A IA está mudando o jogo nas finanças, mas a maioria das soluções não foi criada para as demandas exclusivas da tesouraria. Modelos de caixa-preta, plataformas genéricas e ferramentas desconectadas criam mais perguntas do que respostas.  

É por isso que a Ripple Treasury criou o GSmart, a única solução de IA específica para tesouraria.  

Assista à gravação do nosso webinar mais recente, “Trazendo clareza à IA para tesouraria: Apresentando o GSmart”, para ver como uma IA desenvolvida para um propósito específico pode oferecer insights em tempo real, automação inteligente e resultados explicáveis.  

‍

Transcrição

‍

00:00:14.130 --> 00:00:24.260

GTreasury Marketing: Olá a todos e obrigado por se juntarem a nós hoje. Começaremos em alguns minutos para dar tempo a todos os participantes de entrarem no webinar. Portanto, aguardem um pouco e começaremos em breve.

‍

00:01:27.300 --> 00:01:37.979

GTreasury Marketing: Ok, olá a todos. Obrigado por se juntarem a nós hoje para o nosso webinar, trazendo clareza à IA, apresentando o GSmart. Vamos abordar alguns itens administrativos antes de começarmos.

‍

00:01:39.800 --> 00:01:59.430

O evento de hoje tem duração prevista de uma hora, incluindo tempo para perguntas ao final. Todos os participantes estão com o microfone desativado. Caso tenha alguma dúvida durante a apresentação, envie-a pela seção de perguntas e respostas na barra de controle do Zoom. Este webinar está sendo gravado e um link com a gravação será enviado por e-mail a todos os participantes.

‍

00:02:01.710 --> 00:02:08.490

Nossos palestrantes de hoje são Evan Ryan e Mark Johnson. Passo a palavra a eles para uma breve introdução.

‍

00:02:09.710 --> 00:02:31.199

Muito obrigado. É um prazer estar aqui com vocês hoje. Meu nome é Evan Ryan, sou gerente de produto aqui na GTreasury, especializado em previsão de caixa. Farei uma demonstração ao final da apresentação e estou muito animado para mostrar o que temos desenvolvido nas últimas semanas.

‍

00:02:31.320 --> 00:02:32.459

Com você, Mark.

‍

00:02:33.210 --> 00:02:55.960

Excelente. Obrigado, Evan. Sejam todos bem-vindos novamente. Sou Mark Johnson, diretor de produtos da GTreasury. Lidero nossas equipes globais de gestão de produtos, design e quantitativa. Passei a maior parte da minha carreira na intersecção entre finanças e tecnologia, desde pagamentos e gestão de recursos até automação financeira e folha de pagamento.

‍

00:02:56.090 --> 00:03:06.140

Estou muito empolgado por estar aqui hoje para falar sobre como podemos ajudar equipes de tesouraria como a de vocês a se livrarem de parte do trabalho manual com o qual sabemos que todos precisamos lidar.

‍

00:03:06.820 --> 00:03:11.649

Dito isso, vamos começar falando um pouco sobre a nossa trajetória.

‍

00:03:12.020 --> 00:03:22.200

Mark Johnson: Considerando o tempo que temos hoje, vamos focar bastante em educação, mas também em como transformar essa educação em ação.

‍

00:03:22.410 --> 00:03:36.660

Mark Johnson: vocês verão o que está acontecendo no mercado em relação à IA para finanças. Compartilharemos algumas estatísticas e falaremos sobre para onde as empresas estão indo e por que essa transformação não pode esperar.

‍

00:03:37.170 --> 00:03:57.870

Mark Johnson: Falaremos sobre o G. Smart. O G. Smart é nossa filosofia de IA, que foca em potencializar você e suas equipes, em vez de apenas aumentar ou substituir algo puramente tático. É muito mais do que isso quando se trata da estratégia que esperamos liberar para suas equipes.

‍

00:03:58.350 --> 00:04:14.209

Mark Johnson: vamos abordar para onde estamos indo em termos de inovação de produto, ao repensar os fluxos de trabalho de tesouraria, como o Evan mencionou. Vamos mostrar como isso se concretiza na forma de uma demonstração real em produção.

‍

00:04:14.340 --> 00:04:20.519

Mark Johnson: e depois daremos uma visão dos bastidores sobre o que temos focado recentemente.

‍

00:04:21.130 --> 00:04:22.230

Mark Johnson: Perguntas e respostas.

‍

00:04:22.400 --> 00:04:35.679

Mark Johnson: como mencionamos no início, isso é muito importante para nós. Portanto, sinta-se à vontade para usar a função de perguntas e respostas a qualquer momento. Se não conseguirmos responder a todas as perguntas hoje, entraremos em contato individualmente.

‍

00:04:36.508 --> 00:04:53.720

Mark Johnson: por isso, não deixem de usar essa função. A última coisa que gostaria de destacar é que queremos que o dia de hoje tenha um único objetivo: ajudar vocês a ganhar tempo para fazer o que fazem de melhor, pensar estrategicamente, construir relacionamentos e, em última análise, fazer o seu negócio avançar.

‍

00:04:55.780 --> 00:05:16.360

Mark Johnson: O momento para o setor financeiro em relação à IA é agora. Ao pensarmos na imensa mudança que está ocorrendo — não uma mudança gradual, mas uma verdadeira transformação sísmica — percebemos o poder da IA generativa, em particular, para diversas funções.

‍

00:05:16.680 --> 00:05:28.719

Mark Johnson: Estas são algumas estatísticas que temos acompanhado. Elas surgem constantemente em novas fontes e eu queria começar com algumas que temos observado de perto.

‍

00:05:29.320 --> 00:05:37.590

Mark Johnson: A primeira: 79% dos CFOs planejam aumentar os orçamentos de IA em 2025.

‍

00:05:38.010 --> 00:05:51.469

Mark Johnson: A parte mais reveladora desse dado é o fato de que não se trata necessariamente de entusiastas de tecnologia ou dos primeiros a adotar inovações. São líderes financeiros pragmáticos

‍

00:05:51.840 --> 00:05:53.319

Mark Johnson: que fizeram as contas

‍

00:05:53.610 --> 00:06:13.949

Mark Johnson: eles não estão investindo porque a IA está na moda. Eles não estão investindo porque todos estão falando sobre IA. Eles estão investindo porque veem benefícios reais e também porque, nas conversas com seus pares, ouvem sobre a oportunidade de eliminar o trabalho braçal do dia a dia de suas equipes.

‍

00:06:14.050 --> 00:06:25.829

Mark Johnson: Quando você vê 7 ou 8 em cada 10 CFOs seguindo na mesma direção, não dá mais para presumir que seja apenas uma tendência. Este é o novo jeito de ser, o novo jeito de trabalhar.

‍

00:06:26.580 --> 00:06:28.240

Mark Johnson: o próximo grande passo.

‍

00:06:28.660 --> 00:06:35.940

Mark Johnson: 94% dos CFOs esperam que a IA generativa beneficie fortemente suas funções.

‍

00:06:36.340 --> 00:06:42.820

Mark Johnson: Nos meus anos de tecnologia, é muito raro ver uma estatística tão avassaladora.

‍

00:06:43.050 --> 00:06:52.759

Mark Johnson: especialmente um consenso sobre uma iniciativa estratégica. Todos nós já estivemos nessas discussões, nessas salas de conselho, nessas reuniões executivas. Quando se tem um consenso tão grande assim.

‍

00:06:52.890 --> 00:06:55.509

Mark Johnson: você sabe que a evidência é inegável a essa altura.

‍

00:06:56.180 --> 00:07:06.460

Mark Johnson: Quando pensamos nos resultados. Basta pegar a previsão como um exemplo simples: conseguir aumentar a precisão em 30% ou mais. Isso muda o jogo.

‍

00:07:07.230 --> 00:07:08.849

Mark Johnson: O terceiro grande dado.

‍

00:07:09.340 --> 00:07:23.529

Mark Johnson: 58% das áreas financeiras já adotaram IA em 2024. Agora, isso não significa necessariamente que seja tudo IA generativa. A IA tradicional já existe há um pouco mais de tempo, se pensarmos em aprendizado de máquina.

‍

00:07:23.660 --> 00:07:31.459

Mark Johnson: Mas o que você deve considerar é o fato de que esse número subiu de 37% apenas um ano antes.

‍

00:07:31.670 --> 00:07:38.710

Mark Johnson: Essa é uma mudança significativa, e isso também reflete o fato de a IA estar se tornando cada vez mais rica em suas capacidades.

‍

00:07:39.480 --> 00:07:43.240

Mark Johnson: A outra parte, a outra peça fundamental, é olhar para o lado direito

‍

00:07:43.590 --> 00:07:46.560

Mark Johnson: quando pensamos em onde

‍

00:07:46.850 --> 00:07:59.060

Mark Johnson: as coisas ficam realmente interessantes. Os CFOs querem uma IA em que possam confiar. Eles não querem caixas-pretas. Eles querem transparência. Eles querem uma explicação.

