Tarefas financeiras que antes exigiam horas de pesquisa, conferência e formatação podem ser concluídas em poucos minutos com agentes de inteligência artificial. A Model ML apresenta um fluxo que usa o GPT-5.6 Sol para levar um trabalho do briefing à pesquisa, análise e criação de apresentações PowerPoint e planilhas Excel editáveis e com fontes rastreáveis.
O avanço promete reduzir o esforço da chamada “última milha” — etapa que envolve reconciliar evidências, conferir números e preparar materiais para clientes e decisores. Ainda assim, a automação não elimina a revisão humana: cabe ao profissional validar premissas, fontes, cálculos e a mensagem antes de compartilhar os resultados.
Agentes de IA prometem reduzir de horas para minutos a preparação de análises financeiras
Com agentes de inteligência artificial, etapas que costumavam consumir horas — como pesquisar informações, organizar dados, conferir cálculos e formatar relatórios — podem ser executadas em poucos minutos. A tecnologia é capaz de reunir fontes, estruturar análises e preparar materiais editáveis para apresentações e planilhas, acelerando a rotina de equipes financeiras.
Esse avanço representa uma mudança relevante na forma de produzir análises, mas não torna a revisão humana dispensável. Profissionais ainda precisam verificar a qualidade das fontes, validar premissas, conferir números e avaliar se as conclusões fazem sentido antes que o material seja usado em uma decisão ou apresentado a clientes.
O desafio não é apenas analisar dados, mas entregar materiais prontos para revisão
A chamada “última milha” do trabalho financeiro começa depois da análise inicial. É preciso reunir evidências, reconciliar informações de diferentes fontes, conferir cada número e garantir que as conclusões estejam apoiadas por dados confiáveis. Só então o conteúdo pode ser transformado em uma apresentação ou planilha adequada para clientes, gestores e comitês de decisão.
Essa etapa também envolve organização e formatação. Gráficos, tabelas, fórmulas e referências precisam estar corretos, bem estruturados e conectados às informações que deram origem a cada afirmação. Quando esse processo é feito manualmente, pequenas inconsistências podem exigir novas conferências e atrasar a entrega.
Por isso, um material visualmente bonito não é necessariamente um material pronto para uso. Uma apresentação com gráficos que não podem ser editados ou uma planilha sem fórmulas verificáveis pode dificultar a análise e comprometer a confiança no resultado. Para estar realmente preparado para revisão, o arquivo precisa ser editável, rastreável e capaz de permitir a conferência dos dados, cálculos e premissas.
Como a Model ML automatiza o trabalho financeiro do início ao fim
A Model ML desenvolveu uma proposta para automatizar o trabalho financeiro de ponta a ponta. O fluxo começa com o briefing e a coleta de materiais, passa pela pesquisa e análise dos dados e termina na criação de apresentações PowerPoint ou planilhas Excel prontas para revisão.
No centro desse processo está um agente capaz de organizar as etapas da tarefa e decidir quais ferramentas utilizar em cada momento. Ele pode consultar fontes, estruturar informações, executar cálculos e comparar evidências para identificar possíveis divergências antes de preparar o resultado final.
Na prática, o sistema transforma uma solicitação inicial em materiais de trabalho editáveis. Em uma apresentação, pode organizar dados, tabelas e gráficos em slides que continuam modificáveis. Em uma planilha, pode preencher diferentes abas, criar fórmulas e aplicar uma estrutura adequada a modelos financeiros.
A proposta não é apenas gerar um documento visualmente completo, mas preservar a ligação entre o conteúdo produzido e as informações que o fundamentam. Com isso, o profissional consegue acompanhar as fontes, revisar as premissas e entender como os cálculos foram realizados antes de utilizar o material em uma análise ou decisão.
Da solicitação ao PowerPoint e ao Excel, sem perder o contexto
Um dos diferenciais da proposta da Model ML é a continuidade entre os ambientes de trabalho. O profissional pode iniciar uma solicitação por e-mail ou pelo aplicativo da plataforma e, depois, continuar a tarefa nos plug-ins do Microsoft Office, sem precisar repetir o briefing ou explicar novamente o objetivo do trabalho.
