A inteligência artificial já faz parte da rotina das grandes companhias, mas ainda está longe da mesa em que se discute risco. Levantamento da Corporate Board Member com conselheiros de companhias abertas americanas, publicado em abril, indica que apenas 3% dos conselhos têm a tecnologia extensivamente integrada à supervisão de risco e à tomada de decisão. Outros 20% recorrem a ela com regularidade, ao lado dos métodos tradicionais, e 40% não a utilizam nesse contexto.
O dado chama atenção porque cerca de metade dos conselheiros afirma ter ampliado o tempo de pauta dedicado a risco. É nesse intervalo que atua a Grand Thera, deeptech de Florianópolis que se posiciona como fornecedora de segurança para decisões de alto risco e tem conselhos, conselheiros e CFOs como interlocutores.
O que falta ao conselho
Para Fernando Negrini, CEO da Grand Thera, a carência não é de tecnologia nem de informação. “O conselho de hoje não está sem IA nem sem dados. Os dois recursos já estão na mesa das grandes corporações. O que falta é o sinal que chega antes do prejuízo e a clareza sobre o impacto financeiro de cada decisão”, afirma.
Pesquisa da Gartner realizada em março com 204 líderes financeiros reforça a distância entre a gestão e o conselho. A consultoria descreve uma lacuna de percepção: a área financeira reporta avanço na adoção de IA, e o conselho enxerga impacto estratégico limitado. Segundo a Gartner, os conselhos valorizam investimentos que gerem crescimento, melhorem a decisão e criem vantagem competitiva, prioridades que a carteira típica de projetos não reflete. Pelo estudo, 45% dos investimentos em IA na área de finanças têm foco em produtividade e só 20% em qualidade da decisão. A consultoria ainda aponta um teto nas iniciativas de eficiência: quando uma tarefa fica mais rápida, o ganho para de crescer, a menos que essa velocidade mude uma decisão mais ampla da empresa.
Evidência como requisito de governança
Na avaliação da Grand Thera, a automação virou commodity, e o valor migrou para a camada de inferência, que separa sinal de ruído, quantifica o efeito financeiro e preserva a trilha de evidências que sustentou cada decisão. Para os órgãos de governança, é essa trilha que torna uma decisão auditável.
“Produtividade em escala não vira resultado sozinha. Quem responde pelo número precisa de uma sequência que a maioria dos projetos de IA não entrega: o sinal antecedente, a decisão e as evidências auditáveis que justificam essa decisão”, diz Negrini.
Ontologia e epistemologia
A base conceitual da empresa foi formalizada neste mês em um preprint técnico sobre epistemologia computacional, publicado na plataforma SSRN. O documento descreve como os motores da companhia avaliam evidências e determinam o que é conhecimento confiável para uma decisão. A distinção proposta envolve duas camadas: a ontologia organiza os dados, e a epistemologia infere o que é verdade neles. Uma funciona sobre a outra, e é a segunda que responde à pergunta do conselho.
A arquitetura está aplicada no TheraOS, plataforma proprietária e com marca registrada, que reúne a organização dos dados da empresa, consulta em linguagem natural e algoritmos autônomos, os AITs, dedicados a monitorar risco e sinalizar impacto financeiro antes que ele apareça no resultado. A versão mais recente trocou os painéis tradicionais por um centro de comando orientado a decisão.
Para os conselhos que ampliaram a atenção ao risco, levar a IA à supervisão passa por dois critérios defendidos pela empresa: identificar o sinal antes do prejuízo e manter registradas as evidências que fundamentam cada decisão.