‍

00:07:59.340 --> 00:08:04.539

Mark Johnson: sabemos que a confiança é conquistada. É por isso que a G. Treasury vive de acordo com esse lema todos os dias.

‍

00:08:05.050 --> 00:08:16.380

Mark Johnson: Isso também se alinha a algumas pesquisas recentes da McKinsey, que publicou seu próprio relatório sobre o estado da IA. E a parte fascinante desse relatório é o fato de que

‍

00:08:16.670 --> 00:08:31.339

Mark Johnson: chegamos a um ponto em que 21% das empresas relataram usar IA generativa em um fluxo de trabalho completamente reimaginado, uma maneira totalmente nova de realizar o trabalho em alguma função.

‍

00:08:31.810 --> 00:08:36.569

Mark Johnson: O outro ponto que foi realmente interessante enquanto analisávamos este estudo é o fato de que

‍

00:08:37.159 --> 00:08:54.219

Mark Johnson: quando você pensa em transformação por IA, trata-se fundamentalmente de uma transformação organizacional; a organização está repensando a maneira como o trabalho é feito, mas também as ferramentas que são aproveitadas para criar esse trabalho e concluir a tarefa necessária.

‍

00:08:55.110 --> 00:09:06.709

Mark Johnson: O CEO, em particular, é quem frequentemente se envolve na supervisão dessa governança de IA, uma grande mudança em relação a tudo o que já vimos antes no mundo da tecnologia.

‍

00:09:10.020 --> 00:09:10.970

Mark Johnson: Então

‍

00:09:11.140 --> 00:09:21.190

Mark Johnson: o que queríamos abordar antes de nos aprofundarmos demais é uma pergunta rápida para saber em que ponto vocês estão nessa jornada.

‍

00:09:21.560 --> 00:09:24.110

Mark Johnson: A pergunta é:

‍

00:09:24.280 --> 00:09:34.230

Mark Johnson: quando vocês pretendem implementar IA nas operações de tesouraria? Vamos dar alguns segundos para todos responderem e, em seguida, veremos os resultados.

‍

00:10:24.370 --> 00:10:36.590

Mark Johnson: Certo, parece que temos 35% planejando implementar IA em 2026, temos

‍

00:10:36.770 --> 00:10:49.559

Mark Johnson: outros 11% que já utilizam IA hoje, e 16% que planejam introduzir IA em suas operações antes do final do ano. Então, novamente.

‍

00:10:50.090 --> 00:10:59.850

Mark Johnson: é bastante relevante e se conecta com o slide anterior, onde cerca de 50 a 60% já adotaram ou planejam adotar em um futuro próximo.

‍

00:11:04.320 --> 00:11:17.789

Mark Johnson: Bem, alguns de vocês talvez tenham visto o nosso lançamento do G. Smart, que para nós representa tanto um marco quanto um ponto de partida nesta jornada da qual agora fazemos parte.

‍

00:11:18.030 --> 00:11:28.179

Mark Johnson: Apresentamos o G. Smart como o futuro da tesouraria impulsionada por IA. Ao mesmo tempo, não estamos mudando a nossa missão como empresa.

‍

00:11:28.300 --> 00:11:35.819

Mark Johnson: Por anos, a She, treasury tem se concentrado na clareza para agir e para gerar valor

‍

00:11:36.220 --> 00:11:37.909

Mark Johnson: para nossos clientes.

‍

00:11:38.200 --> 00:11:42.229

Mark Johnson: O que mudou foi a magnitude do que é possível.

‍

00:11:42.790 --> 00:11:48.860

Mark Johnson: A G. Smart representa a crença de que o futuro escritório do CFO.

‍

00:11:49.050 --> 00:11:53.570

Mark Johnson: Não será definido apenas pelas tarefas concluídas, mas

‍

00:11:54.070 --> 00:12:03.720

Mark Johnson: pelos insights que podem ser revelados, os insights que mostraremos um pouco mais tarde hoje, mas também pelas decisões que você pode começar a acelerar

‍

00:12:03.940 --> 00:12:10.999

Mark Johnson: e pelas estratégias que você pode então viabilizar, com base nesse processo de tomada de decisão.

‍

00:12:11.160 --> 00:12:17.809

Mark Johnson: acontece quando sua equipe é liberada de parte do trabalho operacional que enfrenta hoje.

‍

00:12:21.680 --> 00:12:31.099

Mark Johnson: A IA não é novidade para a G. Treasury. Como mencionei anteriormente, a IA tradicional já existe há vários anos e

‍

00:12:31.821 --> 00:12:39.810

Mark Johnson: esta tabela destaca algumas coisas que eu queria expressar: primeiro, transparência.

‍

00:12:40.170 --> 00:12:50.610

Mark Johnson: ao pensarmos nas diferentes soluções dentro do G treasury, queremos explicar exatamente qual função a IA está desempenhando.

‍

00:12:51.190 --> 00:12:56.259

Mark Johnson: que tipo de modelo estamos usando especificamente para IA,

‍

00:12:56.380 --> 00:13:00.520

Mark Johnson: e também quais benefícios isso traz para você

‍

00:13:00.780 --> 00:13:06.830

Mark Johnson: quando falamos de previsão de caixa, por exemplo, usando IA agentiva

‍

00:13:07.260 --> 00:13:12.489

Mark Johnson: para a tomada de decisão. Queremos que você saiba o que isso significa e como funciona.

‍

00:13:13.020 --> 00:13:15.160

Mark Johnson: O segundo ponto importante é

‍

00:13:15.330 --> 00:13:24.290

Mark Johnson: nossa abordagem e o quanto ela é diversificada, já que não forçamos o uso de um único modelo de IA para todos os problemas.

‍

00:13:24.770 --> 00:13:36.310

Mark Johnson: Sabemos que a modelagem estatística é excelente para previsões. Sabemos que a lógica difusa pode ser ótima para o reconhecimento de padrões.

‍

00:13:36.870 --> 00:13:44.690

Mark Johnson: Também sabemos que a IA agentiva é excelente para decisões, suporte e ações inteligentes.

‍

00:13:44.810 --> 00:14:03.000

Mark Johnson: Portanto, ao pensarmos nas soluções dentro do G treasury, somos muito diligentes na aplicação do modelo de IA mais adequado para realizar qualquer tipo de tarefa que elimine esse trabalho árduo e conclua o serviço em seu nome.

‍

00:14:03.950 --> 00:14:08.810

Mark Johnson: A última coisa em que estamos constantemente focados é

‍

00:14:08.960 --> 00:14:22.719

Mark Johnson: nos resultados. Obviamente, estamos investindo tempo para desenvolver essa solução e queremos garantir que estamos investindo esse tempo de forma eficaz, considerando os benefícios possíveis.

‍

00:14:22.780 --> 00:14:45.009

Mark Johnson: Eles já não são apenas teóricos. São benefícios que estamos vendo em primeira mão quando se trata de melhorar a precisão das previsões, de simular cenários de risco em minutos em vez de horas, e de realizar integrações que antes levavam semanas e agora podem ser feitas em horas.

‍

00:14:45.160 --> 00:14:49.190

Mark Johnson: Tudo isso é um benefício real e tangível que gera valor.

‍

00:14:49.470 --> 00:14:57.270

Mark Johnson: Essa base também é importante porque é o culminar de tudo o que aprendemos ao longo do tempo

‍

00:14:57.540 --> 00:15:05.509

Mark Johnson: e de como incorporamos inteligência aos fluxos de trabalho de tesouraria, mantendo-nos sempre muito focados em.

‍

00:15:05.610 --> 00:15:07.910

Mark Johnson: Do que a sua equipe realmente precisa?

‍

00:15:11.620 --> 00:15:13.199

Mark Johnson: Provavelmente o elefante na sala

‍

00:15:13.610 --> 00:15:28.680

Mark Johnson: dados. E, obviamente, isso é algo muito próximo de nós. É algo muito próximo de vocês. Mas proteger esses dados é, antes de tudo, o princípio mais importante que temos ao pensar no G. Smart.

‍

00:15:29.100 --> 00:15:32.360

Mark Johnson: começamos com a conquista da sua confiança

‍

00:15:32.510 --> 00:15:39.040

Mark Johnson: exige mais do que apenas promessas. Exige uma abordagem de arquitetura sólida.

‍

00:15:39.250 --> 00:15:47.569

Mark Johnson: Exige governança, exige transparência e o que está acontecendo em toda a plataforma.

‍

00:15:47.730 --> 00:15:51.980

Mark Johnson: E ao pensarmos em começar pelo lado dos dados.

