.png)
Fundação de dados no financeiro é a camada de fontes conciliadas e sistemas integrados (banco, ERP, fiscal) sobre a qual um agente de IA opera. Sem ela, o agente só automatiza o erro mais rápido.
Um CFO contou à EY, numa mesa-redonda de dezembro de 2025, que gastou entre US$1 e US$2 milhões em IA para economizar US$100 mil. A conta não fecha, e a primeira reação de todo mundo é culpar o modelo: comprou a ferramenta errada, o fornecedor prometeu demais, o caso de uso não era esse. Quase nunca é isso. Na maior parte das operações financeiras, o agente até funciona. O que não funciona é o chão onde ele pisa.
A regra que ninguém quer ouvir
A EY tem um número para esse desperdício. Traci Gusher, líder de IA e dados da EY Américas, recomenda: para cada R$1 gasto em IA, planeje gastar R$20 em dados. Vinte para um. Traduzindo a proporção, a IA é só uns 5% do esforço; os outros 95% são o dado embaixo dela. Quem inverte essa conta, e é a maioria, entra no que ela chama de "ciclo interminável de tentar descobrir por que sua IA não está entregando valor". A frase é dura, mas descreve bem o que a gente vê: time animado com o agente, orçamento todo no agente, e o dado embaixo continua uma bagunça de três sistemas que não conversam.
Não é opinião solta. Quando a KPMG perguntou, no Global AI in Finance 2026, quais os maiores obstáculos para escalar IA nas finanças, os dois primeiros da lista não foram modelo nem talento. Foram qualidade e integridade dos dados, e integração entre sistemas. O modelo é o fim da fila.
Faz sentido quando você olha de perto. Um agente de conciliação é tão bom quanto a base que recebe. Se o extrato do banco e o lançamento do ERP chegam com identificadores diferentes, datas diferentes e formatos diferentes, o agente não concilia coisa nenhuma. Ele devolve uma pilha de divergências que alguém vai ter que investigar na mão, do mesmo jeito de antes, só que agora com uma licença de IA no boleto.
O Brasil está correndo na direção errada
E o Brasil está acelerando. Segundo o estudo ABES/IDC Mercado Brasileiro de Software 2026, citado pela TI Inside, a IA agêntica já figura entre as prioridades de TI de 23% das organizações, e a generativa, de 37%. A KPMG registra que o uso ativo de IA nas finanças mais que dobrou desde 2024. A adoção não é o problema. O problema é o que ela reportou no mesmo estudo: o Brasil acelera, mas ainda não sabe medir o retorno. Difícil medir retorno de um agente que roda em cima de dado que ninguém arrumou.
Tem um detalhe que agrava tudo. A mesma KPMG mostra que as empresas com governança, controle e supervisão humana capturam de três a seis vezes mais valor do que as que rodam IA solta. Governança aqui não é papelada, é saber de onde o dado veio, se ele fecha e quem mexeu nele. Ou seja, o trabalho chato da fundação não só destrava o ROI, ele multiplica.
A fundação que dá trabalho
Montar essa fundação é o oposto de glamouroso. São três frentes que ninguém coloca no pitch.
A primeira é conciliar as fontes de verdade, casando banco e ERP pela mesma chave, com as divergências tratadas antes de o agente encostar. A segunda é integrar os sistemas que hoje não se falam, sem arrancar o ERP que a empresa levou anos para implantar. A terceira é deixar tudo rastreável, com registro de cada lançamento e de cada decisão automática, porque sem isso a governança que multiplica o retorno não existe.
Sejamos diretos: isso é trabalho de engenharia e de finanças ao mesmo tempo, não é assinar uma ferramenta. E é exatamente por isso que a maioria pula essa parte. Comprar um agente é fácil, cabe num cartão de crédito corporativo. Arrumar dez anos de dado sujo espalhado em quatro sistemas não cabe, e dá muito mais trabalho de justificar numa reunião de orçamento.
Onde nós entramos
Os squads de IA da Barte vendem o R$20, não o R$1. Antes de qualquer agente, a gente concilia banco e ERP com match feito por IA e as divergências sinalizadas em tempo real, integra os sistemas que já existem sem substituir o que funciona, e deixa cada lançamento com trilha de auditoria completa. É a fundação de dados montada por gente que entende de engenharia e de financeiro na mesma mesa. Só depois disso o agente entra, e aí ele entrega: conciliação que caía cinco dias passa a levar quatro horas, fechamento de dez dias fecha em menos de 24 horas, com até 70% do trabalho manual fora da mesa do time.
A diferença é essa. Quem compra o agente primeiro fica no ciclo interminável da Gusher. Quem monta a fundação primeiro capta o retorno que os outros só reportam por otimismo.
A pergunta que separa fundação de enfeite: antes de ligar o agente, meu dado fecha? Banco e ERP batem pela mesma chave, com histórico rastreável de cada lançamento? Se a resposta for "mais ou menos", o agente vai automatizar o "mais ou menos", e nenhum modelo conserta isso.
Se o dado não fecha, a IA não tem o que colher. Ela só acelera o retrabalho que já existia.
Perguntas frequentes sobre IA no financeiro e dados
Por que a IA no financeiro não entrega o retorno esperado? Na maioria dos casos o problema não é o modelo, é a fundação de dados. Fontes que não conciliam e sistemas que não conversam fazem o agente trabalhar sobre dado errado, o que gera retrabalho em vez de economia.
O que significa a regra de "R$1 em IA para R$20 em dados"? É a proporção que a EY recomenda: para cada real investido no modelo, cerca de vinte devem ir para preparar e integrar os dados. Inverter essa conta é o caminho mais comum para gastar muito e economizar pouco.
Qual o primeiro passo para ter retorno com IA no financeiro? Conciliar as fontes e integrar os sistemas antes de automatizar. A KPMG aponta qualidade dos dados e integração entre sistemas como os dois maiores obstáculos para escalar IA nas finanças.
Por que governança aumenta o retorno da IA em vez de atrasar? Porque saber de onde o dado veio, se ele fecha e quem o alterou é o que torna a decisão do agente confiável. A KPMG mostra que empresas com governança e supervisão humana capturam de três a seis vezes mais valor.
Como a Barte trata a fundação de dados antes da IA? Os squads de IA da Barte conciliam banco e ERP com match por IA, integram os sistemas existentes sem substituí-los e mantêm trilha de auditoria por lançamento, montando a base sobre a qual os agentes passam a operar com retorno mensurável.
.png)
.png)
.png)
