À medida que o aprendizado de máquina, a inteligência artificial e a automação transformam a função financeira, as equipes estão encontrando novas maneiras de aprimorar o suporte à decisão e fortalecer a vantagem competitiva de suas organizações.

Com mais organizações reconhecendo o potencial dos dados para impulsionar o desenvolvimento e o crescimento dos negócios, as expectativas em relação ao setor financeiro estão mudando. As equipes estão começando a se concentrar em atividades como planejamento de cenários e análise preditiva, em vez de apenas relatar números. Novas tecnologias podem oferecer benefícios de economia de tempo e redução de custos, simplificando processos rotineiros e liberando as equipes de tarefas administrativas triviais para que se concentrem em atividades de maior valor que aumentam sua contribuição em toda a organização.

Como as empresas estão usando essas novas tecnologias?

A tesoureira do grupo Deliveroo explicou recentemente como uma API (Interface de Programação de Aplicações) resolveu problemas com o processamento de pagamentos de alto volume da empresa, melhorando a visibilidade em todo o negócio e facilitando o trabalho da equipe de atendimento ao cliente.

“A API permite iniciar o pagamento e, ao mesmo tempo, receber o status do pagamento regularmente em sua estação de trabalho interna. Você cria visibilidade para o restante da empresa – particularmente, em nosso caso, para o atendimento ao cliente – você sabe se o dinheiro foi processado e se os entregadores e o restaurante receberam o valor”, disse a tesoureira do grupo Deliveroo, Imane Aztout, à Eurofinance.

Como a inteligência artificial (IA) afetará a tesouraria corporativa?

Na tesouraria, a IA pode melhorar a supervisão das atividades de negociação, facilitando o monitoramento dos mercados e a captura de sinais de fontes que, de outra forma, não estariam disponíveis. Até agora, se uma organização negociasse em várias jurisdições, os operadores precisariam entrar em contato com vários provedores de liquidez para encontrar o melhor preço para uma operação. As plataformas de negociação eletrônica atuais simplificam esse processo, oferecendo acesso rápido e fácil a preços de vários provedores e tornando mais fácil para os tesoureiros descobrir e selecionar o melhor preço para suas operações.

Ao se preparar para reuniões de diretoria, onde muitas vezes se passam dias antecipando as várias perguntas que podem ser feitas pelos membros do conselho, comentaristas destacam o potencial dos assistentes digitais habilitados por IA para permitir que os CFOs encontrem respostas em tempo real na sala de reuniões, da mesma forma que os consumidores confiam na Siri ou na Alexa para encontrar informações rapidamente hoje em dia.

Em conformidade, a IA pode digitalizar e analisar documentação jurídica, de risco e de conformidade, ajudando as organizações a se manterem atualizadas sobre as mudanças nos requisitos regulatórios. Para citar um exemplo recente, no ano passado, seis grandes bancos globais adotaram uma plataforma de conformidade comercial que amplia sua capacidade de cumprir os regulamentos do MiFID II. A plataforma, lançada pela Droit Financial Technologies, fornece o texto atual e completo das regras do MiFID II digitalizado e legível por máquina, além de uma implementação executável por máquina, “permitindo a verificação completa e a auditabilidade de cada decisão de negociação, incluindo a rastreabilidade conforme a letra da lei”.

Como essas novas tecnologias afetam a previsão de caixa?

A previsão de caixa é outra área onde a automação está trazendo benefícios práticos. O monitoramento diário, semanal e mensal em todas as regiões ajuda as equipes de tesouraria a otimizar o desempenho do fluxo de caixa e evitar déficits, enquanto um melhor acesso a dados de fontes existentes, como TMS interno, ERP e sistemas bancários, pode melhorar substancialmente a qualidade das previsões de caixa.

A inteligência artificial (IA) pode facilitar a descoberta e a resolução de discrepâncias, como pagamentos de clientes que não correspondem às transações existentes, enquanto a capacidade de monitorar grandes quantidades de dados de várias fontes internas e externas (como informações históricas ou detalhes de faturas contestadas, bem como classificações de crédito e taxas de juros) pode fornecer um aviso prévio de possíveis problemas que, de outra forma, passariam despercebidos.

