Coreografia: cenários e sensibilidade com IA
A coreografia de usar IA para montar cenários e testar sensibilidade no financeiro: a máquina acelera o modelo, mas a premissa é sua e todo número que ela cospe é suspeito até você auditar a conta.
Você abre a IA pra decidir se lança a expansão agora ou espera o próximo trimestre, e em minutos tem três cenários de resultado prontos pra reunião de amanhã. Os números fecham, o gráfico é bonito, tudo parece pronto pra virar decisão. O problema aparece quando você olha de perto: o crescimento de 8 por cento ao mês embutido nos três cenários não veio de nenhum dado seu, e a linha de "custo de aquisição" que caiu sozinha entre um cenário e outro ninguém conferiu. A IA monta a árvore inteira num pedido; a premissa que sustenta cada galho continua sendo sua, e é ela que decide se a reunião parte de um número real ou de um chute bem vestido.
Um gestor pediu à IA uma projeção de fluxo de caixa para os próximos doze meses, com cenário otimista, base e pessimista. A IA devolveu um modelo completo em segundos. No cenário pessimista, ela assumiu que a inadimplência subia para 3 por cento e que a taxa de juros ficava estável. Bonito. Só que a empresa já estava com 7 por cento de inadimplência no mês corrente, e a IA tinha inventado o número de 3 por cento porque "parecia razoável". O cenário pessimista era, na verdade, otimista disfarçado.
Você vai abrir duas vagas e pede à IA pra projetar custo e prazo de contratação em três cenários. Ela devolve uma planilha caprichada, com tempo até preencher a vaga, custo por contratação e taxa de aceite de proposta, assumindo no cenário base que um a cada quatro finalistas aceita a oferta. Só que o seu histórico real é um a cada oito, porque a sua faixa salarial está abaixo do mercado. A premissa de aceite saiu da cabeça da IA, não do seu funil de recrutamento, e o cenário base já nasceu otimista: o prazo de contratação que você prometeu ao gestor está errado pela metade.
Você precisa decidir se antecipa o lançamento de uma feature ou espera o próximo trimestre, e pede à IA três cenários de adoção, retenção e receita incremental. Ela monta tudo rápido, com uma curva de adoção bonita, embutindo no cenário otimista uma adoção de 40 por cento nas primeiras quatro semanas. De onde veio esse número? A IA não olhou a sua base nem os dados da última feature parecida, que adotou 9 por cento; ela chutou um valor que "parece razoável" pra um produto qualquer. A priorização do roadmap inteira, e a PRD que sai dela, pode estar apoiada nesse chute.
Você está fechando o forecast do trimestre e pede à IA pra projetar o pipeline em três cenários de fechamento. Em segundos vem uma tabela limpa no formato do CRM, aplicando 30 por cento de conversão de proposta pra fechado no cenário base. Só que a conversão real do seu time, medida no HubSpot, é 18 por cento: a IA inventou os 30 porque é uma média de mercado, não a sua. Você ia levar esse forecast pro diretor comercial como se fosse o funil do seu time, quando na verdade era o funil de ninguém.
Você vai decidir se internaliza um processo de expedição ou mantém o operador logístico, e pede à IA três cenários de custo e SLA. Ela devolve um modelo completo, com custo por pedido, prazo de entrega e taxa de avaria, assumindo 2 por cento de avaria no cenário pessimista. Só que a sua operação atual roda em 6 por cento e ninguém alimentou esse dado no painel: a IA preencheu com um número que "parece razoável" pra uma operação saudável, não pra sua. O cenário que devia mostrar o pior caso está maquiando exatamente o problema que você tem hoje.
Você precisa dimensionar o risco de uma exposição regulatória e pede à IA três cenários de impacto financeiro de uma eventual sanção da LGPD. Ela monta a estrutura na hora, com probabilidade de autuação, valor da multa e custo de remediação, assumindo 10 por cento de chance no cenário base. De onde saiu isso? A IA não conhece o seu histórico com o regulador, não viu as três notificações que você recebeu este ano; colocou um número moderado pra um caso genérico. Esse cenário não é exercício, ele vai pra ata do comitê de risco e vira decisão de provisionar ou não, com premissa inventada e decisão contaminada.
