras.
Alguns exemplos do nosso portfólio:
- O ERP da Rillet reduz a implementação de meses para dias ou semanas, puxa dados automaticamente e transforma um fechamento mensal em diário.
- A Concourse implanta agentes para planejamento e previsão financeira, puxando dados de pipeline em tempo real para construir cenários ao vivo.
- A Lio usa um modelo multiagente para compras, cujos agentes conduzem due diligence de fornecedores, negociam contratos, supervisionam aprovações internas e monitoram entregas.
- A Stuut gerencia o ciclo de contas a receber de ponta a ponta — da abordagem ao follow-up, passando por cobrança e resolução de disputas —, automatizando o processo de baixa de pagamentos.
- A Sphere transforma a complexa conformidade de impostos indiretos em um processo automatizado de ponta a ponta.
- A Petual automatiza testes SOX e fluxos de trabalho de auditoria interna corporativa.
Todos esses são fluxos de trabalho que antes exigiam equipes dedicadas ou prestadores de serviço externos.
A geração anterior de software ajudava os profissionais de finanças a gerenciar o trabalho. Esta geração faz o trabalho sozinha. O melhor software financeiro nativo de IA agora faz finanças.
3. A ascensão do engenheiro financeiro. Com o problema dos dados recuando, surgiu algo que não previmos em 2020. As equipes financeiras mais avançadas não estão apenas usando ferramentas de software com IA, mas construindo suas próprias automações, dashboards e outras ferramentas internas. Muitas dessas pessoas nunca tinham escrito código, eram céticas em relação à IA e não tinham acesso a recursos de engenharia. Nos últimos 9 a 12 meses, elas se converteram de vez à IA.
A equipe financeira da Anthropic construiu e mantém uma biblioteca com mais de 70 skills de IA específicas para finanças, tratadas como código de produção. Uma delas gera uma revisão financeira mensal 90-95% completa, comprimindo horas de trabalho humano em cerca de trinta minutos. Na OpenAI, a equipe de Friar cria GPTs personalizados para relações com investidores e compras, além de dashboards ao vivo para substituir os relatórios estáticos do conselho.
Um CFO de empresa em estágio de crescimento do nosso portfólio pediu à sua equipe que criasse agentes e, em duas semanas, eles tinham 50. Nem todos eram úteis, mas deram a todos a chance de viver o momento mágico em que um agente realmente produz trabalho de verdade. Outro disse que suas equipes de finanças e contabilidade estão virando product managers, trabalhando com engenheiros para criar suas próprias ferramentas.
Assim como vimos surgir o engenheiro de GTM, o engenheiro de growth e o engenheiro de talentos, muitas empresas estão começando a ter um “engenheiro financeiro”. Semelhante a outros cargos que combinam conhecimento de domínio e capacidade de construção, geralmente é alguém de finanças, frequentemente com background em engenharia, que se tornou proficiente em Codex ou Claude Code e lidera a criação de ferramentas para a equipe. Essas pessoas costumam conectar sistemas e eliminar gargalos de fluxo de trabalho. Por exemplo, isso pode significar construir uma ferramenta que combine receita do cliente com custos de inferência do modelo, uso de nuvem e custos de suporte, e depois sinalize contas onde as margens estão deteriorando ou onde o uso tornou um contrato específico não lucrativo.
Historicamente, isso exigia um apoio improvável das equipes centrais de engenharia ou a tentativa de contratar engenheiros para dentro da área financeira. Hoje, muitos CFOs passam mais tempo construindo com IA ou usando ferramentas nativas de IA, e menos tempo em reuniões. “Esses novos produtos são divertidos de usar” é um feedback que ouvimos com frequência.
A disciplina operacional por trás do engenheiro financeiro é simples: se você faz algo duas vezes, escreva um fluxo de trabalho; se você escreve o fluxo de trabalho duas vezes, crie um agente.
4. A equipe financeira fica menor e com maior alavancagem. A maioria das equipes financeiras ainda é organizada do jeito antigo: uma camada de controladoria, uma camada de FP&A, uma camada de operações e um CFO. Tudo isso foi montado para um ritmo mensal e para a responsabilidade de uma pessoa por tarefa. Essa estrutura fazia sentido quando cada camada existia para mover e reconciliar dados.
A velha regra de bolso de que finanças representa ~5% do headcount também está mudando. As equipes mais enxutas que vemos miram 2% e priorizam densidade de talento em vez de número de cabeças. O novo contratado de finanças consegue integrar vários sistemas com uma chamada de API, escrever SQL e prototipar uma automação. Fluência em IA está se tornando um requisito básico. “Me explique seu modelo” está virando “me explique sua sequência de prompts”.
