Um estudo sobre planilhas empresariais constatou que 94% contêm pelo menos um erro crítico. O Citigroup certa vez transferiu $900 milhões a credores por causa de um erro de planilha. As operações da "Baleia de Londres" ("London Whale"), que custaram $6 bilhões ao JPMorgan, foram em parte resultado de um erro de copiar e colar no Excel. E em 2020, o sistema público de saúde da Inglaterra perdeu o rastro de 16.000 resultados de testes de COVID-19 porque uma planilha silenciosamente atingiu seu limite de linhas.
Agora, cada uma dessas planilhas propensas a erros está sendo entregue a um assistente de IA com o pedido de "apenas analisar isso." Esse é o subtexto incômodo por trás de uma afirmação que circula nos círculos financeiros este ano: o software tradicional de FP&A (planejamento e análise financeira), construído para humanos clicando em menus, está obsoleto. A provocação partiu de Didi Gurfinkel, CEO da Datarails, empresa de FP&A sediada em Tel Aviv que construiu seu nome resolvendo o "inferno do Excel" para equipes financeiras. Seu argumento, em resumo: a IA agora consegue construir modelos, executar análises e escrever relatórios mais rápido e melhor do que um humano jamais conseguiria — então qualquer ferramenta que limite o que a IA pode tocar já está atrasada.
Concorde ou não com a narrativa de que está "morto", a mudança subjacente merece atenção se você cuida das contas de uma pequena empresa, de uma equipe financeira enxuta de startup, ou mesmo apenas dos números da sua própria empresa em uma planilha.
O Que a Datarails Realmente Anunciou
A Datarails — que já captou $175 milhões em financiamento de capital de risco, incluindo uma rodada Série C de $70 milhões no início de 2026 — lançou uma plataforma chamada FinanceOS. Trata-se menos de um produto único do que de uma mudança de posicionamento: em vez de construir mais um painel fechado, a Datarails está apostando que as equipes financeiras continuarão usando qualquer ferramenta de IA que já preferem (Claude, ChatGPT, Microsoft Copilot) e que só precisam que os dados por trás dela sejam confiáveis.
O FinanceOS se conecta a centenas de sistemas de origem (software de contabilidade, ERPs, CRMs, folha de pagamento), realiza o trabalho pouco glamoroso de consolidação — eliminações, conversão de moeda, reconciliação de números vindos de três sistemas diferentes que não batem exatamente — e expõe o resultado a modelos de IA por meio de uma camada governada e auditável, usando o padrão Model Context Protocol. Uma vez que um modelo construído por IA existe, ele pode ser bloqueado para permanecer consistente mesmo enquanto os dados subjacentes continuam sendo atualizados.
O comentário incisivo de Gurfinkel sobre os concorrentes foi que os fornecedores mais antigos "já se foram... não têm caixa nem energia suficientes para reescrever a tecnologia," enquanto rivais mais novos e nativos de IA investiram pesado em interfaces sofisticadas, mas subinvestiram na pouco glamorosa camada de consolidação de dados — que, segundo ele, é na verdade a vantagem competitiva duradoura. A Datarails também está mudando seu modelo de precificação, deixando o licenciamento por assento em favor da cobrança por uso, partindo da tese de que agentes de IA, não humanos, serão cada vez mais os que "usam" o software.
O Paradoxo da Adoção de IA nas Finanças
A Datarails não é a única empresa a notar isso. Pesquisas setoriais sobre o uso de IA nas finanças corporativas continuam revelando o mesmo padrão intrigante: a adoção está crescendo, mas o impacto relatado mal se move. Um benchmark setorial de 2025 constatou que a parcela de equipes financeiras usando IA ativamente subiu apenas um ponto percentual ano a ano — de 58% para 59% — enquanto 91% das equipes financeiras disseram que as ferramentas de IA que já haviam adotado tiveram baixo impacto em seu trabalho real.
