Claude just launched Dashboards. I built an AI-native finance control tower.

Para quem gosta do assunto este é um prato cheio.

(Título original do artigo de Wouter Born, publicado na newsletter AI In Finance.)

No dia 8 de outubro, a Anthropic lançou em versão beta o Claude Dashboards. A ideia é simples: você conecta o Claude a uma fonte de dados da empresa — BigQuery, Snowflake, Databricks, Redshift, ClickHouse ou mesmo o Salesforce — e faz uma pergunta em linguagem comum. O Claude escreve uma consulta SQL para cada gráfico, executa essa consulta na fonte e monta o painel.

Até aqui, poderia ser só mais uma ferramenta de visualização. O que me chamou a atenção foi um estudo de caso publicado por Wouter Born, da Finstory, na newsletter AI In Finance. Ele mostra algo que interessa diretamente a conselhos e diretorias financeiras: um painel que, em vez de comemorar o número bonito, desconfiou dele.

O caso: dois prompts e um CFO virtual

Born usou uma base pública do Google no BigQuery, com cerca de 3,3 milhões de registros sintéticos de um e-commerce fictício — pedidos, produtos, estoque, clientes e devoluções. Com um único prompt, pediu ao Claude que agisse como CFO da empresa e construísse um painel de operações financeiras.

O resultado, à primeira vista, era uma ótima notícia: vendas líquidas de US$ 2,14 milhões nos últimos 12 meses, crescimento de 77% e margem de mercadoria de quase 52%. O painel veio com cinco abas, filtros e — detalhe relevante — uma aba de métodos e controles que roda 11 verificações de qualidade de dados a cada carregamento.

A pergunta que muda tudo

Então veio a pergunta que qualquer conselheiro experiente faria depois de um ano como esse: as vendas estão crescendo, mas o negócio está de fato ficando mais saudável?

A resposta do Claude começou com duas palavras: “Em parte.” O giro estava melhorando, mas a maior parte do estoque simplesmente não vendia — cerca de US$ 8,6 milhões parados. E aqui está o ponto central: em vez de sugerir uma baixa contábil, o Claude classificou o achado como “verificar dados primeiro”. Na leitura dele, aquilo parecia mais um problema de registro de estoque do que uma perda real — e deveria ser checado antes de qualquer lançamento.

É exatamente o que se espera de um bom analista. E é o que separa um gerador de gráficos de uma ferramenta que um controller pode, de fato, usar.

Por que isso importa para conselhos e CFOs

1. Rastreabilidade muda a conversa de governança. Cada gráfico mostra a consulta que o gerou e quando os dados foram atualizados pela última vez. A pergunta deixa de ser “quem montou essa planilha?” e passa a ser “qual consulta produziu esse número?”. Para comitês de auditoria, isso é uma mudança de natureza, não de grau.

2. O valor está no julgamento, não na velocidade. Montar o painel em minutos impressiona, mas o que gerou valor foi a IA distinguir um problema de negócio de um problema de dados. Vale notar, porém, que o autor pediu explicitamente essa distinção no segundo prompt. A qualidade da pergunta continua sendo responsabilidade humana — e é aí que a experiência da liderança faz diferença.

3. Não é substituto do BI corporativo. A própria Anthropic posiciona o recurso para perguntas rápidas e exploratórias, com a possibilidade de levar o painel para ferramentas como Sigma, Omni ou Grafana em análises mais profundas. Quem vender isso internamente como “fim do BI” vai gerar a expectativa errada.

4. Governança de acesso vem antes de tudo. No plano Enterprise, o recurso começa desativado até que um administrador o habilite, e os painéis nascem privados. O acesso aos dados é somente leitura. Tecnicamente, a configuração é simples; a questão real é decidir quem pode consultar o quê.

Três perguntas para levar à próxima reunião

• Quais dados da nossa empresa poderiam ser consultados em linguagem natural, com acesso somente leitura e trilha de auditoria?

• Quem valida o número antes que ele vire decisão — e esse papel está claro?

• Quais relatórios recorrentes (variação orçamentária, fechamento, capital de giro, KPIs mensais) poderiam virar painéis vivos, atualizados direto da fonte?

Em resumo

O crescimento de 77% era a manchete. O valor real estava na pergunta seguinte — e na humildade da ferramenta em dizer “confira os registros antes de acreditar nisso”. É esse o tipo de comportamento que devemos exigir da IA nas finanças: números rastreáveis até a fonte e um ceticismo saudável sobre os próprios resultados.

O estudo de caso completo, com os prompts usados palavra por palavra e as telas do painel, está no artigo original de Wouter Born na newsletter AI In Finance (Finstory). Recomendo a leitura.