Centro de Excelência de IA em finanças: a governança que tira o piloto do papel

Apenas 31% dos CFOs criaram uma célula dedicada a ciência de dados dentro do financeiro, segundo o CFO Study 2024 da IBM. E entre os que já rodam iniciativas de IA, o ROI mediano é de apenas 10% — bem abaixo dos 20% que a maioria mira, segundo levantamento da BCG com mais de 280 executivos financeiros. O problema não é falta de ferramenta. É falta de estrutura para decidir onde investir, quem aprova, quem audita e como escalar o que funciona.

Um Centro de Excelência (CoE) de IA em finanças resolve exatamente essa lacuna. Não é um comitê decorativo nem mais uma camada burocrática — é a estrutura que transforma pilotos isolados em capacidade organizacional, com governança clara sobre dados, modelos e decisões.

O problema que o CoE resolve

A Mastercard viveu esse problema de perto: um crescimento de 60% ao ano no número de sistemas de IA implantados tornou a supervisão manual insustentável. O risco não era só operacional — era o que a empresa chama de "Shadow AI": modelos não validados rodando fora da visão dos times de risco e financeiro, ameaçando a integridade do balanço e a conformidade regulatória.

No Brasil, o cenário caminha na mesma direção. Uma pesquisa da Gartner de fevereiro de 2026 mostra que 60% dos CFOs planejam aumentar o investimento em IA na função financeira em pelo menos 10%. Mas, como resume Alexandre Gonçalves em entrevista à Gazeta do Povo: "o segundo maior risco é usar IA sem governança, o que pode causar impactos financeiros ou reputacionais graves." Sem uma estrutura central, cada área compra sua própria ferramenta, treina seu próprio modelo e assume seu próprio risco — sem ninguém enxergando o quadro completo.

O que é, na prática, um Centro de Excelência de IA em finanças

Um CoE de IA em finanças centraliza expertise, governança e boas práticas para aplicar inteligência artificial nas operações financeiras. Ele não substitui as equipes de AP, AR, tesouraria ou FP&A — coordena o que elas fazem, garantindo padrões consistentes de dados, modelos e controles em toda a organização.

Na prática, um CoE bem desenhado cobre cinco frentes:

1. Governança de dados — garantir que os dados usados pelos modelos sejam confiáveis e estejam de acordo com normas contábeis
2. Desenvolvimento de modelos — priorizar e supervisionar casos de uso, de previsão de caixa a conciliação automática
3. Integração operacional — levar os insights de IA para o dia a dia das equipes, não deixá-los presos em um dashboard isolado
4. Monitoramento de performance — medir o impacto em KPIs financeiros reais, como DSO, DPO e acurácia de previsão
5. Disseminação de conhecimento — evitar que cada time reinvente a roda ao adotar IA

O ponto central é que o CoE não é dono de todos os projetos de IA — é dono do padrão que todos os projetos precisam seguir.

Vale reforçar o que um CoE não deveria ser: um gargalo que obriga toda ideia de automação a esperar meses por aprovação. A armadilha mais comum é confundir governança com centralização de execução. O CoE define o padrão de segurança, dados e mensuração — mas quem executa continua sendo o time de AP, AR ou tesouraria, que conhece o processo de perto. Quando o CoE tenta rodar todos os projetos sozinho, ele vira exatamente o "purgatório do piloto" que deveria evitar.

Como estruturar: papéis e comitê

O modelo da Mastercard é um bom ponto de partida por ser enxuto e replicável. Ele tem dois componentes:

Scorecard pré-implantação — antes de qualquer modelo entrar em produção, o dono do produto precisa declarar a origem dos dados, o nível de autonomia da IA e o potencial de viés. A regra é simples: "se existe risco potencial, trate como se o risco fosse real."