Você vai decidir entre migrar pra uma nova infra agora ou daqui a um semestre, e pede à IA três cenários de custo e disponibilidade. Ela cospe um modelo bem-feito de custo de cloud, horas de engenharia e downtime esperado, assumindo no cenário otimista um SLA de 99,99 por cento e uma queda de 30 por cento no custo. De onde vem esse 30? A IA não tem os seus contratos nem o seu volume de tráfego real, não viu o último deploy que derrubou o sistema por duas horas; estimou com números de um caso ideal. A decisão de arquitetura está apoiada num downtime de fantasia.
Você vai decidir se refaz o fluxo de checkout agora ou continua iterando o atual, e pede à IA três cenários de impacto na conversão. Ela devolve uma planilha elegante de taxa de conclusão, abandono por etapa e ganho de receita, assumindo no cenário otimista que o novo fluxo reduz o abandono de 60 pra 20 por cento. De onde saiu esse 20? A IA não rodou teste com os seus usuários nem viu a sua última pesquisa de usabilidade; pegou um número que "parece razoável" pra um checkout bonito qualquer. A decisão de redesenho inteira está apoiada num ganho que ninguém mediu no Figma nem em campo.
Você está decidindo se entra num novo mercado agora ou espera dois anos, e pede à IA três cenários de market sizing e penetração pro deck do board. Ela monta TAM, SAM, SOM e curva de adoção numa planilha elegante, assumindo 12 por cento de conversão nos dois primeiros anos. De onde veio esse 12 por cento? A IA não tem os seus dados de conversão em mercados parecidos, não viu o seu último lançamento que converteu 4. Ela pegou um número que "parece razoável" pra um mercado genérico qualquer, e a decisão de entrada inteira, a que o board vai bater o martelo em cima, está apoiada numa taxa que ninguém do seu negócio validou.
Putz, pensa comigo um segundo. Montar cenário financeiro sempre foi a parte chata: abrir a planilha, duplicar as abas, mudar uma célula aqui, refazer a fórmula ali, e no fim você tinha um cenário só porque não deu tempo dos outros dois. A IA muda esse jogo de verdade. Ela monta a estrutura, gera as variações e ainda escreve a explicação enquanto você toma o café. O problema é que a velocidade engana. Ela te entrega dez cenários no tempo de um, mas se a premissa estiver torta ou se ela inventar um número no meio do caminho, você não acelerou nada. Você só errou mais rápido, com gráfico bonito por cima.
A ideia central desta aula. A IA é a melhor montadora de cenários que você já teve, mas ela não é dona de nada. Em cenário financeiro, a regra é dupla e inegociável: a premissa é SUA, escrita e defensável, porque é leitura de mundo, não conta; e todo número que a IA cospe é suspeito até você auditar a conta. A máquina explora; você decide o que o cenário quer dizer e assina embaixo.
01A coreografia: quem faz o quê
Cenário não é adivinhação, é uma dança com passos definidos. E nessa dança você e a IA têm papéis diferentes que não podem se misturar. Quando se misturam, o cenário desaba.
A IA é boa em três coisas, e só nessas três. Ela estrutura o modelo: monta o esqueleto da planilha, organiza as linhas de receita, custo, margem, fluxo de caixa. Ela gera as variações: a partir de uma premissa que você dá, ela calcula o otimista, o base e o pessimista sem você duplicar aba nenhuma. E ela escreve a explicação: transforma a tabela seca num parágrafo que o sócio entende. Isso é trabalho braçal de modelagem, e a máquina faz em minutos o que te tomava a tarde.
