IA na análise de crédito: o que delegar e o que não delegar
IA na análise de crédito: 7 tarefas para delegar e 5 para não delegar
IA na análise de crédito já deixou de ser uma discussão sobre o futuro. A tecnologia está disponível, as ferramentas evoluem rapidamente e parte das atividades que consomem horas do analista pode ser executada em poucos minutos.
Por isso, agora, em vez de perguntar se a inteligência artificial será utilizada na gestão de risco de crédito, talvez seja mais útil perguntar: o que podemos delegar à IA e o que não deveríamos delegar?
Essa distinção é importante, porque a análise de crédito B2B envolve infoormações financeiras e não financeiras, números, informações cadastrais, demonstrações financeiras, comportamento de pagamento, mercado, estratégia empresarial e projeções. O objetivo central dessa análise é decisão de crédito. E decisão de risco exige julgamento.
É justamente aí que está a fronteira entre utilizar inteligência artificial para aumentar a capacidade do analista e simplesmente transferir para uma tecnologia uma responsabilidade que continua sendo humana.
IA na análise de crédito não significa análise automática
Quando comecei a trabalhar com crédito, em 1987, o acesso à informação era completamente diferente do que temos hoje.
O trabalho dependia muito mais da capacidade de reunir informações, organizar documentos, fazer cálculos e construir uma visão sobre a empresa analisada.
Com o tempo, surgiram bureaus mais sofisticados, bancos de dados, sistemas de decisão de crédito, modelos estatísticos, scores e ferramentas de automação.
Com o surgimento, desenvolvimento e utilização da inteligência artificial tivemos a maior transformação dessa trajetória até agora. A IA generativa não apenas processa dados. Ela consegue interpretar textos, resumir documentos, estabelecer relações entre informações, identificar padrões e produzir análises em linguagem natural.
Isso aumenta enormemente sua utilidade para a área de crédito. Ao mesmo tempo, aumenta o risco de utilizá-la de maneira inadequada.
O NIST, órgão norte-americano responsável por padrões e tecnologia, chama atenção para um problema particularmente relevante da IA generativa: a possibilidade de produzir informações incorretas ou falsas e apresentá-las de maneira convincente. O risco se torna ainda mais importante quando a tecnologia participa de decisões com consequências relevantes. Por isso, a questão não é simplesmente automatizar.
É necessário decidir onde a automação agrega eficiência e onde o julgamento profissional precisa prevalecer.
7 tarefas que podem ser delegadas à IA na análise de crédito
1. Pesquisa inicial sobre a empresa
Uma parcela importante do tempo de uma análise é dedicada à compreensão da empresa.
O que ela faz? Em qual mercado atua? Quem são seus clientes? Qual é seu posicionamento? Existem notícias relevantes? O setor está crescendo ou enfrentando dificuldades?
A IA pode acelerar muito essa primeira etapa.
Quando conectada a fontes adequadas e atualizadas, pode organizar informações públicas, pesquisar acontecimentos relevantes, identificar características do setor e estruturar uma visão inicial da empresa. Mas as fontes precisam ser verificadas.
Uma informação aparentemente secundária pode alterar a interpretação do risco. Por isso, pesquisa automatizada não significa informação automaticamente confiável. A máquina buscará fontes de informações no mercado, mas é necessário verificar se as fontes são confiáveis e, se possível, indicar onde buscar essas informações.
2. Organização das demonstrações financeiras
Balanços patrimoniais, demonstrações de resultado, fluxos de caixa e notas explicativas contêm grande quantidade de informação. Boa parte do trabalho necessário para transformar esses documentos em uma base estruturada pode ser automatizada.
A IA pode ajudar na identificação de contas, reclassificação, padronização, organização de períodos, comparação entre exercícios e preparação das informações para análise. A automação dessas atividades leva a uma tremenda economia de tempo nessas atividades operacionais.