Esse fluxo ajuda a preservar o contexto ao longo de todas as etapas, desde a pesquisa e a análise até a edição do arquivo final. Assim, as informações reunidas, as instruções fornecidas e as decisões tomadas durante o processo podem acompanhar a criação da apresentação ou da planilha.
A ferramenta também foi desenvolvida para gerar arquivos nativos do PowerPoint e do Excel. Na prática, isso significa que os slides, gráficos, tabelas, fórmulas e estruturas das planilhas permanecem editáveis, em vez de serem entregues apenas como imagens ou documentos estáticos.
Outro ponto importante é a rastreabilidade. As fontes utilizadas podem ser relacionadas aos dados e afirmações presentes no material, permitindo que o profissional confira a origem das informações e faça ajustes quando necessário. Mesmo com essa integração, a revisão humana continua indispensável para validar o conteúdo antes do uso em apresentações, análises ou decisões financeiras.
GPT-5.6 Sol se destaca em testes de apresentações e planilhas financeiras
Segundo os resultados divulgados pela própria Model ML em seu benchmark Composite, o GPT-5.6 Sol apresentou desempenho superior em diferentes fluxos de trabalho financeiro. Na avaliação de apresentações PowerPoint, o modelo concluiu 100% dos casos testados, enquanto o Opus 5 chegou a 76%. Além disso, 43,3% dos materiais produzidos pelo GPT-5.6 Sol foram classificados como prontos para uma revisão profissional mais aprofundada, contra 26,7% no caso do Opus 5.
A empresa também relatou ganhos de eficiência no uso de recursos. Em fluxos de PowerPoint, o GPT-5.6 Sol utilizou cerca de 21% menos tokens que o Fable 5. Já em uma avaliação de planilhas Excel, consumiu 36% menos tokens que o Opus 5. Esses indicadores sugerem que o modelo pode executar tarefas complexas com mais economia, mantendo a capacidade de produzir arquivos editáveis e rastreáveis.
É importante, porém, interpretar esses números com cautela. O Composite é uma avaliação conduzida pela própria Model ML, com critérios definidos pela empresa, e seus resultados não substituem testes independentes nem a validação em situações reais. Antes de usar uma apresentação ou planilha em decisões financeiras, profissionais devem conferir fontes, premissas, fórmulas, cálculos e a consistência da mensagem final.
Mais velocidade para lidar com grandes volumes de informações
Os ganhos relatados pela Model ML mostram como agentes de IA podem acelerar tarefas repetitivas e ampliar a capacidade de atendimento das equipes financeiras. Em um gestor global de ativos, a montagem de um tearsheet personalizado, que antes levava cerca de uma hora, passou a ser concluída em aproximadamente cinco minutos.
Em outro fluxo, os agentes processaram salas virtuais de dados com centenas de arquivos e mais de 100 mil linhas em uma única execução. Esse tipo de automação pode ajudar profissionais a lidar com grandes volumes de informações, identificar dados relevantes e preparar uma base inicial para análises, relatórios e apresentações.
Na prática, a redução do tempo gasto em tarefas operacionais permite que as equipes concentrem mais atenção na interpretação dos dados, na revisão das premissas e na tomada de decisões. O ganho de escala, portanto, não significa eliminar a participação de especialistas, mas apoiá-los em atividades que consomem tempo e exigem organização.
Mesmo com a velocidade proporcionada pela tecnologia, os resultados precisam ser analisados por profissionais qualificados. A conferência de fontes, cálculos, fórmulas e conclusões continua essencial, especialmente em trabalhos que podem influenciar investimentos, negociações ou decisões estratégicas.
A importância da rastreabilidade e da revisão humana nos resultados
A qualidade do resultado não depende apenas do modelo de inteligência artificial utilizado. Ela surge da combinação entre o modelo, os agentes que organizam as etapas do trabalho, as ferramentas de edição e os ambientes de execução capazes de acessar dados, documentos e códigos. Essa integração permite transformar uma solicitação em um material estruturado, mas também exige controles para reduzir erros e preservar o contexto original.