O que continua seu, e fica mais caro justamente porque a parte fácil sumiu, é a premissa. Qual crescimento é razoável para o seu mercado neste momento? A taxa vai subir ou ficar estável? O custo de aquisição segue o histórico ou tem motivo para mudar? Isso não é conta, é leitura de mundo. É você olhando para o seu setor, seus clientes, o cenário macro, e fazendo uma aposta informada. A IA não tem o seu contexto e, quando não tem, ela inventa um que "parece razoável". Guarde essa palavra, porque ela é a origem de quase todo desastre desta aula.
02A árvore de cenários: otimista, base, pessimista
Cenário não é um número, são três caminhos a partir do mesmo ponto de hoje. Pensa numa estrada que se divide. O ponto de partida é a sua realidade atual, conhecida e auditada. Daí saem três galhos.
O cenário base é a sua aposta mais honesta: o que provavelmente vai acontecer se nada de extraordinário ocorrer. O otimista é o galho de cima: as coisas correm bem, o crescimento vem, o custo se comporta. O pessimista é o galho de baixo: a venda desacelera, o custo sobe, algo trava. A graça de montar os três não é prever o futuro, é desenhar a faixa dentro da qual o futuro provavelmente vai cair. Se até o seu cenário pessimista te deixa de pé, você decide com tranquilidade. Se o base já te aperta, você decide com cuidado.
A IA monta essa árvore inteira num pedido. Mas repare onde mora o perigo: cada galho depende de uma premissa que você precisa ter dado de propósito. Se você deixar a IA "escolher" o crescimento do otimista e a inadimplência do pessimista, ela vai preencher com números que parecem plausíveis e não são os seus. A árvore fica linda e mente nos três galhos ao mesmo tempo.
03Sensibilidade: qual variável move o resultado
Aqui mora a pergunta que separa quem brinca de planilha de quem decide com método. Todo cenário tem várias variáveis: crescimento, taxa de juros, custo de aquisição, prazo de recebimento, inadimplência. Mas elas não pesam igual. Algumas você mexe muito e o resultado mal se move. Outras você mexe dois pontinhos e o resultado vira de cabeça para baixo. Análise de sensibilidade é descobrir quais são essas segundas.
A coreografia é simples e a IA acelera demais essa parte. Você fixa tudo no cenário base e pergunta: "e se a taxa subir 2 pontos, mantendo o resto igual? E se o custo de aquisição subir 20 por cento? E se o prazo de recebimento esticar 15 dias?". Uma de cada vez. A IA recalcula o resultado em cada caso e você vê, preto no branco, qual variável é a alavanca e qual é o detalhe. A alavanca é onde você precisa de premissa firme e de plano B. O detalhe você pode estimar grosseiro sem perder o sono.
Por que isso importa tanto? Porque foco é recurso escasso. Se a taxa de juros é a variável que decide o seu fluxo de caixa, é nela que você gasta sua energia de leitura de mundo, é dela que você precisa ter um número defensável. Discutir três horas sobre uma variável que move o resultado em 1 por cento é desperdício. A sensibilidade te diz onde olhar. Mas atenção ao mesmo perigo de sempre: quando a IA recalcula cada caso, ela pode trocar um sinal, somar errado ou citar uma conta que não fez. O recálculo é dela; a conferência é sua.
04O perigo central: a IA inventa número com cara de certeza
Agora o ponto que dá nome ao risco, e que você precisa levar gravado. A IA não erra como uma calculadora quebrada, que trava e avisa. Ela erra com confiança. Ela cospe um número redondo, bem formatado, dentro de uma frase segura, e esse número simplesmente não veio de conta nenhuma. Ela citou um total que não somou. Trocou um sinal e a despesa virou receita. Assumiu uma inadimplência de 3 por cento porque "parecia razoável", enquanto a sua estava em 7. Tudo isso com a mesma cara de certeza do número que estava certo do lado.
É aqui que o frame financeiro fica inegociável. Num texto de marketing, um número errado é um deslize. Num cenário financeiro, um número errado vira decisão errada: você contrata quando devia segurar, ou segura quando devia contratar. O cenário não é enfeite, ele alimenta uma escolha real, com dinheiro real. Por isso a regra é dura e simples: todo número que a IA cospe é suspeito até você auditar a conta. Não "confio porque pareceu certo". Você abre, refaz a soma na ponta do lápis ou numa célula sua, confere o sinal, checa se a premissa que ela usou é a que você deu. Se não bate, o cenário inteiro está contaminado.
