DeepSeek em finanças: o LLM 27x mais barato que muda o jogo para CFOs

Em 27 de janeiro de 2025, a Nvidia perdeu US$ 589 bilhões em valor de mercado em um único dia — o maior crash de uma empresa na história da bolsa americana. O motivo? Uma startup chinesa chamada DeepSeek havia lançado um modelo de IA que rivaliza com o GPT-4 e o OpenAI o1, treinado com apenas US$ 5,6 milhões — contra os mais de US$ 100 milhões investidos pelo OpenAI.

Se você é CFO, diretor ou gerente financeiro, esse número importa muito mais do que parece. Até ontem, implementar IA generativa de ponta em uma equipe financeira significava comprometer orçamentos substanciais com APIs caras. Com o DeepSeek, a equação mudou radicalmente.

O que é o DeepSeek e por que causou tanto barulho

DeepSeek é uma empresa chinesa de IA que lançou dois modelos que colocaram o setor de cabeça para baixo:

• DeepSeek V3: modelo de uso geral, concorrente direto do GPT-4o, excelente para análise de textos, contratos, relatórios e código.
• DeepSeek R1: modelo de raciocínio avançado com chain-of-thought, equivalente ao OpenAI o1, focado em problemas complexos de matemática, lógica e análise estruturada.

O que diferencia o DeepSeek não é apenas o desempenho — que é comparável aos melhores modelos ocidentais em benchmarks financeiros — mas a arquitetura inovadora. O modelo usa Mixture of Experts (MoE), ativando apenas uma fração dos parâmetros por vez, e foi treinado com técnicas de Reinforcement Learning que dispensam grande parte do treinamento supervisionado tradicional.

O resultado: 97% mais barato para treinar e uma fração do custo para rodar.

Marc Andreessen, um dos maiores investidores em tecnologia do mundo, chamou o lançamento do DeepSeek de "o momento Sputnik da IA".

A matemática que todo CFO precisa ver

Custo é onde o impacto fica concreto. Compare o que você paga por 1 milhão de tokens (unidade de texto processado pela IA):

Na prática: para um volume de 10 milhões de tokens por mês — suficiente para processar centenas de contratos, faturas e relatórios — o custo mensal com DeepSeek R1 é de aproximadamente US$ 27,40. Com o OpenAI o1, seriam cerca de US$ 600 para o mesmo volume. Mais de 20 vezes mais caro.

Para uma equipe financeira brasileira, isso significa a diferença entre um projeto-piloto de IA que cabe no orçamento do trimestre e um projeto que fica parado aguardando aprovação do comitê.

E tem mais: o DeepSeek é open-source. Empresas com equipe técnica podem rodá-lo em servidores próprios, eliminando completamente o custo de API.

O que bancos e empresas já estão fazendo

A adoção no setor financeiro foi imediata, especialmente na Ásia. Até o final de fevereiro de 2025, 18 bancos chineses já haviam integrado DeepSeek em suas operações.

Um caso concreto: o Bank of Jiangsu implementou DeepSeek para inspeção automática de contratos e avaliações de reconciliação, além de triagem e resposta de milhares de e-mails diários. O ICBC (um dos maiores bancos do mundo) usa o modelo para análise de dados financeiros e gestão de patrimônio. O Postal Savings Bank integrou ao app mobile para atendimento ao correntista.

Corretoras e gestoras de ativos também entraram na onda: 9 corretoras e mais de 10 asset managers chineses, incluindo o Fullgoal e a China Universal, já operam com o modelo.

Para além da China, empresas globais estão testando o DeepSeek em três frentes principais:

Análise de documentos financeiros: O modelo processa demonstrações financeiras, contratos e relatórios com precisão elevada, extraindo dados estruturados (receita, margem, variação orçamentária) sem necessidade de templates fixos.

Automação de compliance KYC/AML: Um banco global reportou redução de 70% na carga manual de compliance ao usar DeepSeek para triagem inicial de documentação e checagem de inconsistências.

Análise de crédito alternativa: Modelos fine-tuned com dados próprios da empresa permitem avaliar risco de crédito B2B com base em padrões de comportamento, fluxo de caixa e dados não-estruturados — algo que LLMs proprietários fechados não permitem.

O ponto mais importante: você pode personalizar

Aqui está o diferencial que separa o DeepSeek de ferramentas como ChatGPT para o uso corporativo: por ser open-source, qualquer empresa pode fine-tunar o modelo com dados próprios.

