IA generativa na contabilidade: usos práticos e limites de precisão
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
IA generativa na contabilidade significa usar modelos de linguagem para redigir e resumir o trabalho contábil com muito texto (memorandos técnicos, pesquisa de normas, comentários de variações, ajuda com fórmulas, documentação) enquanto uma pessoa qualificada verifica cada valor, cada citação e cada conclusão antes de usá-los. Os modelos escrevem com fluência e rapidez. Não calculam de forma confiável, não conhecem o seu razão e podem afirmar uma norma errada com total convicção. Por isso, a pergunta útil não é "ela consegue fazer esta tarefa?", mas "que verificação a saída dela exige?"
Este guia é para CFOs, controllers, diretores financeiros e gerentes de contabilidade. Ele cobre as tarefas em que a IA generativa se paga, uma tabela de tarefa, adequação e verificação exigida, uma sequência de implantação e os modos de falha que importam em uma profissão em que os números são auditados. Para a visão mais ampla da IA na função, comece por IA em finanças.
Fatos Principais
- O guia de IA generativa do ICAEW diz que os modelos podem "inventar citações e referências" e "contradizer-se quando questionados", e alerta que as pessoas são propensas ao viés de automação, confiando demais no resultado da tecnologia (ICAEW, Generative AI guide: risks and limitations).
- O AICPA afirma que os deveres centrais de competência, zelo profissional, confidencialidade e independência continuam valendo quando se usa IA, e que a responsabilidade pelo produto de trabalho final permanece com o profissional, seja a ferramenta desenvolvida internamente ou por terceiros (Journal of Accountancy, AICPA Professional Ethics Division, agosto de 2026).
- Em consultas da equipe do PCAOB a grandes firmas de auditoria (julho de 2024), as firmas descreveram usar a IA generativa principalmente em trabalho administrativo e de pesquisa, como rascunhos iniciais de memorandos e pesquisa em orientações internas de contabilidade e auditoria, e disseram que a revisão humana da saída continua essencial (PCAOB staff Spotlight, julho de 2024).
- Em um estudo de 2025 com GPT-4o, o1, DeepSeek-V3 e DeepSeek-R1 em problemas de aritmética, álgebra e teoria dos números, os deslizes de procedimento foram o tipo de erro mais frequente, e a acurácia diferiu muito entre os modelos (Mathematical Computation and Reasoning Errors by Large Language Models, arXiv).
No que a IA generativa é boa na contabilidade e no que não é
A IA generativa prevê o texto mais provável. Isso é uma força em trabalhos feitos sobretudo de linguagem: resumir um contrato de arrendamento de 40 páginas, reescrever uma política em linguagem simples, redigir a primeira versão de um memorando a partir dos seus tópicos. É uma fraqueza em trabalhos que precisam estar exatamente certos: uma soma, uma taxa, uma referência de parágrafo, um limite.
Três limites orientam quase todos os controles deste artigo.
Ela inventa. Esse comportamento se chama alucinação de IA. O relatório da equipe do PCAOB observa que as firmas de auditoria reconhecem que o conteúdo generativo pode ser falso ou enganoso, ou tendencioso e enviesado, e que algumas firmas estão construindo ferramentas que documentam os dados de origem usados para que um revisor possa rastreá-los. Uma citação com aparência plausível a um parágrafo de norma que não existe é a versão contábil clássica.
Ela não é confiável em aritmética. Um modelo de linguagem não usa uma calculadora a menos que você lhe dê uma. O estudo do arXiv citado acima constatou que os deslizes de procedimento foram o erro mais comum entre os modelos testados. O modelo voltado a raciocínio nesse estudo se saiu muito melhor que os demais, então a distância está diminuindo, mas "melhor" não é "nível de razão contábil". Tudo o que o modelo calcula deve ser recalculado na sua planilha ou no seu sistema.
Ela não conhece os seus fatos. A menos que você forneça o balancete, o contrato ou a política, o modelo preenche as lacunas com premissas genéricas. Ancorá-lo nos seus documentos, por exemplo por meio da geração aumentada por recuperação, reduz isso, mas não elimina.
Tarefa por tarefa: adequação e verificação exigida
Esta tabela é o núcleo prático do artigo. A "adequação" é um julgamento de risco, não uma promessa de qualidade: reflete o quanto um erro não detectado poderia causar de dano e o quanto é fácil verificar a saída.