Esse é um resultado estranho para uma tecnologia tão poderosa. A explicação usual oferecida por CFOs e líderes financeiros não é que os modelos sejam ruins — é que os dados alimentados neles são. As equipes estão conectando uma IA genuinamente capaz a dados de origem genuinamente quebrados e depois se perguntando por que o resultado não ajuda.
O Verdadeiro Problema Não é a Falta de IA — É a Falta de Dados Governados
Aqui está a parte que importa mais do que o lançamento de produto de qualquer fornecedor: a adoção de IA dentro das equipes financeiras vem crescendo, mas o impacto dessa IA não acompanhou o ritmo. Múltiplas pesquisas setoriais de 2026 apontam para a mesma lacuna — as equipes estão ativando a IA mais rápido do que estão extraindo valor dela, e o motivo mais citado é a qualidade dos dados. Uma pesquisa amplamente citada com CFOs em 2026 constatou que 63% dos líderes financeiros acreditavam ter visibilidade total sobre os próprios dados de gastos, enquanto, na realidade, apenas cerca de 5% de fato tinham.
Essa lacuna é a história toda. Se as suas contas estão bagunçadas, conectar uma ferramenta de IA não corrige a bagunça — apenas a processa mais rápido e entrega uma resposta que soa confiante, mas foi construída sobre dados ruins. Modelos de IA não sabem de forma confiável quando estão errados. Eles vão citar uma regra fiscal que expirou há dois anos, ou resumir uma aba de planilha que nunca foi atualizada, com exatamente o mesmo tom de autoridade que usam quando estão certos.
Para uma pequena empresa, isso se manifesta de formas banais, mas custosas:
- Um resumo de fluxo de caixa gerado por IA que silenciosamente exclui uma conta bancária sobre a qual ninguém a informou.
- Um relatório de despesas "limpo" construído a partir de uma planilha na qual 3–5% das células com fórmulas contêm erros silenciosos — uma taxa que se mantém consistente nas pesquisas sobre erros em planilhas há duas décadas e só se agrava conforme as planilhas crescem.
- Uma resposta confiante sobre margem que, na verdade, está tirando a média de dois períodos fiscais diferentes porque uma aba foi copiada em vez de vinculada.
Nada disso é, na verdade, um problema de IA. É um problema de governança de dados que a IA tornou mais visível — porque agora a bagunça é resumida em um parágrafo em que você tende a confiar de bandeja mais do que confiaria em uma planilha crua e obviamente bagunçada.
O Que os Dados Financeiros "Prontos para IA" Realmente Exigem
Quer você chegue a usar um produto como o FinanceOS ou não, a disciplina subjacente que ele está vendendo vale a pena adotar por conta própria:
1. Uma única fonte da verdade, não uma pasta cheia de planilhas. Se "os números reais" estão espalhados por quatro pastas de trabalho com datas de última modificação diferentes, nenhuma IA sobreposta a elas vai reconciliá-los corretamente — ela vai apenas adivinhar qual é a atual.
2. Uma trilha de auditoria para cada número. Quando um valor muda, você deve conseguir responder por que ele mudou e quem (ou o quê) o alterou. É exatamente nisso que as planilhas são piores — uma fórmula sobrescrita por um número fixo não deixa rastro.
3. Modelos bloqueados e versionados. Uma projeção construída por IA só é útil se permanecer estável enquanto você a revisa. Se os dados subjacentes continuam mudando silenciosamente por baixo do modelo, você está revisando um alvo em movimento.
4. Governança antes da automação, não depois. O instinto é encaixar a IA em qualquer processo que já exista. As equipes que estão obtendo valor real fazem o contrário: limpam o plano de contas, padronizam a categorização e só então apontam a IA para ele.
5. Permissões que não dependem de "não mexa nessa aba." Em uma planilha compartilhada, o controle de acesso geralmente significa um acordo verbal para não editar certas células. Isso não é governança — é um hábito que se quebra assim que alguém novo entra na equipe. Qualquer sistema que armazene seus números deve impor quem pode mudar o quê, e não apenas torcer para que todos se lembrem das regras.