‍

00:15:52.090 --> 00:16:17.150

Mark Johnson: queremos garantir que você confie em como criamos a solução. Tudo começa com seus dados. Eles permanecem no seu próprio ambiente. Não há coprocessamento. Não há compartilhamento de dados entre locatários. Não existe um data lake misterioso onde as informações possam ser misturadas. Pense nisso como se você tivesse sua própria IA privada que foi treinada com

‍

00:16:17.450 --> 00:16:21.390

Mark Johnson: o conhecimento do mundo, mas que só consegue ver os seus dados.

‍

00:16:21.960 --> 00:16:32.249

Mark Johnson: A segunda grande coisa que tem sido um princípio que seguimos é o fato de que esta é uma IA apenas de inferência. O que isso significa? Significa que seus dados

‍

00:16:32.410 --> 00:16:34.719

Mark Johnson: nunca são usados para treinar modelos.

‍

00:16:35.350 --> 00:16:41.420

Mark Johnson: Garantimos que a IA aplique sua inteligência aos seus dados sem aprender com eles.

‍

00:16:42.510 --> 00:16:47.239

Mark Johnson: Outro ponto fundamental é o controle geográfico.

‍

00:16:47.510 --> 00:16:52.089

Mark Johnson: Atendemos clientes em todo o mundo. Queremos que seus dados

‍

00:16:52.260 --> 00:16:57.590

Mark Johnson: permaneçam armazenados dentro da região geográfica que você selecionou.

‍

00:16:57.760 --> 00:17:02.910

Mark Johnson: Seja nos EUA, na EMEA ou na APAC,

‍

00:17:03.110 --> 00:17:09.520

Mark Johnson: isso remete à forma como estruturamos tudo desde o início; por fim, o controle

‍

00:17:10.351 --> 00:17:38.769

Mark Johnson: a visibilidade sobre o que acontece na plataforma é fundamental, assim como os resultados que estão sendo entregues. Portanto, ser capaz de demonstrar o rastro de evidências em torno desses resultados para mostrar por que uma determinada etapa foi tomada. E então, o envolvimento do usuário ao trabalhar com esse, digamos, agente. Uma experiência como essa poderia existir dentro da plataforma

‍

00:17:39.800 --> 00:17:47.799

Mark Johnson: temos muito mais para abordar aqui, mas queríamos focar no que é prioridade para nós enquanto construímos

‍

00:17:49.720 --> 00:18:00.650

Mark Johnson: a outra parte que queríamos apresentar e dar uma espiada nos bastidores é a nossa própria transformação interna na G. Treasury.

‍

00:18:01.350 --> 00:18:19.169

Mark Johnson: Você provavelmente já me ouviu mencionar transformação. Já me ouviu falar em jornada, e é porque realmente é isso. Estamos todos nos mantendo atualizados com o que está acontecendo no mercado. Quais são as novas fontes que queremos explorar para aprender. Como continuamos a preparar nossas equipes para o sucesso? E ao pensarmos sobre

‍

00:18:19.420 --> 00:18:25.750

Mark Johnson: este slide em particular, estes não são apenas princípios, mas sim como operamos no dia a dia

‍

00:18:25.960 --> 00:18:31.069

Mark Johnson: e para dar a vocês alguns exemplos reais e tangíveis aqui.

‍

00:18:31.260 --> 00:18:46.710

Mark Johnson: Nossa equipe de produto, o Evan, eu mesmo e o restante da equipe. Estamos usando IA em diferentes partes do nosso fluxo de trabalho diário quando se trata de como pensamos em escrever requisitos de produto para algo novo que planejamos desenvolver

‍

00:18:47.000 --> 00:19:07.470

Mark Johnson: como conseguimos prototipar designs novamente em minutos, algo que antes levaria semanas. Isso nos permite obter feedback em tempo real de vocês que estão na chamada, de nossos clientes, nossos potenciais clientes, nossos parceiros; esse feedback nos permite avançar muito mais rápido e, então,

‍

00:19:07.780 --> 00:19:12.390

Mark Johnson: podemos, francamente, usar esse tempo recuperado para nos dedicarmos mais.

‍

00:19:12.570 --> 00:19:21.820

Mark Johnson: a entender melhor onde surgem novos problemas. É essa mudança do trabalho manual para um trabalho mais estratégico.

‍

00:19:22.560 --> 00:19:30.000

Mark Johnson: O outro ponto que tem sido um grande amplificador para nós é essa cultura de experimentação.

‍

00:19:30.210 --> 00:19:50.189

Mark Johnson: e onde vemos muito valor e benefício é na capacidade de realizar workshops, hackathons, de ter uma tese em mente para não ficarmos correndo atrás de qualquer novidade. Vocês ouvirão falar de muitas empresas criando IA apenas por criar.

‍

00:19:50.620 --> 00:19:59.339

Mark Johnson: Não queremos ser essa empresa. Queremos garantir que estamos escalando algo que realmente funcione e que resolva um problema de fato.

‍

00:20:00.250 --> 00:20:03.229

Mark Johnson: resultado, o que nos leva à inovação orientada por resultados.

‍

00:20:03.840 --> 00:20:22.950

Mark Johnson: Desenvolvemos nossa própria estrutura para definir como priorizamos os casos de uso. Para dar um exemplo: é uma tarefa de alta frequência realizada por várias empresas? É uma tarefa que gera muita dor? E então

‍

00:20:23.070 --> 00:20:35.210

Mark Johnson: a IA pode realmente amplificar essa experiência, esse processo? Alguém que gasta um dia por semana com análise de previsões poderia preencher todos os 3 requisitos.

‍

00:20:36.200 --> 00:20:47.570

Mark Johnson: o último, e definitivamente o mais importante: queremos trazer nossos clientes para fazer parte de toda essa experiência, e queremos começar com conversas. Queremos começar com

‍

00:20:47.710 --> 00:20:51.679

Mark Johnson: um programa de acesso antecipado. Ou seja, algo que vai além de um simples teste beta.

‍

00:20:51.790 --> 00:21:04.560

Mark Johnson: Trata-se, francamente, de cocriar a experiência juntos. Quando um cliente nos diz: "Preciso de uma visão desses insights para o conselho administrativo", ele não está apenas dando um feedback. Ele está nos ajudando a cocriar enquanto avançamos.

‍

00:21:04.840 --> 00:21:05.680

Mark Johnson: Então

‍

00:21:05.870 --> 00:21:13.729

Mark Johnson: pegue estes princípios, adapte-os e modifique-os da melhor forma para você e sua empresa. E então.

‍

00:21:14.311 --> 00:21:22.619

Mark Johnson: entenda que não se trata apenas de tecnologia. Trata-se também de começar com convicção, começando pela sua equipe e pela cultura da sua empresa.

‍

00:21:25.930 --> 00:21:33.159

Mark Johnson: Então, agora vamos mudar um pouco o foco e mostrar no que temos trabalhado.

‍

00:21:33.500 --> 00:21:51.989

Mark Johnson: parte disso já está disponível, parte está em desenvolvimento e certamente há uma oportunidade para candidatos terem acesso antecipado, nos dando feedback ao longo do caminho. E parte está na fase de design, mas queríamos mostrar alguns exemplos para tornar isso real para vocês.

‍

00:21:53.070 --> 00:22:02.229

Mark Johnson: Para alinhar as expectativas aqui, ao pensarmos no G. Smart, há dois componentes principais a serem considerados.

‍

00:22:03.040 --> 00:22:04.100

Mark Johnson: um.

‍

00:22:04.300 --> 00:22:13.169

Mark Johnson: É como estamos pensando sobre agentes, agentes projetados para concluir uma tarefa específica de Tesouraria.

‍

00:22:13.320 --> 00:22:24.959

Mark Johnson: agentes capazes de raciocinar sobre problemas. Eles conseguem descobrir padrões e recomendar ações, tudo isso mantendo a equipe informada

‍

00:22:25.320 --> 00:22:27.039

Mark Johnson: durante todo esse processo.

‍

00:22:27.540 --> 00:22:29.810

Mark Johnson: O segundo ponto é.

‍

00:22:30.090 --> 00:22:50.090

Mark Johnson: pense nisso como sua torre de controle, seu hub, onde não se trata apenas de um painel do que está acontecendo, mas de uma área única da plataforma onde você pode governar, criar e definir seus próprios limites exclusivos para qualquer experiência.

‍

00:22:50.520 --> 00:23:00.329

Mark Johnson: Sabemos que nem todos os clientes são tratados da mesma forma. Cada um tem suas próprias políticas e processos. É aqui que o hub começa a entrar em cena

‍

00:23:00.680 --> 00:23:13.069

Mark Johnson: sem o Hub, os agentes são apenas ferramentas isoladas; podem ser poderosos, mas também muito desconectados dos seus processos. E você não quer isso. Ao mesmo tempo.