| Tarefa | Adequação | O que a IA faz | Verificação exigida antes do uso |
|---|---|---|---|
| Memorando técnico de contabilidade, primeiro rascunho | Boa, com revisão | Estrutura o memorando a partir dos seus fatos e da sua conclusão, redige o texto de contexto e de análise | O revisor técnico confirma cada citação de norma na fonte e confirma que a conclusão é sua, e não do modelo |
| Pesquisa de políticas e normas | Apenas ponto de partida | Resume uma norma, sugere onde procurar, lista perguntas a considerar | Leia você mesmo a norma primária. Trate qualquer citação ou referência de parágrafo como não verificada até encontrá-la na fonte |
| Comentário de variações | Boa, com revisão | Transforma tabelas de variações e as suas anotações sobre direcionadores em uma narrativa legível | O preparador confere cada número do texto com o demonstrativo e confirma cada causa citada com o responsável pelo orçamento |
| Apoio à conciliação | Mista | Explica itens incomuns, redige e-mails de acompanhamento, propõe prováveis motivos de correspondência para revisão | A conciliação e os totais vêm do seu sistema ou planilha, não do modelo. Uma pessoa resolve cada exceção |
| Fórmulas e macros de planilha | Boa, com testes | Escreve ou explica fórmulas, converte a lógica entre funções | Teste com entradas conhecidas e respostas conhecidas e verifique casos-limite como células vazias, negativos e limites de datas |
| Rascunhos de documentação de auditoria | Boa, com revisão | Redige narrativas de walkthrough, ajusta a redação dos papéis de trabalho, aponta seções ausentes | Quem executou o procedimento confirma que o texto corresponde ao que foi feito. Nunca deixe a IA descrever um trabalho que não foi realizado |
| Descrições de lançamentos contábeis e explicações de contas | Boa | Redige descrições claras e explicações em linguagem simples | Verificação por amostragem em relação ao lançamento. Risco baixo, volume alto |
| Cálculos (depreciação, arrendamentos, impostos, câmbio) | Ruim isoladamente | Pode explicar o método e esboçar as etapas | Calcule em uma planilha ou no sistema contábil. Use o modelo apenas para explicar o método |
| Posições tributárias finais e opiniões de auditoria | Inadequada | Pode resumir fatos ou redigir o contexto | O julgamento profissional e a aprovação formal ficam com a pessoa responsável |
| Qualquer coisa que envolva dados confidenciais de clientes ou funcionários | Somente em ferramentas aprovadas | Depende dos termos de dados da ferramenta | Use apenas ferramentas que a sua firma ou empresa aprovou, com os termos de tratamento de dados revisados |
O padrão: a IA é uma camada de redação e explicação. Tudo o que produz um número, uma citação ou uma conclusão passa por uma etapa de verificação que não depende do modelo.
Exemplos reais por função contábil
Contabilidade técnica e políticas. Um controller diante de um novo tipo de contrato pede ao modelo que esboce as perguntas que uma análise de reconhecimento de receita deve responder e que redija a seção de contexto a partir do resumo do contrato. O controller então escreve a conclusão, lê a orientação citada na própria norma e corrige o que o rascunho errou. O modelo poupou o tempo da página em branco; não fez o julgamento.
Planejamento financeiro e comentários de fechamento. No fim do mês, o analista cola a tabela de variações e algumas linhas sobre os direcionadores, e o modelo redige a narrativa. O risco aqui é sutil: o modelo pode reescrever um número um pouco errado ou inventar um motivo plausível para uma variação. Cada valor do parágrafo é conferido com o demonstrativo, e cada causa é confirmada com o responsável pelo orçamento. Os fluxos de trabalho financeiros relacionados são tratados em casos de uso de IA em finanças.
Contas a pagar e a receber. Os modelos ajudam a redigir acompanhamentos a fornecedores, resumir uma longa cadeia de e-mails sobre uma fatura contestada e explicar por que um pagamento não bateu. A conciliação em si pertence a ferramentas determinísticas, que é onde se encaixam os agentes de IA para finanças e a automação baseada em regras.
Auditoria e asseguração. O relatório da equipe do PCAOB descreve firmas usando IA generativa para rascunhos iniciais de memorandos e apresentações de auditoria e para pesquisa em orientações internas, e lista áreas que as firmas veem como candidatas futuras, como verificar se a documentação de auditoria está completa em relação aos requisitos de documentação. No mesmo relatório, algumas firmas disseram que não permitem a IA generativa em procedimentos de auditoria ou de atestação por causa de preocupações com privacidade de dados e confiabilidade. Se você é uma empresa que se prepara para uma auditoria, pergunte ao seu auditor qual é a política dele, porque isso afeta o que você pode entregar e como.
FP&A e Excel. Pedir a um modelo que escreva uma fórmula de busca, explique uma macro herdada ou transforme um SE aninhado em algo legível está entre os usos mais seguros, porque você pode testar o resultado imediatamente. O risco é colocar uma fórmula não testada em um modelo que alimenta o material do conselho.
