Pesquisa sobre Tomada de Decisão com IA da Board Revela que a Confiança dos CFOs Supera a Governança
A Board identificou um conflito marcante dentro da alta liderança: 48% dos CFOs seguem conselhos da IA quando eles contradizem seu próprio julgamento. A pesquisa da Board sobre tomada de decisão com IA sugere que os líderes financeiros agora recorrem a grandes modelos de linguagem com mais facilidade do que CIOs e COOs. Ainda assim, os controles formais não acompanharam esse nível de confiança.
A mudança é maior do que mais um aumento no uso de IA no trabalho. Grandes modelos de linguagem, ou LLMs, estão se tornando insumos para escolhas estratégicas relacionadas a orçamentos, previsões, contratações, estoques e investimentos. Eles também estão substituindo fontes nas quais executivos confiam há décadas.
Portanto, a disputa central não é IA versus executivos humanos. É adoção executiva versus responsabilidade institucional. As empresas estão convidando a IA a participar de decisões consequentes antes que muitas consigam explicar, revisar ou medir de forma confiável sua influência.
A Pesquisa de Tomada de Decisão com IA da Board Revela um Novo Hábito da Alta Liderança
Os LLMs passaram de assistentes de produtividade a fontes influentes de aconselhamento estratégico.
A Board entrevistou 300 CFOs, CIOs e COOs dos Estados Unidos durante maio e junho de 2026. Todos os participantes trabalhavam para organizações que geravam pelo menos US$ 100 milhões em receita anual.
A empresa divulgou suas conclusões em 16 de setembro por meio do relatório de inteligência de planejamento. Como a Board vende software de planejamento empresarial, suas conclusões merecem o mesmo escrutínio aplicado a qualquer pesquisa patrocinada por fornecedor. Ainda assim, as diferenças entre os cargos revelam uma mudança importante no comportamento executivo.
Sessenta e um por cento dos entrevistados citaram LLMs entre as fontes externas que mais influenciam suas decisões estratégicas. Isso colocou ChatGPT, Claude, Gemini e Copilot à frente de todas as fontes tradicionais listadas na pesquisa.
Pares do setor e redes profissionais receberam 42%. Fornecedores de tecnologia receberam 37%, enquanto consultores externos receberam 28%. A Gartner foi citada por 14%.
O resultado não prova que os executivos considerem a IA mais precisa do que assessores experientes. Ele mostra que as respostas dos LLMs se tornaram excepcionalmente acessíveis durante o processo decisório. Um executivo pode pedir um resumo, cenário, contestação ou recomendação sem agendar outra reunião.
Os CFOs relataram o maior uso entre os três cargos. Sessenta e nove por cento citaram LLMs como recursos influentes, em comparação com 58% dos COOs e 56% dos CIOs.
A diferença se torna mais consequente quando a IA discorda do executivo. Quarenta e oito por cento dos CFOs disseram seguir a recomendação da IA nessa situação. Os números correspondentes foram 33% para CIOs e 11% para COOs.
Entre os três grupos, 31% disseram seguir conselhos da IA quando eles entram em conflito com seu julgamento. Apenas 39% relataram procedimentos formais de governança e escalonamento para decisões orientadas por IA.
Esses números descrevem dois desenvolvimentos relacionados. A IA conquistou um lugar no processo decisório, enquanto os sistemas de responsabilização ainda se parecem com aqueles criados para softwares convencionais.
Gordon Pothier, CFO da Board, disse ao CFO Dive que os líderes financeiros costumam ser mais conservadores e céticos. Ele argumentou que a adoção por eles indica a força do atual impulso em torno da IA. Seu conselho mais importante dizia respeito à discordância: executivos devem testar a recomendação sob pressão em vez de aceitá-la automaticamente.
Essa distinção importa. Consultar um LLM não é o mesmo que delegar uma decisão. No entanto, seguir sua recomendação durante um conflito aproxima a tecnologia da autoridade decisória, mesmo que um humano assine a aprovação final.
Por Que os CFOs Estão Recorrendo aos LLMs Agora
Executivos estão adotando a IA porque seus ciclos de planejamento não conseguem acompanhar a velocidade das decisões que enfrentam.