6. Um registro que sobrevive à ferramenta, não apenas ao fornecedor. O FinanceOS, como a maioria das plataformas de FP&A, é um sistema proprietário — útil, mas seus dados históricos vivem dentro do produto de outra pessoa. Vale perguntar de qualquer ferramenta que você adote: se você saísse amanhã, conseguiria levar consigo um histórico financeiro completo e legível, ou estaria reinserindo anos de transações manualmente?
Isso Realmente Mudaria Algo para uma Empresa de Cinco Pessoas?
É fácil ler "plataforma de FP&A" e presumir que essa é uma história de grande empresa. Na prática, o modo de falha é o mesmo em qualquer porte — só é menos visível em uma empresa de cinco pessoas porque ninguém audita sua planilha além de você mesmo.
Imagine uma pequena agência que acompanha a lucratividade de projetos em uma planilha compartilhada: uma aba por cliente, horas importadas de um controlador de tempo, despesas coladas de um extrato de cartão. Pergunte a um assistente de IA "quais clientes foram lucrativos no trimestre passado?" e ele vai ler alegremente cada aba e lhe dar uma lista classificada e confiante. O que ele não vai dizer é que duas abas de clientes usam uma fórmula de custos indiretos diferente do restante (copiada de um modelo antigo), e que os números de um cliente estão desatualizados há três semanas porque aquela aba não foi atualizada após a última rodada de faturas. A IA não tem como saber disso — ela apenas vê números em células e reporta sobre eles.
A solução não é necessariamente comprar software corporativo de FP&A. É garantir que, antes de qualquer IA tocar nos seus números, exista um único lugar onde esses números residem, um formato consistente que eles seguem, e um registro de quando cada valor mudou pela última vez. Isso é um problema de governança, não um problema de porte de empresa.
O Argumento a Favor de Contas em Texto Simples e com Controle de Versão
Essa é precisamente a lacuna que a contabilidade em texto simples foi criada para fechar, muito antes de "dados prontos para IA" virar jargão da moda. Um livro-razão mantido em formato de texto simples e com controle de versão possui, por construção, as propriedades que as equipes financeiras agora correm para encaixar em suas planilhas:
- Cada alteração é rastreada. O histórico do Git é a trilha de auditoria — nenhum registro de alterações separado para manter, nenhuma fórmula silenciosamente sobrescrita sem deixar rastro.
- Um único arquivo canônico, não uma pasta de pastas de trabalho "final_v3". Não há ambiguidade sobre qual versão é a atual.
- Dados estruturados e analisáveis. Como os lançamentos seguem um formato consistente de partida dobrada em vez de células de planilha em formato livre, uma ferramenta de IA que lê o livro-razão está trabalhando a partir de registros estruturados e auditáveis, em vez de adivinhar o que significa uma célula mesclada.
Se você é dono de uma pequena empresa, freelancer ou desenvolvedor independente atualmente gerenciando suas contas em uma planilha e se perguntando se deve entregá-la a um copiloto de IA, a solução mais duradoura geralmente é corrigir primeiro a escrituração subjacente.
Mantenha Suas Contas Prontas para IA Desde o Primeiro Dia
Seja qual for a ferramenta financeira que vencer nos próximos anos, os vencedores serão aqueles cujos registros subjacentes já eram confiáveis antes mesmo de uma IA tocá-los. O Beancount.io oferece contabilidade em texto simples que é transparente, com controle de versão e estruturada exatamente para esse tipo de escrutínio — sem planilhas de caixa-preta, sem fórmulas misteriosas, apenas registros auditáveis nos quais qualquer ferramenta (IA ou humana) pode confiar. Comece gratuitamente e construa suas contas sobre uma base pronta para o que vier a seguir.