‍

00:23:13.200 --> 00:23:14.759

Mark Johnson: se você pensar em

‍

00:23:14.870 --> 00:23:32.569

Mark Johnson: ter apenas um hub não basta; você não quer apenas o painel de controle sem a capacidade de orquestrar seus próprios fluxos de trabalho. Portanto, os dois elementos se unem à medida que pensamos em nossa visão de IA da G. Smart, tornando-se uma parte fundamental de qualquer transformação de tesouraria.

‍

00:23:35.710 --> 00:23:45.559

Mark Johnson: Insights de previsão da G. Smart. Vou evitar propositalmente tirar o brilho da apresentação do Evan, já que vamos nos aprofundar em uma demonstração. Mas

‍

00:23:45.820 --> 00:23:59.860

Mark Johnson: queria mostrar um pouco contando a história de como isso começou para nós. Usaremos um nome fictício, Sarah, como uma líder de tesouraria que provavelmente representa muitos de vocês que estão na chamada.

‍

00:24:00.680 --> 00:24:04.110

Mark Johnson: Toda quinta-feira da semana, digamos

‍

00:24:04.270 --> 00:24:21.420

Mark Johnson: ela segue uma rotina. Ela cria seu próprio relatório de comparação de previsões. Provavelmente precisa exportá-lo para o Excel para fazer sua própria análise. Ela geralmente analisa linha por linha para identificar qual é a maior variação.

‍

00:24:21.770 --> 00:24:26.139

Mark Johnson: Com o que devo me preocupar? O que não tem explicação versus o que já foi explicado.

‍

00:24:26.310 --> 00:24:37.650

Mark Johnson: E então ela precisa colocar tudo isso em algum tipo de resumo executivo; esse resumo executivo pode ser para a equipe de direção dela, pode ser para um gerente. Pode ser usado em uma apresentação para o conselho.

‍

00:24:38.340 --> 00:24:48.230

Mark Johnson: Dito isso, esse é um processo manual que leva várias horas toda semana para a Sarah, e também para os destinatários dessas informações.

‍

00:24:49.680 --> 00:24:56.319

Mark Johnson: Quando você pensa nos sites de previsão da G. Smart, nosso objetivo é: como podemos reduzir

‍

00:24:56.480 --> 00:25:00.099

Mark Johnson: essa maratona a um sprint de 15 minutos?

‍

00:25:00.280 --> 00:25:03.620

Mark Johnson: E é isso que o Evan vai demonstrar daqui a pouco.

‍

00:25:05.460 --> 00:25:16.530

Mark Johnson: O segundo item que queríamos destacar é uma abordagem semelhante para nossa solução de gestão de riscos. Mas

‍

00:25:16.970 --> 00:25:21.140

Mark Johnson: um caso de uso diferente quando pensamos em risco

‍

00:25:21.750 --> 00:25:34.460

Mark Johnson: risco. As políticas, em particular, são documentos muito extensos, provavelmente em múltiplos formatos, que contêm informações valiosas, mas que permanecem presas em um formato estático.

‍

00:25:35.200 --> 00:25:40.940

Mark Johnson: você pode ter exposições que são rastreadas em planilhas do Excel.

‍

00:25:41.200 --> 00:25:50.269

Mark Johnson: Você pode ter sua política configurada para identificar quando ocorre uma violação, mas talvez você só descubra essa violação meses depois.

‍

00:25:51.580 --> 00:25:55.650

Mark Johnson: Geralmente, você está seguindo um processo muito atrasado. Então,

‍

00:25:56.070 --> 00:25:59.330

Mark Johnson: ao pensarmos em aplicar IA aqui.

‍

00:25:59.750 --> 00:26:02.950

Mark Johnson: G. Insights de riscos inteligentes podem ajudar a

‍

00:26:03.300 --> 00:26:24.769

Mark Johnson: economizar seu tempo e auxiliar na tomada de decisão. Podemos usar a IA para ler políticas de risco, monitorar suas exposições continuamente e alertá-lo antes que as violações ocorram, tudo isso em tempo real dentro da plataforma. Não depois que o problema acontece, mas antes.

‍

00:26:24.970 --> 00:26:32.279

Mark Johnson: E, mais uma vez, esta é uma das áreas em que estamos começando a trabalhar agora e, obviamente, adoraríamos receber feedback

‍

00:26:32.540 --> 00:26:36.780

Mark Johnson: de quem está na chamada. À medida que avançamos nesta jornada. Próximo.

‍

00:26:37.240 --> 00:26:43.990

Mark Johnson: a terceira parte que queríamos apresentar é o nosso G Smart Hub.

‍

00:26:44.750 --> 00:26:57.190

Mark Johnson: e, como mencionei um pouco antes, pense nisso como sua torre de controle, seu centro de comando, onde você pode ter visibilidade de quais agentes estão disponíveis.

‍

00:26:57.590 --> 00:27:12.189

Mark Johnson: você pode começar a determinar quais fazem sentido para o seu negócio e, então, dar o próximo passo de como deseja configurá-lo para sua empresa. Então, para dar um exemplo real. Pense no

‍

00:27:12.440 --> 00:27:15.760

Mark Johnson: processo de envio de previsão de caixa.

‍

00:27:15.890 --> 00:27:23.340

Mark Johnson: Você tem várias unidades de negócio ao redor do mundo. Muitas pessoas envolvidas no envio de previsões

‍

00:27:23.490 --> 00:27:36.690

Mark Johnson: com alta frequência. E se você for a pessoa responsável por cobrar todos eles? Bem, não é nada divertido enviar e-mails. Eles recebem telefonemas tentando fazer com que todos sigam o processo. Você disse.

‍

00:27:37.320 --> 00:27:48.109

Mark Johnson: E se você pudesse ter um agente que realizasse essa ação em seu nome? E se você pudesse configurá-lo a ponto de dizer: Ei, veja! Os envios de previsões estarão vencendo

‍

00:27:48.250 --> 00:27:51.100

Mark Johnson: toda sexta-feira, neste horário, toda semana.

‍

00:27:51.320 --> 00:27:58.429

Mark Johnson: e eu terei um panorama em tempo real de quem enviou e quem ainda não enviou até o meio da semana.

‍

00:27:58.590 --> 00:28:00.250

Mark Johnson: e se você não tiver enviado.

‍

00:28:00.590 --> 00:28:14.970

Mark Johnson: peça ao agente para cobrar você e lembrar que precisamos da previsão enviada até a data, e então você pode obter continuamente um panorama do progresso das previsões concluídas, impulsionando assim

‍

00:28:15.250 --> 00:28:42.540

Mark Johnson: um comportamento muito mais proativo, devolvendo tempo ao seu dia a dia. Esse é apenas um exemplo de como você pode começar a controlar essa experiência de acordo com seus processos internos. E o segundo ponto é: ok, posso começar a visualizar outras estatísticas de uso de outros agentes e ver o ROI em primeira mão

‍

00:28:42.630 --> 00:28:49.879

Mark Johnson: da economia de tempo que pode ser alcançada. Ganhos de eficiência, ganhos na precisão das previsões

‍

00:28:50.210 --> 00:29:05.420

Mark Johnson: tudo isso em um só lugar, e então você pode decidir o que fazer a seguir. Talvez, se eu estiver tendo sucesso com este agente, eu possa pensar no próximo caso de uso e começar a medir o ROI nele também

‍

00:29:06.230 --> 00:29:17.139

Mark Johnson: novamente, é para lá que estamos indo, e teremos mais novidades sobre isso. Estamos sempre abertos a feedbacks, já que estamos cocriando isso com um grupo de clientes.

‍

00:29:19.110 --> 00:29:28.719

Mark Johnson: Vamos mudar de assunto agora. Vamos abrir outra enquete e, como parte dela

‍

00:29:29.130 --> 00:29:32.960

Mark Johnson: pedirei ao Evan que inicie a demonstração

‍

00:29:33.931 --> 00:29:37.550

Mark Johnson: após a demonstração, reservaremos um tempo para perguntas e respostas no final.

‍

00:29:45.230 --> 00:29:53.710

Mark Johnson: A questão é: em quais áreas a sua organização gostaria de elevar o nível das previsões? Você pode selecionar várias respostas.

‍

00:31:00.480 --> 00:31:04.439

Evan Ryan: Acho que podemos esperar mais um ou dois segundos para

‍

00:31:04.610 --> 00:31:09.270

Evan Ryan: essas respostas devem aparecer, perfeito.

‍

00:31:10.210 --> 00:31:13.250

Evan Ryan: Certo, então em quais áreas

‍

00:31:14.316 --> 00:31:17.679

Evan Ryan: a sua organização gostaria de elevar o nível das previsões

‍

00:31:18.739 --> 00:31:28.300

Evan Ryan: métodos mais avançados aparecendo com 24%, necessidade de melhores explicações, e

‍

00:31:28.500 --> 00:31:31.899

Evan Ryan: é possível notar uma menor tolerância a erros em 11%.