Os resultados mais amplos da Board descrevem uma organização em dificuldade com informações desatualizadas. Oitenta e cinco por cento dos entrevistados relataram maior pressão para tomar decisões mais rápidas no ano anterior. Apenas 27% disseram que suas organizações conseguiam replanejar em tempo real.
Três quartos disseram que aproximadamente metade ou mais de suas decisões de planejamento dependiam de dados com mais de 30 dias. Oitenta e três por cento disseram que seus conselhos haviam agido com base em previsões que sabiam estar desatualizadas. Quarenta por cento relataram consequências significativas para os negócios decorrentes dessas decisões.
Essas conclusões fornecem o contexto que faltava para a tomada de decisão com IA pelos CFOs. As equipes financeiras não são atraídas apenas por uma interface conversacional. Elas estão tentando encurtar a distância entre uma condição em mudança e uma resposta executiva.
O planejamento tradicional frequentemente exige coletar dados operacionais, reconciliar definições, atualizar um modelo e preparar uma apresentação. Quando a previsão revisada chega aos diretores, as premissas que a sustentam talvez já tenham mudado.
Um LLM parece oferecer uma rota mais rápida. Ele pode resumir relatórios, comparar cenários, extrair premissas e estruturar perguntas em segundos. Sistemas conectados também podem recuperar informações internas e incorporar sinais externos.
Essa velocidade cria valor real quando a tarefa é exploratória. Um líder financeiro pode perguntar quais premissas mais contribuem para uma queda de margem. O modelo pode ajudar a identificar cenários que exigem análise mais profunda.
O perigo surge quando uma resposta fluente é confundida com evidência atualizada. Um LLM não sabe automaticamente se os dados de vendas subjacentes estão completos ou são adequadamente governados. Ele pode produzir uma explicação convincente a partir de uma previsão desatualizada tão facilmente quanto a partir de uma atual.
O relatório da Board contém um sinal desconfortável desse problema. Cinquenta e nove por cento disseram que seu investimento em IA atualmente excede o valor que ela entrega. Ainda assim, 92% desse grupo planejavam aumentar os gastos nos 12 meses seguintes.
Outros 21% disseram que suas empresas apresentam o desempenho da IA de forma mais positiva a conselhos, investidores e pares do que a realidade sustenta. Esse resultado sugere que a pressão pela adoção não é movida inteiramente por retornos verificados.
Pothier resumiu a pressão dos pares com uma pergunta: “Eu realmente quero ser o CFO que não está acompanhando essa onda?” A preocupação é compreensível, mas não constitui um caso de negócio.
David Marmer, Chief Product Officer da Board, ofereceu uma abordagem mais disciplinada. Comprar mais IA, disse ele, não resolverá o problema subjacente de planejamento. As organizações devem conectar a IA a decisões específicas, premissas e pessoas responsáveis.
É nesse ponto que uma base de conhecimento de IA organizada se torna relevante. O modelo precisa de contexto rastreável, não de uma pilha descontrolada de documentos. A qualidade das decisões depende de saber quais informações foram usadas, quando foram atualizadas e quem é responsável por elas.
A Tomada de Decisão com IA pelos CFOs Coloca as Finanças Sob Nova Pressão
Os líderes financeiros agora precisam defender tanto o valor econômico da IA quanto a integridade das decisões influenciadas por IA.
Os CFOs ocupam uma posição incomum nessa transição. Eles aprovam gastos com tecnologia, monitoram retornos, supervisionam o planejamento e frequentemente questionam projeções otimistas. Agora, também estão se tornando usuários frequentes da tecnologia que precisam avaliar.
Esse papel duplo explica por que as conclusões da Board importam além dos departamentos financeiros. Uma recomendação de CFO influencia a alocação de capital, o quadro de funcionários, os preços, as aquisições e a comunicação com investidores. Erros podem se espalhar pela empresa antes que alguém reconheça sua fonte comum.
Líderes financeiros também enfrentam pressão de conselhos que esperam respostas mais rápidas. Um LLM pode produzir uma resposta imediata quando diretores pedem outro cenário. Um ciclo de planejamento convencional pode levar dias.
A conveniência muda as expectativas. Quando uma equipe executiva vê uma resposta gerada por IA em minutos, torna-se mais difícil defender um processo mais lento. Isso continua verdadeiro mesmo quando o processo mais lento contém validação essencial.
