IA no fechamento mensal: onde ajuda e onde aumenta o risco

É o terceiro dia útil. O balancete chegou, duas áreas ainda não explicaram as variações e o comentário para a diretoria precisa sair amanhã.

Em 2026, ela pode fazer mais do que resumir comentários. Um fluxo bem configurado consegue revisar as fontes autorizadas, executar conciliações, cruzar evidências e separar o que foi comprovado do que continua pendente.

O risco aparece quando a empresa confunde acesso a muitas fontes com prova suficiente para afirmar uma causa.

Fechamento não é concurso de texto bonito. É prova de que o número fecha, a causa existe e alguém responde por ela.

Onde a IA realmente ajuda

A melhor entrada da IA no fechamento mensal está na revisão controlada do processo. São trabalhos que consomem tempo, mas podem ser testados contra fontes e totais conhecidos.

Ela pode percorrer balancete, razão, subledger, orçamento, comentários das áreas e checklist do fechamento. Depois, cruza essas fontes, executa testes definidos e aponta quais variações têm evidência suficiente e quais continuam sem explicação.

Esse uso já aparece na orientação publicada pelo COSO em 2026: agentes podem reunir dados contábeis, rodar conciliações, abrir pendências, escalar exceções e compilar o pacote para revisão.

O padrão é mais ambicioso, mas continua controlado. A IA revisa tudo o que foi autorizado, registra o caminho e prepara a conclusão. A pessoa responsável valida as evidências e aprova o resultado.

O caso fictício da Orion

Na empresa fictícia Orion, um analista copiava comentários de cinco áreas, comparava cada linha com o orçamento e escrevia o resumo para o controller. O trabalho levava quatro horas.

No piloto, o processo mudou:

1. O controller define quais fontes entram e concede acesso de leitura ao balancete, razão, orçamento, subledger e comentários das áreas.
2. A IA verifica completude, executa as conciliações e interrompe o fluxo se os totais de controle não fecharem.
3. Uma regra seleciona apenas variações acima de R$ 100 mil e 5% contra o orçamento.
4. A IA cruza conta, centro de custo, volume, preço, contratos e comentários disponíveis.
5. Cada causa recebe um estado: comprovada, hipótese apoiada por indícios ou pendente por falta de evidência.
6. A IA abre perguntas para os responsáveis e atualiza o estado quando chegam novas informações.
7. O sistema prepara o report com referência para cada afirmação, e o controller valida as evidências antes de aprovar.

O ganho não vem de usar a IA apenas para escrever. Vem de permitir que ela revise o conjunto autorizado, faça os testes repetitivos e entregue exceções rastreáveis para decisão.

Se o processo reduzir as quatro horas para duas e conservar a mesma qualidade, existe uma melhoria mensurável. Se o tempo cai, mas as correções aumentam, a conta precisa incluir esse retrabalho.

Onde o risco começa

Em 2026, um bom fluxo não começa perguntando “qual foi a causa?”. Começa pedindo que a IA revise as fontes disponíveis, teste hipóteses e mostre a evidência usada.

Se uma despesa subiu 18%, a IA pode conferir pedidos, preço unitário, volume, contrato, fornecedor e comentários da área. Se as fontes apontam para o mesmo motivo, ela apresenta a causa e as referências. Se encontra apenas correlação, registra uma hipótese. Se falta informação, mantém a variação como pendente.

O risco é deixar o sistema transformar uma hipótese em fato. O NIST ainda trata a confabulação como um risco relevante porque uma IA pode apresentar conteúdo incorreto com confiança. Por isso, o estado da conclusão e a referência para a fonte precisam viajar junto com o texto.

O segundo risco é cobertura incompleta com aparência de revisão total. Um conector pode falhar, uma planilha pode estar desatualizada ou um contrato pode ficar fora do ambiente autorizado. “Revisei tudo” precisa significar “revisei todas estas fontes, nestas versões, sem estas falhas”.

O terceiro risco está nos dados. Folhas de pagamento, informações bancárias, dados de clientes e resultados ainda não divulgados não devem ser enviados para uma ferramenta sem ambiente autorizado, finalidade definida e controles de acesso. A LGPD já se aplica ao uso de IA quando existe tratamento de dados pessoais.

O quarto risco é dar autonomia demais. Permitir que uma IA prepare um rascunho é diferente de permitir que faça lançamentos, aprove ajustes ou envie o report. Quanto mais perto ela chega da transação ou da decisão, maior precisa ser o controle. Uma classificação por impacto e autonomia ajuda a tornar esse limite explícito.

Cinco controles mínimos

1. Perímetro e reconciliação

Defina quais sistemas, arquivos e períodos fazem parte da revisão. A IA pode executar a conciliação, mas deve comparar totais de controle e parar quando a base não fecha.

2. Ambiente autorizado

Defina quais dados podem entrar e em qual ferramenta. Quando for possível, use uma cópia reduzida, anonimizada ou fictícia para testar a lógica antes de trabalhar com informação real.

3. Evidência e estado da conclusão

Cada afirmação precisa voltar a uma linha, documento ou comentário identificável. Marque a conclusão como comprovada, hipótese ou pendente. Outra pessoa deve conseguir reconstruir o caminho.

4. Aprovação humana explícita

Nomeie quem valida as evidências e quem aprova o report. A IA pode revisar e recomendar, mas a segregação de funções e a responsabilidade final continuam explícitas.

5. Registro e comparação

Guarde a versão do agente, as fontes acessadas, falhas de conexão, regras usadas e correções do revisor. Compare tempo, pendências, ajustes e erros encontrados durante pelo menos três fechamentos.

Esses controles seguem o NIST e a orientação publicada pelo COSO em 2026: contexto definido, evidência, supervisão humana e responsabilidade documentada.

O que não delegar

Algumas ações devem ficar fora do primeiro piloto ou exigir um controle adicional:

• aprovar ou registrar lançamentos contábeis;
• promover hipótese a causa comprovada sem evidência;
• alterar critérios de materialidade;
• enviar o report para a diretoria;
• decidir provisões, impairment ou reconhecimento de receita.

O piloto começa onde um erro é detectável e reversível.

Como testar no próximo fechamento

Escolha um único bloco do processo. Comentários de despesas, explicações de receita ou pendências de conciliação são pontos possíveis.

Registre quanto tempo o trabalho leva hoje. Defina o mapa de fontes, os totais de controle, o responsável pela validação e o que a IA não pode fazer. Execute o piloto em paralelo com o processo atual durante três ciclos.

No fim, responda quatro perguntas:

• A IA registrou todas as fontes acessadas e qualquer falha de cobertura?
• Os totais permaneceram conciliados?
• Cada causa chegou como comprovada, hipótese ou pendente?
• O tempo total caiu, incluindo validação e correções?
• Outra pessoa consegue reconstruir o resultado?

Funcionou? Amplie um passo. Não funcionou? Corrija o desenho ou pare o piloto.

A meta não é fechar sem pessoas. É devolver ao time o tempo gasto copiando informação para que ele investigue o que realmente muda a decisão.

Fontes consultadas

• COSO, Achieving Effective Internal Control Over Generative AI, 2026
• NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile
• NIST, AI Risk Management Framework Core
• ANPD, Central de conteúdos sobre proteção de dados pessoais

Se sua equipe usa IA no fechamento, você sabe exatamente onde termina o rascunho e começa a decisão humana?