O paradoxo do CFO: como investir em IA quando 71% ainda não usam GenAI em finanças

O dado mais revelador sobre IA em finanças corporativas não é sobre adoção — é sobre a contradição. Segundo a pesquisa da Bain Capital Ventures com 50 CFOs de empresas de diferentes portes (de startups em crescimento a empresas de capital aberto), 79% planejam aumentar seu orçamento de IA em 2025. Ao mesmo tempo, 71% não utilizam IA generativa em suas funções de finanças e contabilidade. E 94% acreditam que GenAI pode beneficiar fortemente pelo menos uma área da organização financeira nos próximos 12 meses.

Leia de novo: quase oito em cada dez CFOs vão aumentar gastos com IA. Mais de nove em dez acreditam no potencial. Mas sete em dez não usam. Esse é o paradoxo do CFO em 2025 — e entendê-lo é o primeiro passo para resolvê-lo.

Anatomia do paradoxo

A pesquisa da Bain Capital Ventures vai além dos números de manchete e explora as razões por trás dessa contradição. O paradoxo não se explica por ignorância ou resistência tecnológica. CFOs são, por definição, profissionais analíticos e orientados a dados. O problema está em outro lugar.

A barreira não é orçamento

A primeira descoberta surpreendente é que dinheiro não é o principal obstáculo. Com 79% dos CFOs planejando aumentar orçamentos, o investimento está disponível. A barreira é a incapacidade de encontrar soluções que atendam necessidades específicas — mesmo com orçamento e interesse genuíno em automação.

Isso faz sentido quando pensamos na natureza do trabalho financeiro. Finanças corporativas lida com dados altamente sensíveis, regulados e que exigem precisão absoluta. Um modelo de IA que erra 5% do tempo pode ser aceitável em marketing (onde um e-mail mal segmentado não causa dano real), mas é inaceitável em contabilidade (onde uma classificação errada pode gerar problemas com auditores e reguladores).

O refúgio nos vendors existentes

A pesquisa revela que, quando CFOs adotam GenAI, tendem a usar ferramentas dos fornecedores que já utilizam — Microsoft, Ramp, Pigment, Zip, Snowflake — em vez de adotar soluções AI-native. Ou, simplesmente, usam ferramentas generalistas como ChatGPT.

Essa tendência tem explicações racionais:

• Risco de integração: adicionar um novo sistema ao stack tecnológico de finanças é complexo e caro. Usar IA embutida em ferramentas existentes reduz o risco de integração.
• Compliance e segurança: CFOs já passaram pelo processo de aprovação de segurança dos vendors atuais. Adicionar um vendor novo significa repetir esse processo com a equipe de InfoSec e compliance.
• Curva de aprendizado: o time já sabe usar as ferramentas atuais. Adicionar IA como uma camada sobre essas ferramentas é menos disruptivo do que introduzir uma plataforma inteiramente nova.

O problema é que IA embutida em ferramentas legadas raramente captura o potencial transformacional da tecnologia. É como colocar um motor elétrico em uma carroça — funciona, mas não é a melhor forma de aproveitar a inovação.

Os casos de uso que geram demanda real

A pesquisa identificou onde os CFOs sentem mais falta de soluções de IA:

• Análise de variância: comparar orçado vs. realizado de forma automatizada, com explicações geradas por IA sobre as principais divergências.
• Simulações Monte Carlo: gerar cenários probabilísticos para previsões financeiras, considerando múltiplas variáveis simultaneamente.
• Planejamento de estoque: otimizar níveis de inventário com base em previsões de demanda alimentadas por IA.
• Reconhecimento de receita: automatizar a aplicação das regras complexas de ASC 606/IFRS 15 para reconhecimento de receita.
• Compliance tributário: automatizar cálculos de sales tax, ICMS e outros impostos com regras que mudam frequentemente.

Esses são problemas complexos, específicos do mundo financeiro, que soluções generalistas de IA não resolvem bem. E é exatamente por isso que a lacuna entre intenção e ação persiste.