Os CIOs enfrentam uma pressão diferente. Eles precisam proteger os sistemas, controlar o acesso, escolher modelos e gerenciar a confiabilidade técnica. Ainda assim, a Board constatou que CIOs tinham menos probabilidade do que CFOs de citar LLMs como influências estratégicas.
Os COOs relataram ainda menos disposição para seguir conselhos conflitantes da IA. Seu trabalho frequentemente envolve restrições físicas, condições de fornecedores e operações de linha de frente que um modelo geral não pode observar diretamente.
Essas diferenças entre os cargos criam atrito organizacional. As finanças podem aceitar um cenário gerado por IA que as operações consideram irrealista. Líderes de tecnologia podem rejeitar um fluxo de trabalho porque o modelo não tem acesso aprovado ou controles de auditoria.
A Board também identificou adoção desigual de IA agêntica, que se refere a sistemas capazes de planejar e executar tarefas de múltiplas etapas com intervenção limitada. Sessenta e seis por cento dos CIOs e 60% dos CFOs relataram uso ativo em processos empresariais reais. Apenas 38% dos COOs disseram o mesmo.
Os retornos relatados seguiram um padrão semelhante. Setenta e três por cento dos CIOs e 71% dos CFOs afirmaram retornos claros e mensuráveis da IA agêntica. O número caiu para 52% entre os COOs.
Essas porcentagens são autorrelatadas e vêm de pesquisa patrocinada por fornecedor. Elas não estabelecem um cálculo comum de retorno entre as empresas. Ainda assim, a diferença sugere que cada função executiva pode estar avaliando a IA por uma lente operacional diferente.
A organização financeira, portanto, precisa de um mecanismo compartilhado de revisão. Toda recomendação consequente deve identificar os dados de origem, o modelo, as premissas e o responsável humano. As equipes também devem registrar o que mudou depois que a recomendação entrou no processo.
Esse registro importa quando os resultados decepcionam. Sem ele, os líderes não conseguem separar falha do modelo de dados fracos, implementação deficiente ou uma decisão executiva que ignorou o sistema.
Um papel humano útil não é apenas aprovar a resposta final. É questionar o enquadramento, verificar as evidências e decidir se a pergunta era adequada para assistência de IA. A responsabilização começa antes que a resposta apareça.
A Adoção Avançou Mais Rápido do Que a Qualidade Decisória Comprovada
O uso elevado de IA não demonstra que a IA melhorou as decisões com as maiores consequências financeiras.
Pesquisas independentes reforçam essa distinção. Uma pesquisa da Gartner com 204 líderes financeiros constatou que 45% dos investimentos em IA para finanças enfatizavam a produtividade. Apenas 20% se concentravam principalmente na qualidade das decisões.
As conclusões sobre IA em finanças apontam para uma lacuna entre atividade e valor empresarial. Uma preparação mais rápida de documentos ou reconciliação pode criar eficiências úteis. No entanto, esses ganhos não melhoram automaticamente decisões de precificação, investimento ou risco.
A produtividade é mais fácil de medir. Uma equipe pode comparar as horas gastas antes e depois da automação. A qualidade decisória muitas vezes só se torna visível meses mais tarde, e condições externas podem obscurecer o resultado.
Esse problema de mensuração complica a pesquisa da Board sobre tomada de decisão com IA. Executivos podem relatar que LLMs os influenciam, mas influência não é um resultado. A pesquisa não determina se seguir um modelo produziu uma decisão melhor.
Evidências do Federal Reserve Bank of Richmond acrescentam contexto útil. Suas evidências corporativas sobre IA se basearam em 603 respostas coletadas no fim de 2025, além de 145 respostas suplementares.
As empresas relataram benefícios em eficiência de produção, velocidade de decisão e resultados. No entanto, os pesquisadores encontraram pouca evidência de que a IA tenha alterado materialmente o quadro geral de funcionários ou os custos. Os respondentes também esperavam pouco efeito de curto prazo sobre o emprego agregado.
Esses resultados são compatíveis com ganhos operacionais significativos. Também são menos dramáticos do que as alegações de que a IA já transformou a economia das empresas.
