A maior parte das expectativas sobre IA em Finanças ainda parte da lógica de eficiência: fechamento contábil mais rápido, menos erros, custo mais baixo. Os dados do recente relatório da KPMG contam uma história diferente. O uso ativo de IA na função financeira saltou de 30% para 75% das organizações em apenas dois anos, mais do que o dobro. Hoje, 76% das organizações usam IA de forma ativa em planejamento financeiro, e 71% afirmam que a IA está atendendo ou superando as expectativas de retorno sobre investimento (ROI) na função financeira.
Mas adoção ampla não é o mesmo que desempenho excepcional. Quando a pergunta é sobre resultados que superam as expectativas (e não apenas aqueles que atendem as expectativas), o percentual cai para 23%. Essa diferença entre “adoção” e “excelência” é um dos fios condutores do relatório: a maioria das organizações já adota IA, mas uma fração bem menor está de fato extraindo ganhos de desempenho superiores. O achado é consistente com o que o “KPMG Global AI Pulse” observou em nível corporativo: a adoção de IA está avançando mais rápido do que a capacidade das empresas de converter IA em performance em escala.
O relatório destaca onde os ganhos realmente se concentram: no ano anterior à pesquisa, 70% das organizações relataram melhora na qualidade da tomada de decisão, 71% relataram melhora na velocidade de decisão e 64% relataram melhora na precisão de previsões (forecast accuracy), todos medidos como melhora moderada ou significativa. Esses são exatamente os processos que exigem julgamento humano complexo, não tarefas transacionais repetitivas. Os processos transacionais também melhoram, mas em margens menores. A leitura da KPMG é que o “trabalho pesado em julgamento”, o que inclui planejamento, previsão, avaliação de risco, é onde historicamente se acumulou mais fragilidade (dados inconsistentes, ferramentas subinvestidas, julgamento manual embutido nos números) e, por isso, é onde a IA tem mais espaço para gerar valor.
Quando a IA Agêntica – sistemas capazes de planejar, raciocinar, agir e aprender de forma autônoma ou semiautônoma para atingir objetivos – é isolada como categoria, o efeito fica mais evidente: entre as organizações que avançaram com IA Agêntica nos últimos seis meses, o desempenho é pelo menos 32% mais forte em métricas-chave de Finanças, e essa vantagem sobe para quase 40 pontos percentuais em precisão de previsões e ROI. Segundo o relatório, o valor mensurável mais citado pela IA Agêntica está associado a três frentes: capacidade de crescimento (36%), experiência do cliente (35%) e maior capacidade de resposta a mudanças nas condições de negócio (32%).
Onde a vantagem se concentra: setores, IA agêntica e a lacuna competitiva
O relatório da KPMG indica que a vantagem da IA não está distribuída de forma uniforme entre os setores. Os bancos (Banking) lideram em cinco das seis métricas financeiras medidas, o que a consultoria atribui à pressão regulatória histórica por dados limpos e organizados, algo que já preparou o terreno para a IA. Os setores de Tecnologia e Serviços Financeiros, por sua vez, estão mais avançados em implantação agêntica, refletindo maturidade digital e pressão competitiva por otimização de capital.
Do outro lado, Saúde (Healthcare) fica atrás em cinco das seis métricas comparadas, e a distância chega a ser grande: no indicador de precisão de previsão, Bancos registram 71% de melhora moderada/significativa contra 44% da Saúde, uma diferença de 27 pontos percentuais.
O relatório também traz um recorte específico comparando os setores com melhor e pior desempenho em cada métrica (excluindo setores com base amostral abaixo de 30 respondentes, como Seguros, Governo, Life Sciences e Private Equity):
- Eficiência de fechamento contábil: a diferença entre o setor líder (Bancos, 76%) e o setor mais atrasado (Saúde, 47%) é de 29 pontos, a maior lacuna entre as métricas analisadas
- ROI: a diferença é de 23 pontos (Bancos com 70% contra Saúde com 47%)
- Qualidade de decisão: 21 pontos (Bancos 77% contra Saúde 56%, com média geral de 70%, o mesmo número citado no resumo executivo do estudo)
- Velocidade de decisão: 16 pontos
- Redução de erros: 15 pontos, sendo esta a métrica com a menor lacuna setorial, o que a KPMG atribui ao fato de esse ser um processo já mais padronizado historicamente.
A KPMG também isola o efeito da maturidade em IA Agêntica: organizações nos estágios de “orquestração” e “múltiplos agentes” superam as que ainda estão em planejamento inicial por 32 pontos percentuais em média, considerando o conjunto de métricas financeiras, e por quase 40 pontos nas métricas mais decisivas (precisão de previsão e ROI). Em números absolutos, as organizações classificadas como “deployers” de IA Agêntica (nos estágios de escala, orquestração ou múltiplos agentes) relatam 76% de melhora moderada/significativa média nas métricas de desempenho, contra 44% entre as não implantadoras (ainda em planejamento ou sem planos).
Essa liderança setorial não é resultado de gasto maior, e sim de disciplina prévia: dados limpos, controles rígidos e cultura de evidência. Uma vez que a IA encontra essa base, os ganhos se acumulam e, segundo a KPMG, essa vantagem está se ampliando, não se estreitando, porque os setores que já tinham disciplina de dados estão compondo cada novo investimento em IA sobre uma base mais sólida.