O que outros estudos revelam sobre o gap

A pesquisa da Bain Capital Ventures não é um ponto fora da curva. Outros levantamentos recentes confirmam e aprofundam o paradoxo:

L.E.K. Consulting (2025)

A pesquisa de 2025 da L.E.K. Consulting sobre o Office of the CFO revelou que apenas 11% dos CFOs usam IA efetivamente dentro das funções financeiras, enquanto 35% estão apenas começando a experimentar com pilotos ou provas de conceito. Cerca de 25% dos respondentes já usam funcionalidades de IA embutidas em softwares de terceiros, e 44% planejam fazer isso nos próximos três a cinco anos.

Gartner (2025)

A pesquisa da Gartner sobre IA em finanças (2025) mostrou que 59% dos líderes financeiros reportam uso de IA — um número estável em relação ao ano anterior. O caso de uso mais comum (49%) é gestão de conhecimento, seguido por processos de contas a pagar. Isso indica que a adoção existe, mas está concentrada em tarefas operacionais de baixo risco.

Protiviti (2025)

O Finance Trends Survey da Protiviti trouxe um dado mais otimista: 72% dos líderes financeiros agora usam ferramentas de IA, contra apenas 34% no ano anterior. A diferença para os outros estudos pode estar na definição de "IA" — que neste caso inclui automação tradicional (RPA, regras de negócio), não apenas GenAI.

Deloitte CFO Signals (Q4 2025)

A Deloitte reportou que 87% dos CFOs consideram IA extremamente ou muito importante para operações financeiras em 2026, e 54% planejam integrar agentes de IA como prioridade de transformação. Mas a distância entre "considerar importante" e "implementar" continua significativa.

O caso Fanatics: quando o paradoxo é resolvido

A pesquisa da Bain Capital Ventures destaca um caso de sucesso que ilustra o que acontece quando um CFO resolve o paradoxo e implementa IA de fato.

A Fanatics Betting & Gaming reduziu seus workflows mensais de contas a pagar de 20 horas para 2 horas — uma redução de 90% — usando automação customizada com IA. Não foi uma solução pronta de prateleira. Foi uma automação construída sob medida para o processo específico da empresa.

A Mercury Financial, outro caso citado, reportou ganhos na "velocidade de análise" — sem substituir recursos existentes. A IA tornou cada analista mais rápido e mais eficiente, não dispensou ninguém.

Esses casos compartilham uma característica: as empresas não esperaram pela solução perfeita. Começaram com automações customizadas para problemas específicos e mediram resultados.

Por que 63% veem potencial em três ou mais áreas (mas não agem)

O dado mais intrigante da pesquisa Bain Capital Ventures é que 63% dos CFOs veem potencial para IA beneficiar fortemente três ou mais atividades da organização financeira nos próximos 12 meses. Ou seja, o problema não é falta de visão — é falta de execução.

As razões para essa paralisia são múltiplas:

• Perfeccionismo de dados: muitos CFOs acreditam que precisam ter dados perfeitos antes de implementar IA. Na prática, modelos modernos de IA podem trabalhar com dados imperfeitos e melhorar ao longo do tempo.
• Medo de erros em processos regulados: finanças é uma área onde erros têm consequências reais (reapresentação de demonstrações, problemas com auditoria, multas regulatórias). Isso gera uma aversão ao risco desproporcional.
• Falta de talentos internos: o CFO pode ter orçamento para IA, mas não tem pessoas no time que consigam implementar, gerenciar e manter soluções de IA.
• Prioridades concorrentes: com fechamento contábil, planejamento orçamentário, auditorias e dezenas de outras demandas, implementar IA compete por atenção com o dia a dia operacional.
• Vendor fatigue: depois de anos de promessas de fornecedores de ERP, RPA e business intelligence, muitos CFOs estão céticos sobre mais uma onda tecnológica prometendo transformação.

Como resolver o paradoxo: um framework prático

Baseado nos dados da Bain Capital Ventures e nos outros estudos citados, propomos um framework para CFOs que reconhecem o paradoxo e querem resolvê-lo:

1. Escolha um problema, não uma tecnologia

Não comece perguntando "como posso usar IA?". Comece perguntando "qual é meu maior gargalo operacional em finanças?". Se a resposta é "levamos 15 dias para fechar os livros", a solução de IA deve atacar esse problema específico. A tecnologia é meio, não fim.