Isso significa que uma empresa brasileira pode treinar o DeepSeek em:

• Contratos de fornecedores em português com cláusulas específicas do setor
• Histórico de faturas e padrões de aprovação internos
• Normas e circulares do BACEN e CVM
• Plano de contas próprio e categorias de custo da empresa

O resultado é um modelo especializado no seu negócio, muito mais preciso do que um LLM genérico — sem pagar licença de uso e sem enviar dados sensíveis para terceiros.

Para o FP&A, isso abre possibilidades concretas: análise automática de variância com explicações no tom e contexto da sua empresa, geração de narrativas financeiras alinhadas ao padrão do board, ou classificação de despesas em centenas de categorias específicas.

O risco que você precisa conhecer

Seria desonesto não mencionar: usar o DeepSeek via API pública traz riscos sérios de privacidade.

Os dados enviados à API oficial ficam armazenados em servidores na China, sujeitos à legislação chinesa — que permite acesso governamental amplo. Pesquisadores de segurança identificaram vulnerabilidades preocupantes na versão pública do modelo, incluindo transmissão de dados para entidades ligadas ao Estado chinês.

Para dados financeiros sensíveis, essa não é uma opção aceitável.

A boa notícia: o problema tem solução direta. Como o DeepSeek é open-source, você pode rodá-lo localmente ou em nuvem privada. Ferramentas como Ollama permitem instalar e rodar o modelo em servidores da própria empresa em questão de horas. A Microsoft também disponibilizou o DeepSeek R1 no Azure AI Studio, em ambiente com certificação SOC2 e residência de dados configurável.

Com self-hosting, o risco de privacidade desaparece — e o custo de API também.

O que isso significa para o Brasil

O Brasil está em posição interessante nessa janela de oportunidade. O Febraban reportou que o setor financeiro brasileiro investiu R$ 47,8 bilhões em tecnologia em 2025, com alta de 61% nos gastos com IA generativa. A demanda existe. O que faltava era viabilidade de custo para equipes menores.

Com o DeepSeek, uma fintech ou PME industrial com equipe de TI enxuta pode implementar IA generativa financeira a uma fração do que custaria há 18 meses. Não é preciso ser ITAÚ ou Ambev para ter acesso a modelos de linguagem de alta qualidade.

O open-source também resolve um problema específico do Brasil: modelos treinados com dados majoritariamente em inglês têm desempenho inferior em português, especialmente para vocabulário financeiro, jurídico e contábil local. Com fine-tuning em dados próprios em português, a qualidade das respostas melhora substancialmente.

Próximos Passos

Se você quer avaliar o DeepSeek para sua equipe financeira, comece com cautela e escalonamento:

1. Teste em tarefas de baixo risco primeiro — análise de demonstrações financeiras públicas, resumos de relatórios setoriais, ou rascunhos de apresentações internas. Sem dados confidenciais na fase inicial.
2. Avalie o self-hosting — peça à equipe de TI ou a um parceiro tecnológico para configurar o modelo via Ollama em ambiente interno. O custo de infraestrutura é muito menor do que parece, e o ganho em privacidade é imediato.
3. Defina um caso de uso específico para o piloto — análise de contratos de fornecedores, classificação de despesas, ou triagem de faturas são pontos de entrada com ROI mensurável e escopo controlado.
4. Estabeleça critérios de avaliação — precisão, tempo economizado por processo, custo por documento processado. Compare com a abordagem manual atual antes de escalar.
5. Consulte o jurídico e segurança da informação — especialmente se considerar alguma integração com dados de clientes ou informações reguladas pelo BACEN. LGPD e segurança de dados devem ser parte do design, não um pensamento posterior.

O DeepSeek não é a solução para tudo — nenhum modelo de IA é. Mas para equipes financeiras que estavam de fora pela barreira de custo, ele muda concretamente o que é possível implementar.

Fontes:

• Global Finance Magazine — DeepSeek AI Takes Root in China's Banks
• CFO Dive — DeepSeek's lower-cost AI could supercharge adoption
• Galileo AI — DeepSeek vs OpenAI model comparison
• FSI Stanford — Taking stock of the DeepSeek shock
• BNamericas — DeepSeek could democratize access to AI in Brazil
• SC Magazine UK — DeepSeek AI: adopting a security-first approach in finance
• Febraban — Relatório de Tecnologia Bancária 2025