← Blog

Dados estruturados: o que faz a IA acertar no financeiro

Estudo de 2026: o melhor modelo de IA errou 1 a cada 6 perguntas sobre planilhas financeiras. Veja como dados estruturados e SQL resolvem isso.

Pedro Scrignoli8 min
Comparação entre uma pergunta ao chat de IA sem conta visível e uma consulta SQL no banco com o total e a origem

Dados estruturados são o que separa o uso profissional de IA no financeiro do uso de curiosidade. Um estudo de março de 2026 testou os principais modelos de IA em planilhas financeiras: o melhor acertou 82,4% das perguntas, cerca de 1 erro a cada 6. Quando os dados estão num banco, com cada linha identificada, a IA escreve a consulta, o banco faz a conta e você consegue auditar o número antes de usar.

Pontos principais

  • No estudo FinSheet-Bench (março de 2026), o melhor modelo de IA acertou 82,4% das perguntas sobre planilhas financeiras.
  • Na planilha mais complexa do teste, a média de acerto dos modelos caiu para 48,6%. Na mais simples, foi 86,2%.
  • Os autores concluem que nenhum modelo, sozinho, erra pouco o bastante para uso profissional em finanças sem supervisão, e recomendam separar a compreensão do documento do cálculo.
  • Na pesquisa da KPMG com 1.013 líderes de finanças (maio de 2026), 36% apontam a qualidade dos dados como a maior barreira e a maior oportunidade da IA.
  • Na prática, isso significa razão e balancete num banco de dados, a IA escrevendo consultas SQL e você conferindo a consulta e o resultado.

O que são dados estruturados no financeiro?

Dados estruturados são informações organizadas em tabelas com colunas fixas, em que cada linha tem o mesmo formato: conta, data, histórico, valor e documento de origem, por exemplo. No financeiro, o razão contábil exportado do ERP já é quase isso. O que falta, em geral, é tirar os dados da planilha solta e colocar num lugar onde dê para consultar.

A diferença para uma planilha comum é de regra, não de aparência. Uma planilha aceita célula mesclada, subtotal no meio da coluna, aba copiada com outro layout e número digitado como texto. Uma tabela de banco de dados não aceita. Cada coluna tem um tipo, e cada linha obedece ao mesmo contrato.

Para a IA, isso muda tudo. Em vez de "ler" milhares de linhas coladas num chat e tentar somar de cabeça, ela pode escrever uma pergunta formal para o banco, a consulta SQL. SQL é a linguagem usada para pedir dados a um banco: "some o valor da conta 4.2.07 no mês de março", escrito de um jeito que a máquina executa sempre igual.

O que o estudo FinSheet-Bench encontrou?

O FinSheet-Bench, publicado em 07/03/2026, mediu como os principais modelos de IA respondem perguntas sobre planilhas financeiras, de consultas simples a raciocínios com várias etapas. O melhor modelo, o Gemini 3.1 Pro, acertou 82,4% das perguntas em 24 arquivos de teste. Na prática, é mais ou menos 1 erro a cada 6 perguntas.

No fechamento, um erro a cada seis números não passa na primeira revisão. E esse é o resultado do melhor modelo testado, não da média. A conclusão dos autores é direta: nenhum modelo, sozinho, atinge taxas de erro baixas o bastante para uso sem supervisão em aplicações financeiras profissionais.

O dado que mais me chamou atenção, porém, é outro: o tamanho da planilha.

Por que a IA erra mais quando a planilha cresce?

No FinSheet-Bench, a planilha mais complexa, com 152 empresas e 8 fundos, derrubou a média de acerto dos modelos para 48,6%. Na planilha mais simples do teste, a média foi de 86,2%. Quanto mais linhas e relações a IA precisa segurar ao mesmo tempo, mais ela erra.

Gráfico de barras comparando o acerto médio dos modelos de IA: 86,2% na planilha simples e 48,6% na maior
Acerto médio dos modelos de IA testados no FinSheet-Bench, por arquivo

É o contrário do que a controladoria precisa. O razão de um ano tem milhares de linhas. É justamente onde a IA mais ajudaria e onde o modelo, sozinho, mais tropeça.

O motivo é como esses modelos funcionam. Um modelo de linguagem escreve a resposta mais provável para o que recebeu. Ele não executa uma soma como o Excel ou um banco de dados: ele "prevê" o resultado. Com dez linhas, a previsão costuma acertar. Com cinco mil, a chance de pular uma linha, somar duas vezes ou arredondar no lugar errado cresce. E a resposta continua bem escrita, o que torna o erro mais difícil de pegar.

Os autores do estudo apontam a saída: arquiteturas que separam a compreensão do documento do cálculo determinístico. Cálculo determinístico é aquele que, com os mesmos dados, dá sempre o mesmo resultado. É exatamente o que um banco de dados faz.

Qual o papel da qualidade dos dados, segundo a KPMG?

Na pesquisa global da KPMG publicada em 11/05/2026, com 1.013 líderes de finanças em 20 países, 36% das empresas apontam a qualidade dos dados como a maior barreira e, ao mesmo tempo, a maior oportunidade da IA em finanças. No mesmo levantamento, o uso de IA na área subiu de 30% para 75% desde 2024.

