A tecnologia constrói com base em AI. O setor financeiro protege a margem.

Pergunte ao CFO de uma empresa de tecnologia onde a margem do trimestre está se consolidando e você obterá um número direto. Pergunte o que a moveu e a lista começa: o recurso popular cujo custo de computação subiu mais rápido do que seu preço, a receita de uso registrada em planos mistos de assinatura e consumo, a computação reservada que uma política de dimensionamento automático consumiu mais rápido do que o planejado. Cada número nessa lista é o produto de múltiplos sistemas, e cada um é cada vez mais moldado por agentes. O papel do financeiro é ver como essas variáveis movem a economia unitária e direcionar a empresa continuamente, não apenas uma vez por mês no fechamento.

A maioria das equipes financeiras precisa fazer isso em uma infraestrutura criada para negócios mais lentos: extrações, planilhas e métricas que são reconciliadas mensalmente, enquanto o uso, os preços e a computação mudam a cada hora. Cada dia de atraso tem um preço. Uma redefinição de preços chega com uma semana de atraso. Um bug de medição sobrevive até o fechamento. Um compromisso de computação é assinado com base no cenário de demanda do mês passado.

Como a economia unitária de AI se tornou a linha de frente do financeiro

Empresas de tecnologia e nativas de AI são construídas sobre o crescimento. O uso escala, a precificação abrange assinatura e consumo, e a computação se tornou o maior custo variável do negócio. Proteger a viabilidade econômica desse crescimento sempre foi o trabalho do financeiro. O que mudou foi a velocidade: os agentes agora moldam como a computação é consumida, como o uso é precificado e como a receita é reconhecida, e os números do setor mostram essa pressão. As margens brutas de empresas nativas de AI atingiram cerca de 52% em 2026, contra 41% em 2024 (ICONIQ), ainda abaixo dos 70% a 90% que o software clássico gera.

As organizações financeiras mais fortes não estão esperando. A equipe financeira da OpenAI descreve a colocação de agentes de AI para trabalhar em fluxos de trabalho de contratos, extraindo e revisando termos que antes consumiam horas de analistas. YipitData trouxe as operações de receita e o financeiro para a Databricks, onde os analistas financeiros escrevem seus próprios códigos SQL e PySpark, e uma integração com o NetSuite eliminou o esforço manual dos relatórios financeiros. A questão para o CFO de uma empresa de tecnologia não é mais se o financeiro operará com AI. É qual base torna isso seguro.

Por que uma palavra como ontologia agora importa para o financeiro de empresas de tecnologia

O financeiro sempre foi bom em encontrar o número, mesmo quando ele está enterrado na complexidade. Mas um número pode ser perfeitamente preciso e ainda assim não estar correto, porque se baseia em uma visão parcial ou desatualizada de como o negócio funciona. O que importa é o significado por trás dele: as definições, os produtos e planos, os direcionadores de uso e computação, e como cada um deles muda conforme o negócio evolui. Para a AI, essa lacuna é o principal problema: a imprecisão é o problema mais citado pelas empresas em relação à AI, apontado por cerca de um terço delas (McKinsey, 2025). Como diz Ali Ghodsi, a maior parte da AI empresarial está adivinhando com falsa confiança. Esse é um problema de contexto, não de inteligência.

Uma ontologia fecha essa lacuna. Ela captura o que os números significam e mantém esse significado atualizado à medida que o negócio muda. E a matéria-prima está chegando mais rápido do que nunca. Os dados de pagamento da Stripe, transações, assinaturas, reembolsos e pagamentos agora fluem para o Unity Catalog por meio do OpenSharing no Databricks Marketplace: ao vivo, governados e sem necessidade de criar ou manter ETL. Lakebase, o banco de dados Postgres transacional integrado nativamente ao lakehouse, estende o mesmo princípio dentro da plataforma. Os dados operacionais e as análises compartilham uma única base, de modo que a resposta reflete o negócio como ele funciona hoje, e não como estava na última sincronização.

Onde o Genie One entra

Em um negócio nativo de AI, um entendimento formado há algumas horas já pode estar desatualizado. Portanto, a própria ontologia precisa continuar se movendo. Ela precisa aprender com os sistemas que a empresa executa, aprimorar-se a cada pergunta e se adaptar conforme o negócio evolui.

A Databricks desenvolveu o Genie One para isso. Ele funciona como um colega de trabalho de AI inteligente em dados: um líder financeiro faz uma pergunta direta e obtém uma resposta confiável e fundamentada, baseada na ontologia do Genie One e governada em cada etapa. A Amagi, a plataforma de AdTech por trás de milhares de canais de transmissão, já opera dessa forma em produção. Sua equipe financeira obtém faturamento em tempo real e relatórios financeiros na Databricks, com o Genie One respondendo a perguntas em linguagem natural. E como o financeiro, o marketing e as operações utilizam os mesmos dados governados, as reuniões executivas não precisam mais discutir de quem é o número correto.