A Capgemini entrevistou 500 executivos de alto escalão em agosto e setembro de 2025. Apenas 17% disseram usar ativamente a IA em várias etapas da tomada de decisões estratégicas como prática padrão. Outros 42% a utilizavam seletivamente.
A pesquisa sobre decisões executivas constatou que 47% relataram melhorias perceptíveis ou maiores na qualidade das decisões. Cinquenta e nove por cento relataram ganhos semelhantes no tempo e no custo das decisões.
Ainda assim, o mesmo estudo constatou que apenas 1% esperava que a IA tomasse determinadas decisões estratégicas de forma autônoma dentro de três anos. Os executivos parecem confortáveis com assistência, mas não em abrir mão da responsabilidade formal.
Esse limite é fácil de descrever e difícil de impor. Um líder pode continuar sendo o tomador de decisão oficial enquanto depende fortemente do enquadramento de um modelo. A pessoa pode revisar a resposta sem reconstruir o raciocínio por trás dela.
Os LLMs também podem incentivar o viés de automação, a tendência de favorecer recomendações de máquinas mesmo quando há evidências contrárias. A fluência conversacional torna esse efeito mais difícil de perceber porque a recomendação se assemelha a um conselho humano fundamentado.
A pergunta da pesquisa da Board sobre conflitos é, portanto, sua medida mais importante. Um CFO que segue a IA apesar de discordar pessoalmente pode ter descoberto evidências que inicialmente não percebeu. O mesmo comportamento também pode refletir deferência a uma resposta persuasiva, mas sem embasamento.
A pesquisa não revela qual explicação se aplica. Essa distinção não resolvida deve impedir que os leitores tratem o índice de 48% como prova de progresso ou de imprudência.
A Governança É o Elo Fraco no Uso Executivo de IA
A lacuna de responsabilização se torna mais perigosa quando a IA influencia uma decisão que não pode ser facilmente revertida.
Apenas 39% dos respondentes da Board relataram processos formais de governança e escalonamento para decisões orientadas por IA. Isso significa que a dependência dos executivos está crescendo enquanto muitas organizações não têm uma resposta definida para recomendações conflitantes, pouco claras ou de alto risco.
A governança não exige encaminhar cada prompt para um comitê. Exige adequar o nível de revisão às consequências da decisão.
Elaborar perguntas para uma reunião apresenta pouco risco direto. Recomendar uma avaliação para aquisição, política de crédito, redução da força de trabalho ou premissa de lucros envolve muito mais. Essas decisões exigem dados rastreáveis e revisão independente.
O problema de governança não é hipotético. A Deloitte entrevistou 200 CFOs de empresas norte-americanas com pelo menos US$ 1 bilhão em receita anual. Noventa e três por cento disseram que suas empresas usavam IA em operações-chave.
Noventa e seis por cento expressaram confiança em seus frameworks de governança. Ainda assim, 59% identificaram o equilíbrio entre velocidade de implantação e gestão de riscos como seu principal desafio de governança. Transparência de custos, cibersegurança e conteúdo protegido também foram preocupações significativas.
A pesquisa sobre governança de IA constatou que 19% dos CFOs se consideravam os principais responsáveis pela governança de IA. Isso colocou os líderes financeiros atrás de CIOs e líderes de segurança, mas à frente de CEOs e conselhos.
A confiança em um framework não demonstra se os funcionários o seguem de forma consistente. As organizações precisam de evidências de que os controles funcionam durante decisões reais, especialmente quando os executivos sentem pressão de tempo.
A Capgemini constatou que 71% dos respondentes se preocupavam com exposição jurídica e de segurança. Sessenta e nove por cento citaram dificuldade para explicar decisões influenciadas por IA, enquanto 60% identificaram dados empresariais inadequados.
Cinquenta e dois por cento se preocupavam com sua capacidade de verificar a qualidade ou relevância das respostas. Trinta por cento citaram especificamente o risco de tomar uma decisão incorreta com base na IA.
Essas preocupações identificam os controles mínimos para o uso executivo. Os modelos devem acessar informações aprovadas, revelar o material de origem e preservar registros de decisões. Uma pessoa qualificada deve questionar o resultado antes da ação.