Conselho de Governança de IA — um grupo ágil que reúne Chief Data Officer, Chief Privacy Officer e o executivo responsável por IA, com apoio pontual de jurídico e RH quando o caso exige. Não é um comitê que se reúne uma vez por trimestre para carimbar decisões já tomadas — é um grupo pequeno o suficiente para decidir rápido.

Para empresas brasileiras de médio porte, esse modelo pode ser simplificado para três papéis mínimos:

Um erro comum, apontado pelo próprio estudo da IBM, é que menos de 50% dos CFOs relatam que o time financeiro está de fato envolvido na construção do business case de tecnologia. O CoE existe justamente para fechar essa lacuna — colocando quem entende do processo financeiro na mesa de decisão, não só quem entende de tecnologia.

O que separa quem tem ROI alto de quem não tem

A BCG identificou quatro práticas que diferenciam o grupo de alto desempenho (top 20% em ROI) do restante — e todas elas dependem de uma estrutura de coordenação central, exatamente o papel do CoE:

• Foco em valor desde o início: priorizar vitórias rápidas em vez de exploração aberta aumenta a chance de sucesso em 6 pontos percentuais
• Visão de transformação, não de projeto isolado: tratar IA como parte da transformação financeira mais ampla, e não como iniciativa pontual, eleva o sucesso em 7 pontos percentuais
• Colaboração ativa com TI e fornecedores: times dedicados e parcerias bem estruturadas com fornecedores aumentam as chances em 5 pontos percentuais cada
• Escalonamento sequenciado: rodar implantações em fases controladas, em vez de lançar tudo de uma vez, aumenta o sucesso em 6 pontos percentuais

Dos executivos pesquisados, apenas 45% conseguem sequer quantificar o ROI de suas iniciativas de IA — o que reforça que medição e governança andam juntas. Sem um CoE definindo métricas comuns desde o início, cada área mede (ou não mede) do seu jeito, e o CFO nunca tem uma visão consolidada do retorno real.

A dimensão humana da governança

Nenhuma estrutura de CoE funciona sem deixar claro onde termina a IA e começa a responsabilidade humana. Rafael Reis, presidente do Instituto Nacional de Proteção de Dados, resume o princípio de forma direta: "decisões que envolvem responsabilidade não devem ser transferidas para a IA. A decisão precisa ser humana, mesmo que baseada em análises geradas por tecnologia." Isso significa que o scorecard de pré-implantação não deve apenas mapear riscos técnicos — precisa deixar explícito quem assina embaixo de cada decisão automatizada, especialmente em aprovações de pagamento, concessão de crédito e ajustes contábeis.

Essa clareza também ajuda a vencer a resistência interna. Quando a equipe financeira entende que o CoE existe para dar segurança às suas decisões — não para substituí-las — a adoção deixa de ser vista como ameaça e passa a ser vista como suporte.

Próximos Passos

1. Faça um raio-x da IA em uso hoje — levante quantas ferramentas de IA já operam nas áreas financeiras sem governança formal, incluindo assinaturas individuais e integrações de ERP
2. Monte o núcleo mínimo do CoE — defina o patrocinador executivo, o dono técnico e o dono de processo antes de criar qualquer comitê maior
3. Crie um scorecard de pré-implantação simples — três a cinco perguntas sobre origem de dados, autonomia do modelo e potencial de viés já cobrem a maior parte do risco
4. Escolha 2-3 casos de uso de alto impacto para começar — conciliação bancária e previsão de fluxo de caixa costumam ter o ciclo de valor mais curto
5. Defina métricas antes de escalar — combine com cada área quais KPIs financeiros (DSO, DPO, tempo de fechamento) o modelo precisa mover, e meça desde o piloto

Fontes:

• How Mastercard's finance engine operationalized AI governance — The CFO
• How Financial Services Can Build an AI Center of Excellence — BizTech Magazine
• How to Get ROI from AI in the Finance Function — BCG
• What is Finance AI Center of Excellence? — Hyperbots
• IA nas finanças: 60% dos CFOs vão ampliar investimentos — Gazeta do Povo