Manter o briefing em contexto é essencial para que o sistema compreenda o objetivo da análise, o público do material e os critérios definidos pelo profissional. Sem essa continuidade, a apresentação ou a planilha pode até parecer completa, mas deixar de atender às instruções, omitir informações relevantes ou transmitir uma mensagem diferente da planejada.
A revisão visual dos slides também é uma etapa indispensável. É preciso verificar se títulos, gráficos, tabelas, textos e elementos de design estão organizados de forma clara, sem sobreposições ou inconsistências. Uma apresentação visualmente adequada facilita a interpretação e ajuda a identificar problemas que não aparecem apenas na conferência do conteúdo textual.
Nos arquivos de Excel, a atenção deve incluir fórmulas, referências entre abas, cálculos e formatação. Gráficos e tabelas precisam continuar editáveis, enquanto as fontes devem permanecer associadas aos dados e afirmações correspondentes. Essa rastreabilidade permite investigar a origem das informações, corrigir premissas e atualizar o material com segurança.
Por isso, mesmo quando a automação conclui o fluxo em poucos minutos, o profissional deve revisar o arquivo antes de utilizá-lo. A IA pode acelerar a preparação e ampliar a capacidade das equipes, mas o julgamento humano continua responsável por validar a precisão, a coerência e a adequação do resultado.
O futuro das análises financeiras pode ser mais conectado e interativo
O futuro do trabalho financeiro tende a combinar análises automatizadas com materiais mais conectados às fontes e aos modelos que deram origem a cada resultado. Em vez de depender apenas de arquivos estáticos, equipes poderão consultar relatórios, apresentações e planilhas capazes de preservar o contexto da análise e facilitar a verificação das informações.
Essa mudança pode transformar um relatório em uma experiência mais interativa. Ao selecionar um número em uma apresentação, por exemplo, o profissional poderá acessar a fonte correspondente, visualizar o cálculo utilizado ou navegar até o modelo financeiro relacionado. Da mesma forma, uma planilha poderá ser atualizada a partir de novos dados, mantendo fórmulas, referências e premissas organizadas.
Materiais atualizáveis e navegáveis também podem aproximar a produção de conteúdo do processo de decisão. Em vez de preparar um documento isolado para cada reunião, as equipes poderão trabalhar com análises que acompanham mudanças nos dados e permitem explorar diferentes cenários. Ainda assim, essa integração exigirá controles de acesso, rastreabilidade e revisão humana para garantir que as atualizações sejam confiáveis e que as conclusões continuem adequadas ao contexto.
Automação com IA pode liberar as equipes para decisões mais estratégicas
O avanço de agentes de inteligência artificial mostra como empresas podem reduzir tarefas repetitivas, acelerar a preparação de documentos e direcionar suas equipes para atividades que exigem análise, criatividade e tomada de decisão. Ao automatizar etapas operacionais, como pesquisa, organização de dados, conferência e formatação, os negócios podem aumentar a produtividade sem abrir mão da supervisão de profissionais especializados.
Para obter bons resultados, é importante identificar quais processos podem ser automatizados com segurança e escolher soluções alinhadas à realidade de cada operação. Nesse contexto, a IntelexIA pode ser uma possível parceira para empresas que desejam compreender como aplicar automações de Inteligência Artificial de maneira adequada, buscando mais eficiência e melhor desempenho nos processos.
A transformação, porém, deve ser acompanhada por revisão humana, critérios claros e monitoramento contínuo. A tecnologia amplia a capacidade das equipes, mas os resultados dependem de uma implementação responsável e conectada aos objetivos do negócio. Acompanhe o blog para conferir semanalmente novas notícias sobre IA, automação e eficiência empresarial.
Fonte desta curadoria
Este artigo é uma curadoria do site OpenAI. Para ter acesso à matéria original, acesse Model ML completes finance work more efficiently with GPT-5.6 Sol