Especialistas seniores de domínio conseguem extrair a maior alavancagem da IA. Na Anthropic, o usuário mais pesado da equipe financeira é o chefe de impostos. Como disse um dos nossos CFOs de empresas em crescimento, é tentador assumir que os mais juniores serão os maiores adeptos, mas eles não têm a experiência nem o contexto para saber o que é um resultado “excelente”, ou o que construir.
5. O planejamento se torna contínuo. Receitas baseadas em uso (por exemplo, tokens, minutos, chamadas de API) sempre foram complexas de prever. Além disso, processos e ferramentas padrão que operam em um ritmo mensal não são rápidos o suficiente, especialmente agora que agentes se tornaram atores na DRE. Muitos líderes financeiros estão apostando na previsão contínua, que oferece uma visão ao vivo usando modelos estatísticos, evidências no nível da conta e julgamento financeiro. FP&A está evoluindo do orçamento anual para decisões operacionais contínuas. Agora você pode rodar cenários complexos ao vivo durante a reunião.
6. Controles se tornam uma funcionalidade crítica do produto. Com o software assumindo mais trabalho em finanças, uma cadeia auditável e confiável que ligue cada número à sua fonte é fundamental. Finanças precisa saber de onde veio cada número, como ele foi calculado e onde e quais agentes estiveram envolvidos. Se um agente está redigindo um lançamento contábil, por exemplo, ele precisa guardar os papéis de trabalho e as evidências de suporte e seguir as regras de aprovação antes de registrá-lo. A IA ainda pode ser usada para reconciliar registros, sinalizar e explicar variações e exceções, mas finanças define as regras e detém a aprovação final. Ter controles viabiliza velocidade. A equipe pode focar no trabalho estratégico sem precisar reconstruir e checar cada passo manualmente.
7. Finanças ganha um mandato maior. Com dados em tempo real e a capacidade de rodar cenários rapidamente, a área financeira está sendo envolvida em muito mais decisões estratégicas. Para muitas empresas de IA, computação é uma das maiores despesas operacionais e uma das decisões de alocação de capital mais determinantes. Agora, as equipes financeiras conseguem reunir uma visão atualizada de dados de uso, custos de infraestrutura e receita de clientes, e as ferramentas de IA podem ajudar a determinar como uma nova funcionalidade ou um aumento no uso por parte dos clientes afetaria as margens. Isso dá a finanças uma base mais sólida para opinar sobre precificação, lançamentos de produtos e compromissos de gastos.
As empresas também estão tomando muito mais decisões nas quais o CFO é um árbitro-chave. Por exemplo, como as equipes dividem o trabalho entre pessoas e software é uma questão central em todas as organizações — e é uma decisão financeira. Com dados mais granulares sobre os trade-offs entre tempo gasto, uso de tokens, utilização de software e muito mais, finanças pode avaliar essas trocas. Construir versus comprar faz parte desse conjunto de decisões. Construir pode significar hoje um grande projeto de engenharia ou apenas uma equipe não técnica fazendo vibe coding de uma ferramenta menor. Comprar pode significar pagar por uso ou por trabalho concluído, então os custos variam conforme a adoção. Agora, com a IA, finanças consegue modelar esses cenários mais complexos de forma mais rápida e precisa.
O cargo, reescrito
O trabalho do CFO já mudou antes. O que parece diferente agora é o quanto a própria função financeira e a organização estão sendo redesenhadas. Historicamente, o CFO montava equipes financeiras em torno de camadas de pessoas necessárias para coletar, reconciliar e revisar dados espalhados por diversas ferramentas, tudo configurado para rastrear e gerenciar o trabalho. Agora, o CFO, com uma equipe menor e maior alavancagem, pode construir e usar as ferramentas que fazem o trabalho. Decisões que aconteciam em intervalos semanais ou mensais agora podem ocorrer continuamente.
O CFO está se tornando um construtor e arquiteto do sistema operacional da empresa. Isso significa descobrir o que é melhor feito pela equipe e o que é melhor feito pelo software. O CFO nativo de IA precisa ter uma mentalidade de automação em primeiro lugar e saber como construir, treinar e dimensionar uma equipe financeira moderna. Ele também precisa de novos frameworks para decidir o que construir, o que comprar e como calcular o ROI dessas decisões. O lado positivo é mais tempo dedicado ao negócio em si e a ser um parceiro estratégico do CEO. O trabalho continua sendo finanças, mas agora uma parte maior dele é projetar como finanças é feito.
cc: @IvanoMakSF David Borecky
Agradecimentos a @astrange e @BKRoberts pela ajuda neste artigo!