A tecnologia melhora a análise?

A KPMG cita o exemplo de uma empresa que usa análise de dados para melhorar a cobrança de pagamentos.

Em vez de depender de métodos convencionais para priorizar contas para cobrança, como dias de atraso ou o valor da conta, a empresa agora consegue priorizar as cobranças com base em uma série de fatores que indicam a probabilidade de pagamento dentro de um determinado prazo. O sistema permite que os membros da alta gestão analisem contas específicas para identificar os representantes de vendas associados a elas, e oferece um sistema automatizado para notificar os representantes por e-mail de que sua ajuda com as cobranças pode ser necessária. Ao usar análises para refinar o direcionamento de suas cobranças, a empresa não apenas conseguiu melhorar seu desempenho de DSO, mas também minimizar a quantidade de tempo e esforço de vendas desviados para a cobrança.

Donny C. Shimamoto, Diretor Administrativo, Intraprise TechKnowlogies aponta os benefícios que o aprendizado de máquina pode proporcionar na função de controle ao classificar transações.

“O raciocínio indutivo poderia ser aplicado aos dados de origem de transações históricas para ajudar a “prever” a classificação de transações adicionais à medida que são registradas. Como os produtos de muitos fornecedores têm uma classificação natural bastante consistente, na maioria das vezes isso funciona bem. No entanto, existem alguns fornecedores que podem ser alocados em diferentes classificações naturais, dependendo de como seu produto é utilizado.”

Shimamoto acrescenta que, dependendo da materialidade do possível erro, a validação humana da classificação dos fornecedores pode ser necessária.

Essas tecnologias afetarão a forma como os dados são armazenados?

O chefe de aprendizado de máquina da Bloomberg, Gary Kazanstev, destacou recentemente que o aprendizado de máquina não se limita a dados estruturados, como preços ou estatísticas econômicas, mas pode aproveitar dados não estruturados extraídos de novas fontes de informação, como coordenadas de GPS e mídias sociais.

“Na análise de texto, estamos descobrindo como determinar se um CEO está sendo evasivo em uma teleconferência... E não é apenas pelo áudio – agora você também pode verificar isso pelo texto.”

À medida que cresce a consciência sobre os benefícios da automação, do aprendizado de máquina e da inteligência artificial, surge a pergunta: esses desenvolvimentos representarão um risco para as equipes de finanças e tesouraria?

Como o aprendizado de máquina, a inteligência artificial e a automação afetarão a dinâmica das equipes?

Alguns especialistas, como David He e Venessa Guo, do Boston Consulting Group, afirmam que, embora alguns cargos possam ser substituídos, novas oportunidades serão criadas. Outros, como a tesoureira da fabricante de brinquedos americana Mattel, Mandana Sadigh, argumentam que as máquinas não podem substituir a visão estratégica dos seres humanos.

“Embora eu tenha muito respeito por sistemas como inteligência artificial e robótica, não considero as operações de tesouraria como uma função puramente baseada em atividades. A tesouraria não se trata de processar cheques e conciliar contas bancárias. É uma função estratégica que exige que você se aprofunde no negócio e o compreenda... Sua percepção como indivíduo faz a diferença”, disse Sadigh à Eurofinance.

Em termos simples, a automação, o aprendizado de máquina e as tecnologias de IA promoverão e reforçarão a tesouraria como parceira estratégica dentro da organização, permitindo que ela se concentre nas atividades estratégicas e analíticas que agregam valor real ao negócio.

Isso criará uma lacuna de competências?

O que está claro é que as expectativas estão mudando rapidamente e as equipes precisarão adquirir novas habilidades à medida que as organizações buscam maior valor a partir dos dados. Cabe aos líderes empresariais concentrar recursos nas atividades de maior valor. Isso provavelmente significará programas de recrutamento e treinamento para ajudar a preencher a lacuna de competências em análise de negócios.

A Association of International Certified Professional Accountants prevê que a especialização em áreas como análise de dados, gestão de riscos cibernéticos e modelagem de negócios se tornará cada vez mais importante nos próximos três anos, à medida que o aprendizado de máquina, a inteligência artificial e a automação continuam a transformar a função financeira.

‍