‍

00:31:33.120 --> 00:31:39.439

Evan Ryan: Mas, só para destacar, a necessidade de explicações melhores aparece com 27%. O maior índice

‍

00:31:40.146 --> 00:31:42.280

Evan Ryan: são os métodos mais avançados

‍

00:31:42.410 --> 00:31:58.379

Evan Ryan: com 24%. Isso realmente se conecta com a demonstração que vou começar agora, focando justamente na necessidade de explicações melhores, destacando esses insights fundamentais de uma

‍

00:31:59.210 --> 00:32:00.860

Evan Ryan: forma baseada em agentes de IA

‍

00:32:01.020 --> 00:32:16.189

Evan Ryan: e métodos mais avançados. Há algumas visualizações de dados muito interessantes que estou empolgado para mostrar a vocês hoje. Então, dito isso, vou começar a compartilhar minha tela, Mark, e entrar na demonstração

‍

00:32:22.690 --> 00:32:23.710

Evan Ryan: perfeito.

‍

00:32:24.746 --> 00:32:30.449

Evan Ryan: Então, aqui no GTreasury, temos a previsão dentro do nosso conjunto de relatórios.

‍

00:32:31.327 --> 00:32:38.569

Evan Ryan: Como o Mark mencionou, estamos implementando IA em toda a plataforma G Treasury

‍

00:32:39.353 --> 00:32:46.819

Evan Ryan: inicialmente dentro da previsão do G Treasury e, especificamente, no próprio conjunto de ferramentas de previsão do G Treasury.

‍

00:32:47.240 --> 00:32:52.459

Evan Ryan: O que estamos vendo aqui é a página inicial do relatório de comparação

‍

00:32:53.190 --> 00:33:02.239

Evan Ryan: o relatório de comparação compara duas versões ou snapshots distintos da sua previsão.

‍

00:33:02.490 --> 00:33:10.630

Evan Ryan: Neste caso, tenho a minha última submissão. Então, novamente, como o Mark estava falando sobre o G Smart Hub.

‍

00:33:11.334 --> 00:33:21.839

Evan Ryan: e aquele analista de tesouraria preparando suas submissões. Digamos que essa submissão seja preparada e finalizada na quinta-feira, e então o usuário queira comparar

‍

00:33:22.000 --> 00:33:31.179

Evan Ryan: a versão que acabaram de preparar. Compare-a, então, com a versão anterior e, em seguida, analise as variações nesse relatório.

‍

00:33:31.340 --> 00:33:33.910

Evan Ryan: Então, basta executar o relatório aqui.

‍

00:33:35.800 --> 00:33:41.400

Evan Ryan: Tenho aqui o meu relatório com a minha previsão versus os valores reais e a minha previsão versus previsão.

‍

00:33:41.680 --> 00:33:45.019

Evan Ryan: e agrupei por unidade de negócio.

‍

00:33:45.490 --> 00:34:03.829

Evan Ryan: Uma coisa que quero destacar é aquela nova funcionalidade inicial que temos aqui. Pode ver um painel de destaque que posso expandir, e ele realça imediatamente as principais variações que aparecem nesse relatório. Portanto, sabe.

‍

00:34:04.070 --> 00:34:12.650

Evan Ryan: estamos a falar de reduzir realmente esse trabalho árduo e, de imediato, pode ver que isto está realmente a gerar valor.

‍

00:34:12.800 --> 00:34:16.739

Evan Ryan: Neste caso, foram descobertas 4 diferenças ocultas no fluxo de caixa.

‍

00:34:17.179 --> 00:34:21.800

Evan Ryan: Primeiramente, temos uma variação no saldo de encerramento de pouco mais de

‍

00:34:22.110 --> 00:34:30.370

Evan Ryan: meio milhão de dólares, destacando o saldo entre a previsão e o realizado, sendo essa a maior variação negativa.

‍

00:34:30.510 --> 00:34:33.860

Evan Ryan: a maior variação positiva e, em seguida,

‍

00:34:34.020 --> 00:34:56.489

Evan Ryan: 2 novas métricas que também estamos introduzindo. O SMAPE e o WMAPE focam realmente na precisão da sua previsão. O WMAPE é a versão ponderada, focada nos itens de maior valor, enquanto o SMAPE analisa cada item individualmente neste caso.

‍

00:34:56.820 --> 00:35:16.689

Evan Ryan: Para interpretar isso: quanto menores forem esses valores, melhor. Mas, analisando o que vejo aqui, parece que, como o WMAPE é menor, sou mais preciso ao prever itens de maior valor do que ao prever itens de menor valor.

‍

00:35:17.390 --> 00:35:38.680

Evan Ryan: Posso clicar aqui para ver uma explicação mais detalhada. Também incluímos um guia útil que aborda o aspecto matemático, com as diferentes fórmulas que utilizamos, como interpretar os resultados e os prós e contras dessas duas métricas.

‍

00:35:38.920 --> 00:35:45.009

Evan Ryan: e, como eu disse, como interpretar suas métricas e, em seguida, dicas sobre como melhorar sua previsão

‍

00:35:45.200 --> 00:35:46.439

Evan Ryan: daqui para frente.

‍

00:35:46.990 --> 00:35:50.350

Evan Ryan: Então, com isso, vou gerar os insights.

‍

00:35:50.540 --> 00:35:53.590

Evan Ryan: E então, como eu disse, sabe.

‍

00:35:53.790 --> 00:35:59.869

Evan Ryan: logo de cara, estou vendo um grande valor no G smart, mas posso, sabe.

‍

00:36:00.400 --> 00:36:05.645

Evan Ryan: fazer uma análise mais profunda do meu relatório de variação aqui, e

‍

00:36:06.910 --> 00:36:14.979

Evan Ryan: posso ver pela minha dica aqui. Então, ele está fazendo várias coisas e avaliando a variação

‍

00:36:15.560 --> 00:36:29.589

Evan Ryan: limites de materialidade. Portanto, trata-se de preparar essa avaliação de previsão, aquele resumo executivo de que o Mark estava falando há pouco, e que então conduzirá às diferentes seções do relatório.

‍

00:36:30.180 --> 00:36:33.060

Evan Ryan: E então, sabe, com base nisso

‍

00:36:33.520 --> 00:36:47.470

Evan Ryan: pergunta que foi feita a vocês alguns meses atrás. Naquela pergunta da enquete, algumas visualizações interessantes que eu quero mostrar hoje.

‍

00:36:48.410 --> 00:36:52.889

Evan Ryan: E não é apenas no relatório de comparação. Esses

‍

00:36:53.060 --> 00:36:59.099

Evan Ryan: insights também estão disponíveis no Relatório de Consolidação, que mostrarei em instantes.

‍

00:37:00.580 --> 00:37:09.970

Evan Ryan: Logo de cara, posso ver quais são as 2 submissões que estão sendo comparadas e, em seguida, a análise detalhada

‍

00:37:10.556 --> 00:37:24.639

Evan Ryan: na análise propriamente dita. Posso verificar aqui o resumo executivo. Ou seja, uma visão geral de alto nível do relatório que enviei ao modelo de IA para análise.

‍

00:37:24.880 --> 00:37:32.540

Evan Ryan: Estou destacando o saldo inicial, os recebimentos e, em seguida, há várias áreas principais que quero ressaltar.

‍

00:37:32.710 --> 00:37:41.239

Evan Ryan: primeiramente, a análise de variação dos recebimentos. Ou seja, as variações favoráveis e as variações desfavoráveis.

‍

00:37:41.360 --> 00:37:47.629

Evan Ryan: e o mesmo se aplica ao lado dos pagamentos. Ou seja, a análise de variação de pagamentos.

‍

00:37:49.230 --> 00:37:55.959

Evan Ryan: Há uma tabela aqui com as minhas 5 principais variações, para que eu possa ver o meu item de linha entre empresas

‍

00:37:56.170 --> 00:38:04.010

Evan Ryan: na unidade de negócios da Irlanda teve uma variação de 6,7 milhões de dólares neste período específico

‍

00:38:05.010 --> 00:38:23.699

Evan Ryan: uma funcionalidade nova muito interessante, ou uma nova parte desta funcionalidade, são as áreas para investigar e agir. E, como o Mark mencionou, isso realmente economiza muito tempo. Portanto, você pode ver que, em poucos instantes, já gerei um relatório de resumo em nível executivo.

‍

00:38:24.343 --> 00:38:34.089

Evan Ryan: Posso facilmente copiar isto e colar num e-mail. Enviar para o meu gestor para que ele envie ao CFO.

‍

00:38:34.660 --> 00:38:40.080

Evan Ryan: Mas também está destacado aqui que as áreas para investigar e agir, e

‍

00:38:40.350 --> 00:38:52.387

Evan Ryan: para realmente melhorar essa precisão da previsão que está a ver aqui. Portanto, neste caso, 15,3% e realmente trazer à tona esses insights.