Mas existe uma diferença entre extrair uma conta contábil e entender o que ela representa. Um saldo classificado como “outros créditos”, por exemplo, pode exigir investigação. O mesmo acontece com partes relacionadas, adiantamentos, empréstimos entre empresas do grupo ou alterações relevantes de critérios contábeis. A máquina pode organizar as informações dos demonstrativos contábeis, e o analista precisa compreender o significado e o impacto de cada item de gestão do negócio da empresa avaliada expressa pelas contas contábeis.
3. Cálculo de indicadores econômico-financeiros
Liquidez, endividamento, margem operacional, rentabilidade, cobertura de juros, capital de giro e diversos outros indicadores podem ser calculados automaticamente. Nesse caso, a automação faz bastante sentido.
Não existe vantagem em utilizar o tempo de um profissional experiente para fazer cálculos repetitivos que um sistema pode realizar com rapidez e precisão. Por outro lado, calcular não é analisar.
Uma empresa pode apresentar redução da liquidez e, ainda assim, estar realizando investimentos capazes de aumentar sua geração futura de caixa.
Outra pode apresentar excelentes indicadores históricos justamente antes de enfrentar uma deterioração relevante do mercado.
O indicador mostra o que aconteceu. O analista precisa descobrir por quê. Sempre digo que a avaliação dos demonstrativos contábeis é como a leitura de um livro. Devemos avaliar os números, interpretar o contexto da gestão do negócio, e levantar conclusões narrativas a respeito dos pontos fortes, fracos, estratégias de gestão do negócio, para concluir a respeito do risco econômico-financeiro que a empresa avaliada representa.
4. Comparação entre períodos e identificação de tendências
Aqui a inteligência artificial pode oferecer enorme ganho de produtividade. Imagine uma análise envolvendo três ou cinco anos de demonstrações financeiras.
A IA pode identificar rapidamente:
- crescimento ou redução das receitas;
- evolução das margens;
- aumento do endividamento;
- mudanças na estrutura de capital;
- comportamento do capital de giro;
- variações relevantes em estoques e contas a receber;
- alterações na geração de caixa.
O ganho não está apenas na velocidade. Ao retirar parte do esforço necessário para localizar as variações, sobra mais tempo para investigar as causas dessas mudanças. E é justamente nessa investigação que começa a análise de crédito propriamente dita.
5. Leitura e síntese de documentos extensos
Notas explicativas, relatórios de administração, pareceres de auditoria, atas, contratos e documentos societários podem conter dezenas ou centenas de páginas.
A IA é particularmente útil para uma primeira leitura estruturada. Pode localizar referências a endividamento, garantias, contingências, partes relacionadas, mudanças societárias e outros pontos relevantes.
Isso não elimina a necessidade de leitura humana nos itens críticos. Mas permite uma mudança importante: o profissional deixa de gastar grande parte do tempo procurando onde está a informação e passa a dedicar mais tempo a avaliar sua relevância para o risco.
6. Pesquisa e análise do mercado
Nenhuma empresa existe isoladamente. Uma companhia pode apresentar bons números históricos e, ao mesmo tempo, operar em um setor que enfrenta redução de demanda, aumento de custos, excesso de capacidade ou mudanças regulatórias.
Da mesma forma, números temporariamente mais fracos podem decorrer de um ciclo setorial e não necessariamente de uma deterioração estrutural da empresa.
A IA pode ajudar a organizar informações sobre concorrência, mercado, cadeia de suprimentos, ambiente econômico e tendências setoriais.
Isso é especialmente importante no crédito B2B. Analisar apenas o balanço é olhar pelo retrovisor.
A decisão também precisa considerar a estrada à frente, pois o sucesso de uma operação de crédito depende da performance do proponente da operação em termos de desempenho econômico-financeiro futuro.
7. Preparação da primeira versão do relatório de crédito
Talvez esta seja uma das aplicações com maior potencial de ganho de produtividade. Depois que informações cadastrais, financeiras, comportamentais e mercadológicas foram reunidas, a IA pode ajudar a estruturar uma primeira versão do relatório. A formatação do relatório pode ser customizada de acordo com a linha de raciocínio do desenvolvimento da avaliação, facilitando a identificação de pontos importantes e a leitura dentro de uma lógica de funcionamento da empresa dentro do merado em que atua.