2. Aceite imperfeição controlada

A barreira de dados perfeitos impede mais projetos de IA do que qualquer limitação tecnológica. Defina um nível aceitável de acurácia para o primeiro ciclo (por exemplo, 85%) e melhore iterativamente. Um modelo que acerta 85% das classificações de despesas e sinaliza os 15% restantes para revisão humana já gera valor enorme.

3. Use o que já tem antes de comprar algo novo

A tendência dos CFOs de usar ferramentas de vendors existentes não é necessariamente ruim — é apenas insuficiente. Comece ativando funcionalidades de IA já disponíveis nas ferramentas que você usa (Workday, SAP, Oracle, NetSuite, Pigment). Isso gera ganhos rápidos e constrói confiança para investimentos maiores.

4. Forme um "squad de IA" com 3 pessoas

Não precisa de um exército. Um analista financeiro curioso, um profissional de TI com interesse em IA e um líder de finanças com poder de decisão. Esse trio pode executar um piloto em 30 dias e gerar evidências suficientes para justificar investimentos maiores.

5. Meça e comunique obsessivamente

O paradoxo se resolve com evidências, não com argumentos. Cada hora economizada, cada erro evitado, cada forecast mais preciso deve ser documentado e comunicado ao time e à liderança. A Bain Capital Ventures mostrou que onde IA gera ROI claro, a adoção se acelera naturalmente.

O papel da preferência do CFO: embutida vs. AI-native

A pesquisa da L.E.K. Consulting revelou uma divisão importante: 56% dos CFOs preferem IA embutida em plataformas financeiras existentes, enquanto 31% preferem soluções best-of-breed especializadas.

Ambas as abordagens têm mérito:

• IA embutida é mais fácil de implementar, não exige integração adicional e tem adoção mais rápida pelo time. Mas oferece capacidades limitadas ao que o vendor decidiu implementar.
• Soluções AI-native oferecem capacidades mais avançadas e customizáveis, mas exigem integração, treinamento e gestão de mais um vendor.

A recomendação pragmática é uma abordagem em camadas: comece com IA embutida para ganhos rápidos e, conforme a maturidade cresce, adicione soluções AI-native para casos de uso onde a ferramenta existente não atende.

O que fazer agora: ações práticas

1. Responda honestamente: você é parte dos 71%? Se seu departamento financeiro não usa GenAI em nenhum processo, reconheça isso sem culpa. O reconhecimento é o primeiro passo. Em seguida, identifique o processo mais doloroso e repetitivo do seu time e investigue como GenAI pode ajudar especificamente nesse ponto.
2. Ative funcionalidades de IA nos sistemas que você já paga. Entre em contato com seus vendors atuais (ERP, sistema bancário, plataforma de FP&A) e pergunte: "Quais funcionalidades de IA vocês lançaram nos últimos 12 meses que eu ainda não estou usando?". A resposta pode surpreender.
3. Defina um piloto com prazo de 30 dias e ROI mensurável. Escolha uma tarefa de alto volume (classificação de despesas, conciliação de pagamentos, geração de relatórios) e implemente uma solução de IA com meta clara de redução de tempo ou erro. Se não gerar resultado em 30 dias, pivote para outro caso de uso.
4. Crie um canal interno de "IA em finanças". Pode ser um canal no Slack, um grupo no Teams ou até uma reunião quinzenal de 30 minutos. O objetivo é compartilhar experimentos, resultados e aprendizados sobre IA dentro do time financeiro. A adoção acelera quando as pessoas veem colegas tendo sucesso.
5. Agende uma conversa com dois CFOs que já implementaram IA. A Bain Capital Ventures identificou que a barreira principal não é orçamento nem ceticismo — é falta de exemplos concretos. Conversar com pares que já passaram pelo processo é o antídoto mais eficaz contra a paralisia.