Toda equipe financeira nativa de AI trabalha com alguma versão de três perguntas, e cada resposta prepara a próxima:

› Onde a margem bruta real está se consolidando, por produto e cliente, uma vez que a computação de AI entra na equação?

O preço de um plano e a margem que ele mantém raramente são o mesmo número quando os custos de inferência e serving são contabilizados. A margem é para onde a maioria das equipes direciona o Genie One primeiro, e é por isso que empresas de software de design, marketplace e internet de consumo o estão adotando como o ponto de entrada self-service para suas equipes financeiras.

› Onde a receita de consumo está em risco em modelos mistos de assinatura e precificação por uso?

O consumo que você consegue medir corretamente é a receita que você pode reconhecer, e o valor está em identificar uma lacuna à medida que ela se forma, não no fechamento. Uma empresa de apostas digitais foi a que foi mais longe: substituiu previsões frágeis em planilhas por modelos governados de previsão de receita, adicionou análise de liquidez e deu à sua equipe de liderança um Genie One próprio.

› Onde os gastos com computação correm o risco de superar o runway à medida que o uso cresce?

O momento de agir sobre o burn é antes que o próximo compromisso de computação seja assinado. Uma plataforma de ativos digitais executa seus pipelines de caixa financeiro e análises de blockchain na plataforma por esse motivo, e uma plataforma de entrega global executa previsões financeiras, aplicativos financeiros e automação de fluxo de trabalho da mesma maneira.

E como cada valor pode ser rastreado até sua origem, cada permissão é mantida e o custo da própria AI permanece governado sob um único modelo, a resposta é algo sobre o qual o financeiro pode agir. O Genie One prepara a ação, seja uma redefinição de preços, uma correção de medição ou uma redução mais lenta, e uma pessoa no processo toma a decisão final.

Da primeira resposta à plataforma financeira

A trajetória entre empresas de tecnologia e nativas de AI é consistente. O financeiro começa com respostas governadas e self-service. Depois, começa a consolidar. Uma líder de software nativa de AI que executa análises financeiras ao vivo na Databricks está agora validando o Genie One para financeiro e operações. Uma líder de software financeiro está consolidando sua pilha de relatórios financeiros e criando agentes para sua equipe financeira. Outras estão descontinuando as ferramentas pontuais que o financeiro acumulou ao longo de uma década: dashboards em plataformas de BI legadas, centenas de fluxos de trabalho de preparação de dados locais e aplicativos financeiros hospedados em um data warehouse em nuvem separado. Cada migração coloca mais do significado do negócio na ontologia, e as respostas do Genie One melhoram com isso. O financeiro acaba rodando na mesma plataforma que o produto: uma única plataforma de dados e AI que escala do pré ao pós-IPO sem necessidade de migração de plataforma.

Um colega de trabalho de AI inteligente em dados criado para a forma como o financeiro trabalha

Isso é o que os departamentos financeiros vêm pedindo: um colega de trabalho de AI que se mantém atualizado, governado e que continua aprendendo sobre o negócio. É também como gerenciamos o nosso. Michael Schaaf, Diretor Sênior de Finanças da Databricks, mostrou como a organização financeira da Databricks roda na Databricks no webinar Databricks on Databricks, e traz a história completa para o Data + AI Summit na sessão Como a Databricks usa a Databricks para gerenciar sua própria organização financeira, e por que isso muda tudo.

Empresas de tecnologia e nativas de AI continuarão crescendo com AI. O Genie One é como a área de finanças protege a unit economics da qual esse crescimento depende. Veja como é um colega de trabalho de AI inteligente em dados para uma equipe de finanças: databricks.com/product/ai-bi/genie

Perguntas frequentes

O que está mudando para a área de finanças em uma empresa nativa de AI?

Mais decisões que movem a unit economics (computação, precificação e reconhecimento de receita) são tomadas por agentes. A missão da área de finanças de proteger a margem não mudou. O que mudou foi a velocidade e a complexidade do que ela precisa entender e governar.

O Genie One toma decisões de precificação, empacotamento ou computação?

Não. Essas decisões cabem às equipes de produto, engenharia e contabilidade de receitas. O Genie One oferece à área de finanças uma visão precisa e governada, para que qualquer risco em formação seja detectado cedo e direcionado ao responsável para agir.

Por que a ontologia e a governança importam para o CFO de uma empresa de tecnologia?

A ontologia captura o que os números significam para o seu negócio e os mantém atualizados, para que uma resposta seja correta e não apenas precisa. A governança mantém cada valor rastreado, com permissões definidas e custos controlados. Juntas, elas tornam uma resposta segura para agir.

Como o Genie One se diferencia de um dashboard de AI ou de uma ferramenta de BI?

Um dashboard mostra o que os dados dizem. O Genie One ajuda você a agir com base neles: fundamentado em sua ontologia, governado de ponta a ponta e com uma pessoa tomando a decisão final.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original