Governança e controles: de freio a motor de confiança
A governança nem sempre recebe o louvor merecido dentro do setor financeiro. Ela costuma ser vista como um freio à adoção de IA, algo que atrasa, adiciona burocracia, reduz velocidade. Os dados da KPMG mostram o oposto: as organizações com controles mais fortes desempenham melhor e escalam com mais confiança. Esse é o núcleo do framework “Trusted AI” da KPMG (lançado em 2023 e atualizado em 2025 para IA Agêntica), construído sobre três princípios – orientação a valores, centralidade humana e confiabilidade – e operacionalizado em dez pilares éticos: justiça, transparência, explicabilidade, responsabilização, integridade dos dados, confiabilidade, segurança, safety, privacidade e sustentabilidade. As organizações que conseguem produzir evidências de auditoria relacionadas à IA de forma eficiente e sem disrupção, o que a KPMG chama de “assurance-ready” (prontas para a garantia/auditoria), relatam de três a seis vezes a taxa de melhora significativa em comparação com as que não conseguem. Esse padrão se repete em todas as métricas financeiras medidas: por exemplo, na redução de erros, 33% das organizações “assurance-ready” relatam melhora significativa, contra apenas 6% das que não têm essa capacidade, a mesma proporção de três a seis vezes aparece também em eficiência de fechamento, precisão de previsão e ROI.
A medição formal também importa, embora de forma secundária diante da governança. Organizações que rastreiam formalmente indicadores (KPIs) relacionados à IA superam as que não rastreiam: 68% das que fazem esse acompanhamento relatam melhora moderada/significativa em ROI, contra 58% das que não fazem — uma diferença de 10 pontos. Mas o relatório é claro ao hierarquizar os fatores: saber o que medir ajuda, mas ter os controles e as evidências para agir sobre essa medição é o que de fato produz resultado. A prontidão para auditoria (assurance readiness) se mostra, nos dados, um preditor mais forte de melhora de desempenho do que o simples rastreamento de KPIs.
A supervisão humana completa esse quadro. Segundo o estudo, 33% das organizações estão aumentando a supervisão humana no processo (“human-in-the-loop”) como resposta direta a preocupações relacionadas à IA. Em Finanças, área em que escrutínio regulatório e julgamento profissional moldam cada resultado, esse envolvimento humano tende a produzir resultados mais confiáveis e é parte do que sustenta a confiança necessária para escalar o uso da tecnologia.
O relatório dedica uma seção específica à “assurance readiness”, apontando-a como o preditor mais forte de melhora de desempenho entre todos os fatores estudados — e, ainda assim, menos da metade das organizações a possui. Apenas 42% de todas as organizações se dizem fortemente “assurance-ready”. Entre as líderes em IA agêntica (nos estágios de orquestração ou desenvolvimento de múltiplos agentes), esse número sobe para 60% — uma evidência de que mesmo na ponta mais avançada ainda existe uma lacuna relevante a fechar.
O documento observa que as vulnerabilidades que mais preocupam os líderes financeiros não mudaram desde 2024: segurança cibernética, qualidade e precisão de dados continuam no topo da lista (a comparação entre as ondas de pesquisa de 2024 e 2026 é direcional, já que a formulação da pergunta mudou). O que mudou foi a exposição: a IA deixou de ser experimental, e o custo de erros escalou junto com a adoção. Outro dado revelador: apenas 29% das organizações rastreiam formalmente onde a adoção de IA falha, a maioria acompanha os resultados entregues pela IA, mas poucas construíram as trilhas de auditoria, a documentação e as evidências que explicam como esses resultados foram produzidos. O resultado é uma visibilidade parcial: as empresas veem o que a IA está entregando, mas não necessariamente por que ela falha ou onde está exposta.
Quatro prioridades para transformar adoção em performance
A partir dos insights trazidos pelo relatório, a KPMG sintetiza quatro prioridades para líderes financeiros, todas conectadas ao framework Trusted AI da KPMG (prontidão e conformidade, transformação de risco e monitoramento de risco):
Reenquadrar o investimento em IA em torno de valor, não de tarefas, direcionando recursos para onde a IA produz os maiores retornos: planejamento, previsão, avaliação de risco e análise comercial, priorizando casos de uso em que o julgamento humano é central para o resultado.
Transformar medição em execução: ir além do simples rastreamento de KPIs e construir a infraestrutura de prontidão para auditoria que torna a medição acionável, o dividendo de desempenho da medição é real, mas se multiplica quando combinado com controles que permitem agir sobre o que os dados revelam.
Tratar governança e controles como pré-requisito para competir, não como custo de conformidade: organizações com controles mais fortes escalam mais rápido e apresentam resultados significativamente melhores. O inverso também é verdadeiro: sem eles, as empresas enfrentam disrupção, atraso regulatório e erosão da confiança das partes interessadas.
Moldar a força de trabalho total, não apenas o treinamento: capacitação é necessária, mas insuficiente. As funções financeiras precisam de pessoas capazes de operar na interseção entre inteligência organizacional, expertise financeira e fluência em dados, somadas a julgamento ético, pensamento crítico e gestão de risco – habilidades para governar decisões tomadas mais rápido do que nunca. A recomendação da KPMG é que os CFOs revisem e atualizem o planejamento da força de trabalho a cada seis a nove meses.
O relatório resume o “e agora” para líderes financeiros em quatro movimentos:
- Direcionar o investimento em IA para o trabalho crítico à decisão, não apenas para eficiência transacional
- Embutir governança, controles e prontidão para auditoria desde o início da implantação de IA
- Construir medição que gere evidência, não apenas métricas
- Desenvolver uma força de trabalho capaz de questionar, interpretar e agir sobre os insights gerados por IA.
Segundo a KPMG, a confiança – viabilizada por medição, auditabilidade, explicabilidade e supervisão humana – não é um subproduto da conformidade, mas um pré-requisito para escalar; onde a confiança é fraca, os resultados da IA são questionados, subutilizados ou limitados.