Depois do painel: o que os conselhos de administração passam a exigir de um sistema de decisão

O paradoxo da abundância

As empresas brasileiras passaram as últimas duas décadas digitalizando suas operações. O resultado é um paradoxo conhecido de qualquer executivo: nunca houve tanto dado disponível, e nunca foi tão difícil transformá-lo em decisão.

ERPs, CRMs, sistemas de chão de fábrica e planilhas contábeis convivem em silos que não conversam entre si. O business intelligence tradicional respondeu a esse cenário com dashboards: painéis que organizam o passado em gráficos elegantes, mas que continuam dependendo de um humano para interpretar, decidir e agir.

Para decisões operacionais do dia a dia, isso basta. Para decisões de alto risco, que envolvem posições financeiras, cadeias de suprimento e exposição a choques de mercado, o modelo chegou ao limite. E o limite não é de visualização, é de calendário: o conselho costuma ver o número consolidado quando o trimestre já fechou.

“A operação ao redor de uma planta industrial moderna e de grande porte pode chegar a produzir mais de um terabyte de dados a cada poucas horas. O problema não é volume, é o que se faz com ele antes que o risco vire prejuízo”, resume Fernando Negrini, CEO da Grand Thera Technologies.

Segurança, não tecnologia

É nesse ponto que a Grand Thera construiu seu posicionamento, e ele soa quase contraintuitivo para uma deeptech: a empresa não se apresenta como fornecedora de tecnologia. ” Não vendemos tecnologia. Vendemos segurança para tomar uma decisão de alto risco “, afirma Negrini.

A distinção define o interlocutor. O cliente típico da companhia não é o time de TI, mas a camada mais alta da governança: conselhos de administração, conselheiros independentes e CFOs de operações enterprise. São pessoas que não compram funcionalidade, compram redução de exposição pessoal e institucional a uma escolha que pode dar errado.

A lógica é fechar a lacuna entre dados operacionais e dados contábeis, permitindo que quem governa a empresa enxergue o risco no momento em que ele se forma, e não no fechamento do trimestre. “O que os conselhos compram é a capacidade de antecipar o risco antes que ele vire prejuízo financeiro. É isso que muda a conversa na sala do conselho”, diz o executivo.

As três camadas de uma decisão auditável

A resposta técnica da empresa a essa promessa é o que ela chama de Decision-Grade AI, uma stack composta por três camadas.

A primeira é o TheraOS, que consolida as fontes de dados fragmentadas do cliente em um data lake tratado, auditável e visual: pipelines que antes exigiam projetos de engenharia de meses viram operações de arrastar e soltar, e cada transformação de dado fica rastreável de ponta a ponta. É essa rastreabilidade que sustenta uma das garantias centrais da plataforma: as respostas não alucinam, porque todo o caminho do dado até a conclusão pode ser inspecionado. Junto ao TheraOS há um componente chamado Advisor, uma interface de conversa que permite ao decisor interrogar a própria operação em linguagem natural, do fluxo de dados de um indicador específico até a origem de uma anomalia.

A segunda camada são os AITs, algoritmos autônomos que monitoram métricas de risco em tempo real e agem sobre elas, realizando análises preditivas e prescritivas. Há aqui um detalhe de arquitetura que costuma decidir a conversa com áreas de risco: quem executa as decisões críticas não são modelos de linguagem, e sim métodos quantitativos, com limites de risco definidos e monitorados continuamente. A IA generativa conversa; quem decide é a matemática.

A terceira camada é um orquestrador que coordena e retroalimenta a ação dos diferentes algoritmos.

Do painel ao centro de comando

A nova geração da plataforma, que a empresa começa a apresentar ao mercado, transforma os dashboards tradicionais em um centro de comando. Em vez de painéis estáticos, uma central que mostra quanto prejuízo o sistema já evitou, onde estão os pontos sensíveis da operação e que ações o Advisor propõe em cada um deles.

A diferença de enquadramento é maior do que parece. Um painel responde à pergunta do analista, que é o que aconteceu. Um centro de comando responde à pergunta do conselheiro, que é o que fazer agora e quanto custa não fazer nada.

O período de construção silenciosa produziu também um marco de velocidade que a companhia passou a usar como cartão de visita: em um projeto recente no mercado de ativos digitais, a Grand Thera entregou em seis meses uma infraestrutura originalmente estimada em dois anos de desenvolvimento, cobrindo da análise de contágio de riscos sistêmicos entre diferentes ativos digitais ao onboarding automatizado e à recomendação de produtos para os novos clientes da plataforma, por meio de inteligência artificial.

Timing como produto

O apetite por esse tipo de solução cresce na mesma velocidade em que cresce a instabilidade dos mercados. Contratos com taxas contábeis pressionadas por tensões geopolíticas, cadeias de suprimento sujeitas a choques em cascata e posições de tesouraria expostas a ativos voláteis compõem o cenário em que os conselhos passaram a operar.

Nesse contexto, a precisão decimal de uma projeção importa menos do que a velocidade com que a organização reage a ela. “O decisor não está comprando o número na vírgula de uma projeção financeira. A controladoria fecha o número exato depois. O que ele está comprando é tempo de ação, o timing entre o sinal de risco e a possibilidade de resposta, antes que o sinal se materialize em impacto financeiro. Essa é a parte mais sensível”, conclui Negrini.

Se a primeira era da transformação digital foi sobre coletar dados e a segunda sobre visualizá-los, a aposta da Grand Thera é que a terceira será sobre algo mais simples de enunciar e mais difícil de entregar: agir sobre eles a tempo.

A OESP não é(são) responsável(is) por erros, incorreções, atrasos ou quaisquer decisões tomadas por seus clientes com base nos Conteúdos ora disponibilizados, bem como tais Conteúdos não representam a opinião da OESP e são de inteira responsabilidade da PulseBrand