Isso liga direto com a aula 4.4, de governança da execução. Lá o princípio era "o Claude que fez" não é desculpa: saiu com o seu nome, você assina. Em cenário, é a mesma coisa elevada ao quadrado, porque o cenário vira decisão. E liga também com o mapa dos Três Movimentos: antes de agir sobre um cenário, pergunte qual a reversibilidade da decisão. Contratar dois vendedores com base num cenário e descobrir que o número era inventado é caro de desfazer. Quanto menos reversível a decisão, mais cara fica a sua auditoria, e mais firme precisa ser a sua premissa. A IA te deixa explorar dez cenários no tempo de um. Maravilha. Mas um número errado num desses dez, levado a sério, vale por todos os dez juntos com sinal trocado.
Faça agora
Pegue uma decisão financeira real que está na sua mesa (a sua tarefa real serve bem): contratar, investir, mudar preço, antecipar um pagamento. Vamos rodar a coreografia completa em quatro passos.
- PREMISSA SUA: antes de abrir a IA, escreva à mão as três premissas centrais (ex.: crescimento mensal, taxa, custo de aquisição) e, ao lado de cada uma, UMA frase defensável de por que esse número é razoável para o SEU mundo. Se você não consegue defender, a premissa ainda não é sua.
- ÁRVORE: peça à IA para montar o modelo com otimista, base e pessimista usando EXATAMENTE as suas premissas (não deixe ela escolher nenhum número). Mande explícito: "use estes números, não invente outros".
- SENSIBILIDADE: fixe o base e peça, uma de cada vez: "e se a taxa subir 2 pontos? E se o custo subir 20 por cento? E se o prazo esticar 15 dias?". Anote qual variável move mais o resultado. Essa é a sua alavanca.
- AUDITORIA: escolha os 3 números mais importantes do cenário e refaça a conta você mesmo, na ponta do lápis ou numa célula. Confira o sinal. Confira se a premissa usada foi a que você deu. Só depois disso o cenário tem permissão de virar decisão.
Se você travou no passo 1, ótimo: a parte cara do trabalho era exatamente essa, e agora você sabe disso.
Pratique
1. Na coreografia de montar cenários com IA, o que continua sendo SEU e fica mais caro justamente porque a parte braçal sumiu?
2. Você fixou o cenário base e testou: taxa +2 pontos vira o resultado de cabeça para baixo, enquanto custo de aquisição +20 por cento quase não mexe. O que essa análise de sensibilidade te diz?
3. A IA devolveu um cenário pessimista lindo, mas assumiu inadimplência de 3 por cento quando a sua já está em 7 por cento. Qual é a regra correta para lidar com isso?
Beleza? O recado fecha simples. A IA é a melhor montadora de cenários que você já teve: ela te deixa explorar dez futuros no tempo que antes dava para olhar um. Mas montadora não é dona. A premissa é leitura de mundo e continua sua, escrita e defensável. E todo número que a máquina cospe é suspeito até você refazer a conta, porque no financeiro um número errado não é um deslize, é uma decisão errada com dinheiro de verdade. Use a velocidade para explorar mais. Use a sua cabeça para escolher a premissa e auditar o resultado. É essa dupla que transforma a IA de risco solto em alavanca de decisão.
Para o quadro
Sobre a premissaé leitura de mundo, não conta. Quando a IA não tem o seu contexto, ela inventa um que parece razoável.
Sobre a sensibilidadeela mostra onde olhar. A variável que vira o resultado de cabeça para baixo merece a premissa mais defensável.
Sobre o riscono financeiro o cenário vira decisão. Número inventado vira escolha errada.
Valeu pelo feedback. Isso ajuda a afiar a próxima aula.