Pode organizar fatos, comparar períodos e construir uma sequência lógica. Mas atenção à expressão utilizada: primeira versão.
Um relatório de crédito não deveria ser simplesmente a reprodução de um texto produzido por inteligência artificial. O documento precisa refletir o raciocínio de quem efetivamente está assumindo responsabilidade pela análise.
E chegamos, então, ao outro lado da discussão.
5 tarefas que não deveriam ser delegadas à IA
1. Validar a qualidade das informações
Uma análise sofisticada construída sobre informações ruins continua sendo uma análise ruim. Esse princípio existia muito antes da inteligência artificial.
A diferença é que agora existe um risco adicional: a IA consegue produzir uma explicação extremamente convincente a partir de uma premissa incorreta.
O NIST classifica esse fenômeno como confabulation: sistemas generativos podem produzir conteúdo falso ou incorreto e apresentá-lo com aparente segurança.
Por isso, cabe ao analista perguntar:
A informação é confiável?
A fonte é adequada?
Os períodos são comparáveis?
Há inconsistências?
Existe algo importante que não foi informado?
Nenhuma boa ferramenta elimina essas perguntas.
2. Interpretar situações excepcionais
Crédito empresarial raramente é totalmente padronizado. Aquisições, venda de ativos, reorganizações societárias, entrada de investidores, expansão de capacidade, mudanças tributárias, concentração de clientes e eventos extraordinários podem alterar completamente a interpretação dos números.
Imagine uma empresa cujo endividamento aumentou 60%. Isoladamente, isso parece negativo. Mas e se a dívida financiou uma nova planta que duplicará sua capacidade produtiva?
Agora imagine o contrário: a receita cresceu 40%. Parece positivo. Mas e se o crescimento foi financiado por prazos muito maiores concedidos aos clientes, consumindo caixa e aumentando significativamente a necessidade de capital de giro?
O número é o mesmo, mas a história econômica por trás do número que muda.
3. Definir o risco aceitável
Este é um ponto frequentemente esquecido, e esse é um fator que leva a decisões de crédito ao fracasso. Crédito não é simplesmente classificar uma empresa como boa ou ruim.
As perguntas corretas são: Qual é a capacidade de pagamento da empresa avaliada? Qual risco estamos dispostos a assumir nessa operação?
Uma mesma empresa pode representar riscos completamente diferentes dependendo do valor solicitado, prazo de pagamento, garantias, concentração da exposição, margem da operação, importância comercial e capacidade da própria empresa credora de absorver uma eventual perda.
A IA pode apoiar a avaliação. Mas a definição do risco aceitável pertence à política e à governança da empresa. É necessário tomar decisões de crédito equilibradas para não perder dinheiro nas tomadas de decisões de crédito, ou seja, aprovar crédito para empresas que tem capacidade de pagar a operação proposta, que significa não dar espaço para a concorrência, e recusar crédito para quem não tem condições de pagar, para proteger a organização em relação a perdas por inadimplência.
Parecem afirmativas óbvias, mas essa identificação da capacidade de crédito demanda oo desenvolvimento de habilidades de leitura de riscos econômico-financeiros de empresas.
4. Definir limite e condições de crédito
Um limite de crédito não deveria surgir apenas de uma fórmula.
Modelos quantitativos são importantes. Scores são importantes. Indicadores financeiros também.
Mas o limite precisa responder a outras questões: Quais fatores podem levar a empresa a se tornar inadimplente no próximos meses? Comoo a empresa gera recursos para pagar os créditos captados? Quanto podemos perder se nossa avaliação estiver errada?
Essas perguntas mudam a perspectiva, pois o analista deixa de procurar apenas evidências que justifiquem conceder crédito e passa também a dimensionar a consequência de uma decisão equivocada.
Dependendo da situação, a resposta pode envolver redução do limite, prazo menor, garantias, seguro de crédito, pagamento antecipado, monitoramento mais frequente ou outras estruturas de mitigação.
Essa combinação exige julgamento.
5. Assumir a recomendação final
Dentro do contexto da utilização de IA na avaliação e decisões de crédito, este talvez seja o limite mais importante. A IA pode pesquisar, pode organizar, ode calcular, pode comparar, pode levantar hipóteses, pode até questionar a conclusão do analista.