As organizações também precisam de uma regra de escalonamento para divergências. Se o julgamento de um executivo entrar em conflito com a IA, a resposta não deve depender de qual lado parece mais confiante.
Uma revisão pode comparar as fontes do modelo com os registros subjacentes. Pode pedir a uma segunda equipe que recrie a análise sem ver a recomendação. Casos de alto risco podem exigir revisão jurídica, de segurança ou de especialistas do domínio.
As empresas também devem diferenciar LLMs públicos de sistemas empresariais protegidos. Inserir previsões confidenciais em um serviço não aprovado pode criar riscos de privacidade e retenção. Mesmo sistemas aprovados podem retornar respostas incorretas a partir de dados internos incompletos.
A governança deve abranger o contexto da decisão, não apenas o modelo. Uma recomendação tecnicamente precisa ainda pode ignorar efeitos sobre funcionários, obrigações contratuais ou mudanças nas condições de mercado.
É por isso que a supervisão humana deve envolver autoridade real. Um revisor que não pode adiar ou rejeitar uma recomendação serve apenas como decoração. A supervisão eficaz atribui a alguém a responsabilidade de perguntar se a organização deve agir.
Três Sinais Mostrarão se a Confiança Executiva É Justificada
A próxima fase da IA empresarial será avaliada por meio de registros de decisões, retornos mensuráveis e governança aplicável.
O primeiro sinal é se as empresas começarão a medir a qualidade das decisões separadamente da produtividade. Uma análise mais rápida tem valor, mas não pode continuar sendo o principal indicador de melhor julgamento.
As equipes financeiras devem acompanhar um conjunto definido de decisões influenciadas por IA. Podem registrar a recomendação, a alternativa considerada, a justificativa humana e o resultado final. Isso cria evidências além de pesquisas com usuários e alegações de fornecedores.
Maior precisão nas previsões fortaleceria o argumento para a tomada de decisões por CFOs com IA. Reversões, correções ou erros sem explicação recorrentes o enfraqueceriam. A medida relevante não é a frequência com que executivos usam IA, mas a confiabilidade com que ela melhora os resultados escolhidos.
O segundo sinal é se a governança formal alcança o nível de uso. A Board constatou que apenas 39% dos executivos tinham processos estabelecidos de governança e escalonamento. Pesquisas futuras devem mostrar se esse número cresce junto com a adoção.
Um sistema confiável definirá quais decisões exigem validação humana e quais fontes de dados o modelo pode usar. Ele preservará um registro quando a orientação da IA entrar em conflito com o julgamento executivo.
Falhas de governança enfraqueceriam a narrativa de adoção. Elas podem incluir exposição de dados confidenciais, alegações financeiras sem fundamento, escrutínio regulatório ou decisões que ninguém consegue explicar posteriormente.
O terceiro sinal é se o aumento dos investimentos gera retornos que os conselhos podem verificar. A Board constatou que 59% acreditavam que o investimento atual em IA excedia o valor entregue. Quase todos desse grupo ainda esperavam gastos maiores.
Esse padrão pode continuar durante um ciclo inicial de investimentos. Torna-se mais difícil defendê-lo quando os projetos permanecem desconectados de receita, redução de riscos, precisão de previsões ou ganhos operacionais mensuráveis.
Os conselhos devem perguntar se os gastos aumentam porque um caso de uso validado está sendo ampliado. Devem diferenciar esse motivo de investimentos impulsionados pela ansiedade competitiva.
A pesquisa da Board sobre tomada de decisões com IA registra uma mudança real, mas não uma vitória consolidada da IA. Os LLMs se tornaram fontes importantes de contribuição executiva antes que as organizações tenham concordado sobre como governar sua influência.
Para trabalhadores do conhecimento, a lição imediata é igualmente prática. A IA pode ampliar as evidências disponíveis para uma decisão, mas sua resposta deve permanecer conectada a materiais de origem que possam ser revisados. Ferramentas como ask remio podem apoiar esse processo ao fundamentar perguntas no próprio conhecimento do usuário.
O teste é simples: sua organização consegue reconstruir por que uma decisão influenciada por IA foi tomada depois que o resultado chega? Caso contrário, o próximo investimento deve fortalecer contexto, medição e responsabilização antes de adicionar mais autoridade automatizada.