‍

00:38:53.110 --> 00:39:04.589

Evan Ryan: e já não ter de, sabe, escavar este relatório e passar por esse trabalho árduo. Já está tudo aqui à vista para que possa melhorar rapidamente a precisão da sua previsão.

‍

00:39:05.250 --> 00:39:13.779

Evan Ryan: Também posso interagir com o relatório aqui e dar um gosto ou não gosto, para que este relatório seja

‍

00:39:14.220 --> 00:39:19.140

Evan Ryan: fornecido a si. Sabe, melhorado da próxima vez que o utilizar.

‍

00:39:19.530 --> 00:39:29.789

Evan Ryan: Portanto, como disse aqui, sabe, já estou a ver um grande valor no painel de destaque. Essas variações principais são apresentadas imediatamente.

‍

00:39:30.000 --> 00:39:37.640

Evan Ryan: e assim que clico no botão gerar insights, vejo que um relatório de nível executivo é criado aqui.

‍

00:39:39.170 --> 00:39:43.730

Evan Ryan: mas posso fazer uma análise mais aprofundada

‍

00:39:43.850 --> 00:39:48.389

Evan Ryan: desses dados, no meu relatório. Então, posso ver várias perguntas aqui.

‍

00:39:48.640 --> 00:39:55.360

Evan Ryan: Criamos um banco de perguntas. Estou trabalhando com um grupo de especialistas.

‍

00:39:55.510 --> 00:40:07.040

Evan Ryan: e, essencialmente, o LLM, a IA, sugere, com base no conteúdo deste relatório, quais perguntas melhor se adequam

‍

00:40:07.380 --> 00:40:08.519

Evan Ryan: a este relatório?

‍

00:40:08.720 --> 00:40:11.780

Evan Ryan: Então, neste caso, vou perguntar.

‍

00:40:11.970 --> 00:40:18.870

Evan Ryan: E IA, quais são as minhas 5 principais variações de saldo de encerramento por unidade de negócio?

‍

00:40:19.250 --> 00:40:42.909

Evan Ryan: Essencialmente, o que isto fará é gerar um gráfico com uma narrativa associada aqui. Como já fiz isto anteriormente noutras funções, e tenho a certeza de que muitas pessoas nesta chamada também já o fizeram, onde geramos estes gráficos no Excel e selecionamos diferentes colunas. Mas podem ver a rapidez com que

‍

00:40:43.020 --> 00:40:45.020

Evan Ryan: este gráfico foi gerado.

‍

00:40:45.580 --> 00:40:55.869

Evan Ryan: Novamente, posso copiar isto individualmente, mas o que gostaria de fazer é adicionar isto ao meu relatório, e posso gerar um relatório final

‍

00:40:56.010 --> 00:40:57.000

Evan Ryan: no final.

‍

00:40:57.770 --> 00:41:04.420

Evan Ryan: Vou fazer mais algumas perguntas aqui. Como está a tendência da precisão da minha previsão?

‍

00:41:04.930 --> 00:41:05.880

Evan Ryan: E

‍

00:41:06.040 --> 00:41:18.169

Evan Ryan: então, em um nível de unidade de negócios específico. E, novamente, vou obter um gráfico que pode ser gerado rapidamente com uma narrativa. Posso adicioná-lo ao meu relatório.

‍

00:41:18.330 --> 00:41:25.210

Evan Ryan: e, neste caso, estou me perguntando quais unidades de negócios são menos precisas.

‍

00:41:26.910 --> 00:41:47.139

Evan Ryan: Então, novamente, algo que levaria tempo para baixar este relatório no Excel, importar, extrair minhas tabelas específicas, criar isso no Excel, é gerado rapidamente e posso adicionar ao meu relatório. Então, agora que tenho meu resumo executivo no topo.

‍

00:41:47.480 --> 00:41:52.179

Evan Ryan: e executei minhas 3 perguntas diferentes. Mas, como

‍

00:41:52.680 --> 00:41:59.320

Evan Ryan: você notará, marquei cada uma delas para serem geradas ou incluídas em um relatório final.

‍

00:42:00.010 --> 00:42:09.809

Evan Ryan: Então, em vez de apenas gerar um relatório onde essas 3 visualizações são meio que anexadas ao

‍

00:42:10.280 --> 00:42:26.060

Evan Ryan: resumo principal, uma narrativa coesa é realmente criada. Então, novamente, a IA recebe aquele primeiro resumo executivo e aqueles 3 relatórios, e é essencialmente instruída.

‍

00:42:26.170 --> 00:42:27.840

Evan Ryan: e orientada.

‍

00:42:28.000 --> 00:42:50.220

Evan Ryan: crie um resumo coeso, uma narrativa coesa com base no resumo executivo e nos seus 3 insights adicionais. E, na verdade, sabe, mais uma vez. Isso é uma economia de tempo fantástica para os usuários, em vez de ter que entrar e, sabe, ajustar e atualizar a narrativa no resumo executivo, e também

‍

00:42:50.790 --> 00:43:04.839

Evan Ryan: a IA é instruída a distribuir essas visualizações da maneira que achar melhor e, sabe, garantir que haja uma narrativa completa. Em todo o relatório.

‍

00:43:05.429 --> 00:43:09.379

Evan Ryan: Sabe, e novamente, sabe, os usuários podem exportar isso para

‍

00:43:10.240 --> 00:43:20.130

Evan Ryan: para que possam enviar isso facilmente em uma apresentação para a diretoria para fins de relatório, então posso ver que meu resumo executivo ainda está aqui.

‍

00:43:20.694 --> 00:43:21.935

Evan Ryan: Sabe. Mas

‍

00:43:22.520 --> 00:43:32.100

Evan Ryan: Posso ver que agora, sabe, ao focar nisso, ele já identifica que existe uma unidade de negócio com o gráfico de menor frequência. Então, se eu fosse visualizar o resumo inicial

‍

00:43:32.240 --> 00:43:34.089

Evan Ryan: isso não estaria lá.

‍

00:43:34.621 --> 00:43:46.259

Evan Ryan: Porque, ok, ele insere essas 5 principais unidades de negócio por variação de saldo de fechamento aqui novamente, não apenas adicionando no final, mas criando uma narrativa coesa.

‍

00:43:47.282 --> 00:43:49.889

Evan Ryan: Posso ver meus recebimentos, análise de variação.

‍

00:43:50.716 --> 00:43:55.190

Evan Ryan: meus pagamentos, análise de variação. E também a precisão da previsão.

‍

00:43:55.790 --> 00:44:05.690

Evan Ryan: Esses são os insights de previsão do relatório de comparação. Vou acessar o relatório de Consolidação agora.

‍

00:44:05.850 --> 00:44:20.939

Evan Ryan: e executarei o meu relatório. E, mais uma vez, esse relatório de consolidação é realmente uma visão panorâmica consolidada de todas as diferentes unidades de negócio que tenho no meu sistema, em uma visão coesa sob a perspectiva de previsão.

‍

00:44:21.340 --> 00:44:24.160

Evan Ryan: Então, novamente, sou recebido pelo meu painel de destaque.

‍

00:44:24.860 --> 00:44:29.910

Evan Ryan: Neste caso, posso ver que há 3 diferenças ocultas de fluxo de caixa descobertas.

‍

00:44:30.060 --> 00:44:43.319

Evan Ryan: A primeira aponta as unidades de negócio que possuem mais caixa. Então, quais unidades de negócio estão com excesso de caixa neste caso? Posso ver o Reino Unido, o Canadá e os Países Baixos.

‍

00:44:44.390 --> 00:44:49.589

Evan Ryan: e, muito importante também, quais unidades de negócio estão enfrentando.

‍

00:44:50.228 --> 00:44:52.019

Evan Ryan: Sabe, baixa liquidez.

‍

00:44:52.250 --> 00:45:00.899

Evan Ryan: Certo? Então, neste caso, há 10 unidades de negócio que estão enfrentando baixa liquidez. E a terceira parte, então, é uma visão geral de como minha previsão

‍

00:45:01.840 --> 00:45:08.990

Evan Ryan: vai basicamente seguir uma tendência ao longo das próximas semanas. Neste caso, 13 semanas.

‍

00:45:09.100 --> 00:45:17.300

Evan Ryan: Estou a considerar o intervalo máximo esperado para essas semanas, de forma semelhante ao

‍

00:45:17.966 --> 00:45:21.540

Evan Ryan: Relatório de Comparação. Vou gerar os meus insights.

‍

00:45:23.070 --> 00:45:45.850

Evan Ryan: sabe, como utilizador, consegue ver claramente o benefício do G. Smart aqui, logo à partida, no relatório consolidado com aquele painel de destaque. Tradicionalmente, os utilizadores teriam de descarregar isto em Excel e começar a analisar para identificar, digamos, as 3 unidades de negócio com maior ou menor liquidez.