Mas alguém precisa assumir a recomendação, e esse alguém é quem tem a alçada de decisão. A OCDE inclui supervisão humana, transparência e explicabilidade entre os princípios relacionados ao uso responsável da inteligência artificial. OECD O NIST também destaca que os papéis e responsabilidades humanas na tomada de decisão e na supervisão dos sistemas de IA precisam estar claramente definidos. Centro de Recursos de IA do NIST
Em crédito B2B, isso faz todo sentido. Se uma exposição relevante resultar em perda, dificilmente a explicação ao CFO será: “Foi a inteligência artificial que recomendou.”
A responsabilidade continua pertencendo à organização e aos profissionais envolvidos na decisão.
A qualidade da IA depende da qualidade do analista
Existe um paradoxo interessante nessa transformação. Quanto mais poderosa fica a inteligência artificial, mais importante se torna o conhecimento de quem a utiliza. Já comentamos isso em textos anteriores.
Um profissional com pouca experiência pode receber uma análise produzida pela IA e considerá-la excelente porque o texto parece lógico, organizado e tecnicamente sofisticado.
Um analista experiente tende a fazer outra coisa. Ele questiona:
Por que a margem caiu?
O crescimento das vendas está gerando caixa?
Como a empresa está financiando o capital de giro?
Por que os estoques cresceram mais do que a receita?
A dívida aumentou para financiar expansão ou para cobrir insuficiência de caixa?
Há concentração de clientes?
O setor suporta as projeções apresentadas?
O que acontece com a capacidade de pagamento se as premissas não se confirmarem?
E, talvez mais importante:
o que estou deixando de enxergar?
É nesse ponto que a experiência profissional ganha novo valor.
O analista define os prompts
Uma boa interação com IA começa com uma boa pergunta. Quem não sabe o que procurar dificilmente saberá o que perguntar.
O analista orienta o raciocínio
A IA pode seguir diferentes caminhos de análise. Cabe ao profissional, por meio de construção de prompts, fornecer contexto, estabelecer critérios e exigir aprofundamento nos pontos relevantes.
O analista revisa os resultados
Uma resposta bem escrita não é necessariamente uma resposta correta. Dados, cálculos, interpretações e fontes precisam ser conferidos.
O analista valida as conclusões
No final, é necessário decidir se as evidências realmente sustentam a recomendação.
É justamente por isso que acredito que a IA não reduz a importância do analista de crédito.
Ela aumenta a diferença entre o profissional que apenas processa informações e aquele que sabe interpretá-las.
A IA substitui o analista de crédito?
Não. A IA tende a substituir parte das tarefas executadas pelo analista, e não a responsabilidade pela análise de crédito.
Essa diferença é fundamental. Quanto maior a parcela de atividades operacionais que puder ser automatizada, maior será o tempo disponível para análise, investigação e decisão.
O profissional deixa gradualmente de ser um processador de informações, e passa a atuar como gestor de risco apoiado por tecnologia.
Essa mudança também altera as competências exigidas. Conhecimento de demonstrações financeiras continuará importante. Conhecimento de negócios continuará importante.
Entendimento de mercado continuará importante.
Experiência continuará importante.
Mas será necessário acrescentar outra competência: saber trabalhar com inteligência artificial sem terceirizar para ela a própria capacidade de pensar.
Como implementar IA na análise de crédito B2B?
A pior maneira talvez seja começar escolhendo uma ferramenta. Antes disso, a empresa deveria olhar para seu próprio processo. Para iss, responda à algumas questões consideradas importantes no desenvolvimento das avaliações:
Quais atividades são repetitivas?
Onde o analista perde mais tempo?
Quais informações são utilizadas?
Quais fontes são confiáveis?
O que pode ser automatizado?
Quais são as linhas de raciocínio a serem trabalhadas para a realização da avaliação dos demonstrativos contábeis de forma adequada?
Quais etapas exigem validação humana?
Quem responde pela recomendação?
Como os resultados serão auditados?