Confidencialidade: o que entra no prompt
O prompt é uma divulgação. A orientação de ética do AICPA observa que as ferramentas públicas de IA podem usar as entradas dos usuários para treinar modelos futuros, de modo que os dados inseridos poderiam reaparecer em outro lugar, e que os membros em prática pública devem considerar se a informação é confidencial e se é necessário consentimento antes de inserir dados de clientes, conforme a Confidential Client Information Rule. Um artigo do Journal of Accountancy escrito por um diretor de controle de riscos de CPAs recomenda que as firmas proíbam informações confidenciais e proprietárias de clientes e da firma nas ferramentas de IA generativa, e que a equipe trate as entradas como trataria uma publicação em um site público (Journal of Accountancy, outubro de 2023).
Para uma equipe de finanças corporativas, as preocupações equivalentes são resultados não divulgados, informações de M&A, dados de folha de pagamento e contratos de clientes. A regra prática: decida por escrito quais classes de dados podem entrar em quais ferramentas aprovadas e faça da ferramenta aprovada o caminho mais fácil. As pessoas colam no que estiver aberto quando a opção aprovada é lenta.
Como introduzir a IA generativa na sua equipe de contabilidade
Comece com um inventário de tarefas. Liste as tarefas recorrentes que consistem sobretudo em escrever ou explicar: memorandos, comentários, e-mails, documentação, ajuda com fórmulas. Ordene por volume e pela facilidade de verificar a saída.
Escolha as ferramentas aprovadas e escreva a regra de dados. Diga quais ferramentas são permitidas, quais classes de dados podem entrar e quem decide as exceções. Revise os termos de dados do fornecedor com o jurídico ou a TI. Se os seus dados não estão organizados para isso, trabalhe primeiro a prontidão dos dados financeiros para IA.
Defina a verificação de cada tarefa. Use a tabela acima como modelo. Para cada uso, escreva quem verifica o quê: números conferidos com a fonte, citações encontradas na norma, conclusões de responsabilidade de uma pessoa designada.
Mantenha a pessoa responsável. O AICPA é explícito ao dizer que a responsabilidade permanece com o profissional. Incorpore a etapa de human-in-the-loop ao fluxo de trabalho e à aprovação formal, e não apenas à política.
Faça um piloto em um processo por um ciclo de fechamento. Escolha comentário de variações ou redação de memorandos. Meça o tempo de redação economizado, as correções encontradas na revisão e qualquer erro que chegou a um revisor sem ser detectado pelo preparador.
Decida como documentar o uso de IA. Algumas firmas pedem que a equipe informe quando a IA contribuiu para o trabalho, para que os revisores saibam que devem olhar com mais atenção. Decida se os seus papéis de trabalho registram a ferramenta, as entradas e a revisão.
Treine o ceticismo. O ICAEW recomenda o ceticismo profissional como a principal salvaguarda e sugere repetir a mesma pergunta para ver se as respostas variam. Ensine os revisores a tratar a saída como o trabalho de um colega confiante, mas inexperiente.
Revise a cada trimestre. Ferramentas, termos dos fornecedores e orientações profissionais mudam. Reveja as ferramentas aprovadas e as verificações em um cronograma.
Erros comuns
- Confiar em uma citação porque ela parece certa. Referências fabricadas são uma falha documentada. Encontre o parágrafo na norma antes de colocá-lo no memorando.
- Deixar o modelo fazer as somas. Mesmo quando ele mostra o raciocínio, recalcule. Uma explicação fluente de um total errado continua errada.
- Viés de automação na revisão. Os revisores leem o texto redigido por IA com menos senso crítico porque ele é bem escrito. O ICAEW cita diretamente o viés de automação. Atribua ao revisor a tarefa de verificar, não de revisar a redação.
- Documentar um trabalho que não foi feito. Um modelo a quem se pede uma narrativa de walkthrough descreverá um procedimento plausível. Se ele difere do que a equipe fez, o papel de trabalho é enganoso.
- Ferramentas não aprovadas. A equipe que usa contas pessoais para dados de clientes ou da empresa é uma quebra de confidencialidade esperando para acontecer. Ofereça uma opção autorizada.
- Ignorar a regra de dados. Políticas que dizem "tenha cuidado" não funcionam. Especifique as classes de dados e as ferramentas aprovadas.
- Esconder o uso de IA dos revisores. Se o revisor não sabe que uma seção foi redigida por máquina, ele não consegue calibrar o seu rigor.
Próximos passos
Se você está decidindo quais membros da equipe são responsáveis pela verificação e pelos padrões de prompts, leia IA e papéis na equipe financeira. Se prefere mapear a função inteira antes de escolher um piloto, casos de uso de IA em finanças os ordena por valor e risco. E, se você fizer só uma coisa neste trimestre, escreva a regra de uma página: ferramentas aprovadas, dados permitidos e a pessoa designada que verifica os números. Quando a regra existir, dê à rotina "redigir, verificar, aprovar" um lugar como tarefa atribuída com uma etapa de aprovação, em uma ferramenta de processos como o BPM da Rework, em vez de deixá-la como um hábito informal.
Head of Finance Strategy