‍

00:45:46.220 --> 00:45:58.550

Evan Ryan: enquanto aqui, como vê, consigo apresentar essa informação imediatamente e, tal como no relatório de Comparação, fazer uma análise aprofundada do relatório de Consolidação.

‍

00:45:59.160 --> 00:46:06.309

Evan Ryan: sabe, focando-me obviamente na perspetiva de liquidez. Certo? Portanto, tenho o meu resumo executivo

‍

00:46:06.460 --> 00:46:22.960

Evan Ryan: e minha posição de liquidez atual. Neste caso, posso ver que tenho 23,4 dias de caixa. Então, qual é o meu saldo inicial? E qual é a minha saída diária de caixa? Portanto, neste exemplo, ok, sei que tenho 23,4 dias de caixa.

‍

00:46:23.673 --> 00:46:37.219

Evan Ryan: Acessando minha previsão de caixa. Como isso se apresenta ao longo deste período de 13 semanas e, em seguida, o risco de liquidez. Então, quais unidades de negócio estão em risco sob a perspectiva de liquidez?

‍

00:46:37.420 --> 00:46:44.740

Evan Ryan: A qual período isso se refere e a posição de liquidez real para cada uma dessas unidades de negócio.

‍

00:46:45.630 --> 00:47:01.760

Evan Ryan: e, de forma semelhante ao relatório de comparação, destacando essas áreas para investigar e agir. Novamente, não é mais necessário vasculhar planilhas de Excel depois de exportar este relatório. Isso é destacado imediatamente para que você possa, sabe, tomar uma atitude.

‍

00:47:02.292 --> 00:47:04.110

Evan Ryan: Sabe, logo de cara

281

00:47:04.690 --> 00:47:25.460

Evan Ryan: novamente. Posso copiar isso. Posso dar um feedback, dar um joinha para cima ou para baixo e, como eu disse, com o relatório de comparação e o relatório de consolidação, recebo insights excelentes imediatamente que posso enviar facilmente para a alta gestão para fins de relatório. Mas também sou apresentado a

‍

00:47:25.580 --> 00:47:31.480

Evan Ryan: neste caso, 3 perguntas de um banco de questões que criamos, que, novamente, o

‍

00:47:31.620 --> 00:47:38.869

Evan Ryan: A IA está sugerindo o que melhor se ajusta aos dados reais no seu gráfico ou neste relatório aqui.

‍

00:47:39.160 --> 00:47:44.389

Evan Ryan: Então, neste caso, eu quero saber. Digamos, quais unidades de negócio

‍

00:47:44.530 --> 00:47:48.120

Evan Ryan: têm projeção de risco de ficar sem caixa.

‍

00:47:49.340 --> 00:48:03.879

Evan Ryan: Novamente, de forma semelhante ao relatório de comparação, serei apresentado aqui a uma tabela e a uma narrativa que acompanha essa tabela. Então, digamos que eu queira adicionar isso ao meu relatório.

‍

00:48:05.095 --> 00:48:09.319

Evan Ryan: E, digamos, quais unidades de negócio têm a maior posição de caixa.

‍

00:48:09.870 --> 00:48:12.897

Evan Ryan: E aqui eu sou, de certa forma,

‍

00:48:13.450 --> 00:48:17.840

Evan Ryan: informado em alto nível. Neste caso, 10 unidades de negócio e

‍

00:48:19.800 --> 00:48:29.520

Evan Ryan: com a expectativa de cair abaixo da liquidez. E aqui estamos chamando de top 5. Certo? Então, neste caso, posso ver o Reino Unido.

‍

00:48:31.110 --> 00:48:41.470

Evan Ryan: tem a, desculpe, aqui. Sim, a maior posição de caixa. Aqui, podemos ver que o Reino Unido tem a maior posição de caixa, então posso adicionar isso ao meu relatório.

‍

00:48:42.093 --> 00:48:46.976

Evan Ryan: E dizer, sabe, quais unidades de negócio estão contribuindo mais para

‍

00:48:47.630 --> 00:48:58.589

Evan Ryan: a queima de caixa, então, de forma semelhante às visualizações anteriores. Novamente, recebo uma tabela aqui e uma narrativa para acompanhá-la.

‍

00:48:58.760 --> 00:49:04.880

Evan Ryan: então posso adicionar isso ao meu relatório final, e agora vou solicitar um relatório final.

‍

00:49:05.370 --> 00:49:10.130

Evan Ryan: Então, como eu disse com o relatório de comparação aqui

‍

00:49:10.580 --> 00:49:18.839

Evan Ryan: o relatório de Consolidação é enviado para a IA e, em seguida, esse resumo executivo é gerado. Eu solicitei.

‍

00:49:19.180 --> 00:49:27.809

Evan Ryan: 3 perguntas perspicazes. E esses insights são apresentados aqui e, novamente, esses gráficos

‍

00:49:27.990 --> 00:49:53.869

Evan Ryan: e a narrativa associada a eles. Eles não são apenas anexados ao resumo executivo no topo. Eles são incorporados ao fluxo geral do resumo executivo propriamente dito. Então, sabe, mais uma vez, economizando tempo em vez de ter que entrar e ajustar o resumo executivo. Ele intercala esses insights onde melhor se encaixam, para que haja uma narrativa coesa.

‍

00:49:54.790 --> 00:50:01.450

Evan Ryan: Então, posso ver aqui minhas unidades de negócio com a maior posição de caixa e destaca, então, a previsão

‍

00:50:01.780 --> 00:50:04.960

Evan Ryan: de caixa. Meus fluxos de caixa médios.

‍

00:50:05.860 --> 00:50:19.169

Evan Ryan: minhas saídas de caixa médias por unidade de negócio. E também meu risco de liquidez. E, novamente, se eu fosse, de certa forma, dar uma olhada na narrativa aqui, ele vai ajustar esse texto para que haja aquela

‍

00:50:19.470 --> 00:50:26.960

Evan Ryan: narrativa coesa de uma perspectiva de relatório. Novamente, posso copiar isso, colocar em um pacote de apresentação para a diretoria

‍

00:50:27.340 --> 00:50:32.600

Evan Ryan: preparado para uma apresentação que, sabe, me poupa muito tempo e trabalho.

‍

00:50:33.590 --> 00:50:38.799

Evan Ryan: Então, com isso, vou parar de compartilhar. Vou

‍

00:50:41.013 --> 00:50:49.750

Evan Ryan: vamos agora passar para a seção de perguntas e respostas do webinar de hoje.

‍

00:50:51.180 --> 00:50:58.759

Evan Ryan: E temos apenas A. Então, se você tiver alguma dúvida, pode inseri-la na caixa de perguntas e respostas.

‍

00:50:59.660 --> 00:51:06.380

Evan Ryan: E temos algumas perguntas aqui. A primeira é: os usuários podem criar perguntas de insights de previsão?

‍

00:51:06.885 --> 00:51:30.040

Evan Ryan: No momento, temos um banco de perguntas que criamos trabalhando com um grupo de usuários especialistas em tesouraria. Mas, sabe, se você estiver usando o sistema e houver algum feedback que queira dar... suponho que existam várias maneiras de recebermos feedback sob a perspectiva do produto.

‍

00:51:30.606 --> 00:51:32.540

Evan Ryan: Uma delas é através desse feedback.

‍

00:51:33.089 --> 00:51:45.659

Evan Ryan: Funcionalidade. E se houver usuários que estejam fazendo perguntas com frequência, certamente podemos considerar adicionar essas perguntas a esse banco de questões.

‍

00:51:51.680 --> 00:51:56.460

Mark Johnson: Sim, talvez eu... é uma boa pergunta. Vimos outra pergunta parecida.

‍

00:51:56.830 --> 00:52:25.349

Mark Johnson: estrutura sobre, sabe? Se eu tiver minhas próprias perguntas ou quiser ver mais sugestões, reforçando o ponto do Evan, queremos muito expandir ainda mais esse banco. À medida que tivermos mais usuários, poderemos ser bem ágeis e desenvolver mais recursos. Outra pergunta que recebemos foi sobre a previsão de implementação de dados para o G. Smart. O que o Evan demonstrou hoje está disponível para qualquer cliente de previsão de fluxo de caixa

‍

00:52:25.380 --> 00:52:31.090

Mark Johnson: e podemos ajudar vocês a ativar isso. Teremos

‍

00:52:31.140 --> 00:52:40.429

Mark Johnson: um slide com os próximos passos logo após este. Mas, no momento, estamos produzindo o que mostramos com o risco e o hub

‍

00:52:40.490 --> 00:52:54.849

Mark Johnson: e trabalhando para definir a data de entrega para este ano, além de um programa de acesso antecipado. Portanto, se tiverem interesse, entrem em contato e garantiremos que vocês façam parte de ambos os programas.