A partir dessas respostas, a tecnologia pode ser incorporada gradualmente.
Um modelo simples seria:
dados → IA → análise humana → decisão → monitoramento.
Não:
dados → IA → decisão.
Essa pequena diferença muda tudo.
A estrutura também está alinhada com a ideia de gestão de riscos de IA defendida pelo NIST: organizações precisam administrar os riscos associados ao desenvolvimento e uso desses sistemas, buscando aplicações confiáveis e responsáveis. NIST
O verdadeiro ganho não está em produzir mais análises
Imagine uma área que realiza 100 análises mensais. Depois da implantação de IA, consegue realizar 180. É um ganho de produtividade evidente, mas essa talvez não seja a principal oportunidade.
E se a equipe continuar realizando 100 análises, porém passar a dedicar muito mais tempo aos casos de maior exposição?
E se conseguir acompanhar clientes que antes eram analisados apenas uma vez por ano?
E se identificar sinais de deterioração meses antes de um atraso?
E se os profissionais tiverem mais tempo para compreender os negócios dos clientes?
Nesse caso, não estamos apenas falando de eficiência. Estamos falando de qualidade da gestão de risco.
Essa deveria ser a discussão central sobre inteligência artificial nas áreas de crédito.
O futuro da análise de crédito será híbrido
A inteligência artificial continuará avançando. Atividades que hoje ainda exigem intervenção humana provavelmente serão automatizadas nos próximos anos. Por isso, tentar preservar processos apenas porque “sempre foram feitos assim” não parece uma estratégia sustentável. Por outro lado, entregar indiscriminadamente decisões de risco à tecnologia também não é.
O caminho mais consistente está no meio.
Máquinas fazendo aquilo que máquinas fazem melhor. Processar grandes volumes de informação, calcular, comparar, pesquisar e encontrar padrões.
Profissionais fazendo aquilo que bons profissionais fazem melhor. Questionar, contextualizar, interpretar, ponderar riscos e decidir.
A empresa que conseguir combinar essas duas capacidades provavelmente terá uma área de crédito mais rápida. Mas, principalmente, poderá ter uma área de crédito melhor.
E essa diferença será cada vez mais importante.
Por isso, é muito importante que o profissional de crédito invista no seu desenvolvimento profissional, participando de treinamentos, de eventos técnicos específicos, entendendo, por meio de estudos, as características de experiências de crédito malsucedidas, e aprendendo contextos que devem ser evitados.
A discussão sobre IA na análise de crédito não deveria ser reduzida à pergunta sobre quantas atividades podem ser automatizadas.
A pergunta mais importante é outra: como utilizar a tecnologia para aumentar a qualidade das decisões?
Delegar tarefas operacionais faz sentido. Delegar o pensamento crítico, não. Com o tempo, a transferência de conhecimentos adquiridos para a máquina tornará o trabalho cada dia mais produtivo, mas não há nada que não possa ser sempre melhorado, por isso o trabalho do analista na revisão do resultado de avaliações produzidas pelas máquinas sempre será necessário.
A inteligência artificial pode aumentar enormemente a capacidade de um profissional de crédito. Entretanto, continua dependendo de alguém que saiba formular perguntas, reconhecer inconsistências, interpretar números dentro do contexto do negócio e assumir uma recomendação.
Por isso, talvez o analista de crédito mais valorizado nos próximos anos não seja aquele que compete com a inteligência artificial. Será aquele que aprende a trabalhar com ela de forma mais produtiva, sem abrir mão de pensar.
E uma pergunta para você: Se amanhã você tivesse que entregar 30% das atividades da sua área de crédito para uma IA, quais tarefas delegaria, e quais jamais delegaria?
A CredPartner vem estudando e aplicando inteligência artificial à gestão de risco de crédito B2B com um objetivo muito claro: usar tecnologia para ampliar a capacidade de análise, e não para substituir o julgamento profissional.
Se sua empresa está avaliando como incorporar IA aos processos de crédito, ou se você quer preparar sua equipe para essa transformação, vale a pena conversar.
Acompanhe nossas publicações também pela nossa página no Linkedin