Ou seja: quase todo mundo já usa. Pouca gente organizou os dados para usar direito. A mesma pesquisa mostra que menos da metade das empresas (42%) está pronta para auditar os processos feitos com IA.

O Gartner já tinha feito um alerta parecido em fevereiro de 2025, em forma de previsão: até o fim de 2026, as empresas devem abandonar 60% dos projetos de IA que não tiverem dados preparados para isso. É previsão, não medição, mas aponta na mesma direção do estudo e da pesquisa.

Como usar dados estruturados com IA no fechamento?

O caminho é separar a pergunta da conta. Os dados ficam num banco, a IA traduz a pergunta em uma consulta SQL, o banco calcula e você confere a consulta e o resultado. Em quatro passos:

  1. Organize os dados em tabela. Razão e balancete exportados do ERP, com conta, data, histórico, valor e arquivo de origem em cada linha. Sem subtotais, sem células mescladas.
  2. Carregue num banco de dados. Pode ser um banco simples, local ou na nuvem. O importante é ter tabelas com colunas fixas.
  3. Peça à IA a consulta, não a resposta. Você pergunta em português ("quanto foi de frete em março?") e a IA escreve o SQL. Quem executa a conta é o banco.
  4. Audite antes de usar. Leia a consulta (conta, período e filtros certos), veja quantas linhas entraram e compare o total com o balancete.
Fluxo em quatro etapas: pergunta, a IA escreve a consulta, o banco faz a conta e você audita
Separar a pergunta da conta

Um exemplo com dados da Velmark, empresa fictícia que uso nas demonstrações. A pergunta foi "quanto foi de frete sobre vendas em março?". A IA escreveu esta consulta:

SELECT SUM(valor), COUNT(*)
FROM razao
WHERE conta = '4.2.07'
  AND mes = '2026-03';

O banco devolveu R$ 48.317,52 em 6 lançamentos, todos com o arquivo de origem (balancete_velmark_2026-03.xlsx). Dá para ler a consulta, conferir as seis linhas e rodar de novo amanhã com o mesmo resultado. Num chat, a mesma pergunta pode voltar como "cerca de R$ 48 mil", sem dizer quais linhas entraram.

Esse controle é o mesmo que eu descrevo em como conferir o número que a IA devolveu no financeiro: total por fora, fonte e registro do pedido. Com dados estruturados, boa parte dessa conferência já vem pronta.

Perguntar ao ChatGPT ou consultar um banco: qual a diferença?

Perguntar ao ChatGPT com a planilha colada deixa o raciocínio escondido e a resposta pode mudar a cada vez. Consultar um banco com SQL deixa a conta visível, repete o mesmo número com os mesmos dados e mostra a origem de cada linha.

Pergunta ao chatConsulta no banco
Como a conta é feitaO modelo prevê o resultadoO banco executa a soma
O que você vêSó a respostaA consulta e as linhas
Repetir a perguntaPode dar outro númeroDá o mesmo número
Origem do valorEm geral, não apareceCada linha tem arquivo e data
Planilha grandeAcerto caiMesmo comportamento

O chat continua útil para tirar dúvida, rascunhar texto e explicar um conceito. Para número que entra em relatório, a conta tem que estar fora do modelo.

Perguntas frequentes

Preciso saber SQL para usar dados estruturados com IA?

Não precisa escrever, mas precisa conseguir ler. A IA escreve a consulta; você confere se a conta, o período e os filtros estão certos. Uma consulta de soma por conta e mês tem quatro linhas e se lê em poucos minutos de prática. É a mesma lógica de um filtro com soma no Excel.

Planilha de Excel conta como dado estruturado?

Depende de como ela está montada. Uma aba com cabeçalho único, uma linha por lançamento e colunas fixas está perto disso. Uma planilha com subtotais no meio, células mescladas e abas com layouts diferentes não está. O primeiro passo costuma ser limpar a exportação do ERP antes de qualquer IA.

A IA não erra também ao escrever a consulta SQL?

Pode errar, e por isso a consulta tem que ficar visível. A diferença é que o erro fica à vista: um filtro de conta trocado ou um período errado aparece na leitura da consulta. Num chat, o erro fica escondido dentro de uma resposta bem escrita.

Isso vale para empresa pequena?

Vale, e costuma ser mais simples. Empresa pequena tem menos contas e menos sistemas, então organizar o razão e o balancete em tabelas leva menos tempo. O ganho é o mesmo: número que dá para conferir e repetir.

O que fazer agora

Escolha um relatório que você monta todo mês com dados do razão e veja se os dados de origem já estão numa tabela limpa, com uma linha por lançamento. Se o ponto de partida são notas fiscais, a ferramenta gratuita Notas para Excel transforma os XMLs em planilha estruturada. Antes, vale ler as cinco armadilhas ao transformar XML de NF-e em planilha. Para decidir onde a IA entra e onde fica o BI, veja BI e IA no financeiro.

Fontes

Sobre o autor

Pedro Scrignoli é controller e fundador do IA para Controller, onde escreve sobre IA aplicada à controladoria.

Sou controller e construo com IA os sistemas que uso no fechamento. Se isto foi útil, a ferramenta de notas é gratuita e roda no seu computador, sem enviar nada para lugar nenhum.