‍

00:52:58.034 --> 00:53:22.509

Evan Ryan: Vejo outra pergunta aqui. Quais controles estão em vigor para verificar a precisão dos relatórios de contas a receber? Ótima pergunta. E, sabe, é uma questão na qual dedicamos muito tempo do ponto de vista de testes. Portanto, o foco principal para nós, em termos de precisão, é garantir que os números dentro do relatório estejam corretos.

‍

00:53:22.750 --> 00:53:50.200

Evan Ryan: Que esses insights estejam corretos. Existem várias maneiras de abordar isso, mas, no final das contas, o que fizemos no middleware de IA foi configurar um conjunto de dados de referência e podemos usar a IA como um juiz, usando LLM como juiz. Essencialmente, você está treinando. Você está garantindo que as respostas geradas correspondam essencialmente

‍

00:53:50.840 --> 00:54:07.389

Evan Ryan: à entrada e, portanto, dentro do prompt, também há muitas salvaguardas implementadas. Então, sabe, para realmente focar na precisão dos números reais e reduzir quaisquer alucinações.

‍

00:54:09.270 --> 00:54:29.009

Mark Johnson: Outra pergunta sobre custos adicionais. Existem custos adicionais para o G. Smart se você já for um cliente de análise de caixa? Para aqueles que já possuem previsão de caixa, não há custo adicional pelo que acabamos de demonstrar. Nossa prioridade com essa experiência é impulsionar a adoção e o aprendizado e, francamente, melhorá-la à medida que avançamos.

‍

00:54:29.290 --> 00:54:35.180

Mark Johnson: E, por enquanto, não há planos de cobrar a mais por essa experiência específica.

‍

00:54:43.210 --> 00:54:50.710

Evan Ryan: Sim. Então, vejo outra pergunta aqui: a IA será integrada à funcionalidade de previsão de tendências no futuro?

‍

00:54:50.880 --> 00:54:55.116

Evan Ryan: E, atualmente, o plano, como Mark mencionou,

‍

00:54:55.850 --> 00:55:04.069

Evan Ryan: durante a sua apresentação. O plano atual é implementar IA dentro do risco de tesouraria.

‍

00:55:04.260 --> 00:55:31.290

Evan Ryan: Portanto, aplicar esses mesmos insights de previsão que vocês viram aqui, mas sob uma perspectiva de risco, e também no hub. Além disso, nos próximos meses, buscaremos diferentes áreas dentro da ferramenta de previsão e, obviamente, dentro da plataforma G Treasury, onde possamos aprimorar a funcionalidade atual para também habilitar a IA nesses pontos.

‍

00:55:34.220 --> 00:55:57.202

Mark Johnson: Controles é uma ótima pergunta. Então, quais controles estão em vigor para verificar a precisão dos relatórios de IA? Eu posso começar e o Evan certamente pode complementar. Francamente, é aí que reside grande parte do trabalho para garantir que o que vocês veem no painel de insights reflita exatamente os seus dados dentro do G Treasury.

‍

00:55:57.540 --> 00:56:09.940

Mark Johnson: E fazemos isso de algumas maneiras diferentes. Primeiro, usamos vários modelos de IA no processo. Pense nisso não apenas como um modelo envolvido na

‍

00:56:10.370 --> 00:56:35.200

Mark Johnson: criação desse painel de insights, mas também outro modelo envolvido na revisão dessas informações. Portanto, temos verificações e equilíbrios adicionais. Também temos aquele trabalho preliminar no que diz respeito à configuração do prompt apropriado e à definição do ponto de vista de avaliação adequado para todas as respostas geradas. E outro componente é que

‍

00:56:35.250 --> 00:56:42.529

Mark Johnson: temos visibilidade em tempo real das saídas, garantindo que tenhamos nossa própria

‍

00:56:43.140 --> 00:56:45.310

Mark Johnson: medição de precisão em tempo real.

‍

00:56:45.420 --> 00:56:59.920

Mark Johnson: e podemos acompanhar isso e também ver, além disso. O Evan mencionou aquele painel de feedback com polegar para cima, polegar para baixo e comentários, para que possamos ver diretamente tudo o que é enviado e, obviamente, responder de acordo.

‍

00:57:00.180 --> 00:57:01.639

Mark Johnson: Evan. Mais alguma coisa?

‍

00:57:01.640 --> 00:57:21.220

Evan Ryan: Não, não, você acertou em cheio. Como eu estava dizendo anteriormente, sabe, nós usamos aquele LLM como juiz. Então, usamos aquele outro modelo de IA basicamente para julgar e garantir que o que é considerado um bom resultado, e novamente, isso é pontuado dentro do

‍

00:57:21.850 --> 00:57:26.359

Evan Ryan: serviço de IA, para garantirmos que esses insights sejam precisos.

‍

00:57:26.880 --> 00:57:33.980

Evan Ryan: E vejo que há outra pergunta aqui sobre como garantimos que o insight

‍

00:57:34.260 --> 00:57:47.010

Evan Ryan: os insights ignorem certas entradas do relatório ou de uma perspectiva de relatório? O segredo para isso é, na verdade, focar bem no que você insere e introduz no

‍

00:57:47.130 --> 00:57:56.560

Evan Ryan: relatório sob a perspectiva de parâmetros. Como sabem, os usuários podem configurar o relatório de várias maneiras diferentes. Então.

‍

00:57:56.983 --> 00:58:18.620

Evan Ryan: Tive chamadas com um dos nossos usuários do programa de acesso antecipado que perguntava como excluir itens de linha ou unidades de negócio específicas, mas isso pode ser facilmente resolvido na seção de parâmetros, apenas desmarcando esses itens para que não sejam incluídos no relatório desde o início.

‍

00:58:25.120 --> 00:58:46.139

Mark Johnson: Parece que há algumas perguntas sobre como pensamos em aplicar o G. Smart à gestão de liquidez e de caixa, e isso é definitivamente parte do processo. Acho que isso remete a como chegamos ao risco, sendo essa a próxima área, impulsionada principalmente pelo feedback dos clientes.

‍

00:58:46.290 --> 00:59:13.600

Mark Johnson: Bem, estamos aplicando a mesma abordagem para planejamento de liquidez e outras partes da plataforma. Portanto, à medida que vocês tiverem ideias, casos de uso e interesse em ver o que foi mostrado hoje e como isso poderia ser aplicado a outros fluxos de trabalho diretamente na plataforma, estamos totalmente abertos a ouvir. No próximo slide, vocês encontrarão as minhas informações de contato e as do Evan também.

‍

00:59:16.710 --> 00:59:17.470

Evan Ryan: E.

‍

00:59:17.470 --> 00:59:18.140

Mark Johnson: Com isso. Talvez.

‍

00:59:18.140 --> 00:59:18.580

Evan Ryan: Pode falar!

‍

00:59:18.580 --> 00:59:21.189

Mark Johnson: Mais uma pergunta e depois passaremos para a última.

‍

00:59:21.190 --> 00:59:28.999

Evan Ryan: Sim, sim, eu ia dizer exatamente isso, vejo que há uma pergunta aqui. Como vocês fazem a previsão da primeira semana quando

‍

00:59:29.625 --> 00:59:44.620

Evan Ryan: o contas a receber e o contas a pagar estão fechando o razão no ERP. Isso pode ser algo que talvez fique fora desta área, mas especificamente sob a perspectiva do smart ledger. É onde esses dados de contas a receber e a pagar residem dentro

‍

00:59:46.100 --> 01:00:01.820

Evan Ryan: da solução. E então você pode usar regras de mapeamento para mapear esses dados de contas a receber e a pagar para a primeira semana da sua previsão. E, como o Mark disse, estamos atentos ao tempo. Então, acho que faz sentido passarmos para o último slide.

‍

01:00:02.960 --> 01:00:08.800

Mark Johnson: Sim. Então, pessoal, agradeço muito por terem dedicado uma hora conosco hoje

‍

01:00:08.960 --> 01:00:26.730

Mark Johnson: espero que o grande objetivo de aprender mais sobre o que está acontecendo no escritório do CFO, como pensamos sobre isso como empresa, tanto internamente do ponto de vista cultural quanto com o G. Smart como parte da nossa plataforma, tenha sido útil

‍

01:00:26.880 --> 01:00:46.830

Mark Johnson: e fiquem à vontade para tirar uma foto do código QR, onde vocês podem saber mais diretamente sobre o G. Smart. Ao mesmo tempo, minhas informações de contato e as do Evan estão listadas abaixo e, caso não tenhamos respondido à sua pergunta, garantiremos um retorno individual também.

‍

01:00:47.080 --> 01:00:52.489

Mark Johnson: Mais uma vez, obrigado a todos pela presença. Obrigado pelas perguntas excelentes.

‍

01:00:52.920 --> 01:00:55.970

Mark Johnson: e estou ansioso para trabalharmos juntos nesta jornada.

‍

01:00:57.160 --> 01:00:59.480

Evan Ryan: Obrigado. Tenham todos um ótimo dia.

‍