Resposta rápida: o investidor institucional deixa de se impressionar com a palavra "IA" repetida num relatório trimestral e passa a procurar duas coisas bem concretas: risco gerenciado e resultado mensurável. O parágrafo de IA ideal evita dois extremos ao mesmo tempo, o AI washing que promete transformação genérica sem prova nenhuma, e o silêncio total que levanta a suspeita de atraso competitivo ou de desconforto em falar sobre governança. O caminho do meio é descrever escopo, controle e impacto financeiro em linguagem direta, com métricas auditáveis em vez de adjetivos. Esse é o parágrafo que o analista de RI lê duas vezes e o parágrafo que o conselho aprova sem susto.
Por que o investidor lê o parágrafo de IA de um jeito completamente diferente do que a empresa imagina?
A maioria dos executivos escreve o parágrafo de IA pensando em como parecer atualizado. O investidor lê esse mesmo parágrafo procurando risco escondido. Essa distância de intenção é a raiz de quase todo desconforto que aparece depois, em calls de resultado, em reuniões de RI ou em perguntas diretas do conselho fiscal.
Um analista que acompanha a empresa há anos sabe separar o discurso institucional do fato operacional. Quando lê "aceleramos a jornada de IA em todas as frentes do negócio", a primeira pergunta que ele registra na cabeça é: quanto isso custou, e quanto isso trouxe de volta. A ausência dessa resposta no texto já é um sinal, mesmo que discreto, de que a frase existe para preencher espaço e cumprir moda de mercado.
Esse comportamento de leitura ficou mais rigoroso depois que o tema virou pauta de painel de indicadores no conselho. Quando o próprio board cobra métrica trimestral de uso de IA internamente, fica difícil justificar pro mercado externo um texto vago que a diretoria nem sustentaria numa reunião de comitê. O parágrafo de IA do relatório trimestral, na prática, é o resumo público de uma conversa que já devia estar acontecendo com rigor lá dentro.
O que é AI washing e por que virou risco regulatório além de reputacional?
AI washing é o nome que o mercado deu para a prática de inflar, na comunicação pública, o papel real da inteligência artificial dentro da operação de uma empresa. Aparece como "ia" plantada em toda frase de resultado, promessa de eficiência sem número que sustente, ou uso do termo como sinônimo de inovação genérica, distante de qualquer sistema, processo ou dado que comprove aplicação real.
O problema deixou de ser apenas estético. Reguladores de mercado de capitais em diversas praças, incluindo movimentos que já chegam ao Brasil, tratam declaração de capacidade de IA como declaração relevante ao investidor, sujeita às mesmas regras de material information que qualquer outra afirmação sobre produto ou tecnologia. Uma empresa que anuncia "motor de IA proprietário" sem sistema algum documentado corre risco de responder, depois, por informação enganosa ao mercado.
Além da camada regulatória, existe a camada de confiança que se rompe de forma silenciosa e cara. O investidor institucional guarda registro de toda promessa que fica sem cumprimento. Quando o parágrafo do trimestre seguinte some ou dilui a mesma promessa de eficiência anunciada com pompa três meses antes, o próximo texto da empresa já nasce sob desconto de credibilidade. Esse desconto aparece depois em due diligence, como mostramos em detalhe no artigo sobre o que o comprador de fato examina numa due diligence de IA, onde histórico de comunicação inflada pesa contra o valuation tanto quanto qualquer passivo contratual.
Framework de IA no relatório trimestral: Por que o investidor lê o parágrafo de IA de um jeito.
Por que esconder o uso real de IA também é um erro caro, e talvez até mais caro que exagerar?
O reflexo de evitar o assunto por completo parece prudente à primeira vista. Muita diretoria pensa: "se a gente fica quieta, evita expor risco desconhecido, evita comparação incômoda com concorrente que já fala de IA, evita pergunta chata de analista". Esse raciocínio ignora um detalhe estrutural do mercado de capitais: o silêncio também comunica algo, e raramente comunica o que a empresa gostaria.
Quando um setor inteiro já discute adoção de IA em relatório, conferência e apresentação de resultado, e uma empresa específica segue com zero menção ao tema, o investidor tende a assumir o cenário mais pessimista. Ele passa a imaginar atraso tecnológico, ausência de estratégia de dados, ou pior, um problema de governança que a empresa prefere esconder de propósito. Nenhuma dessas três hipóteses é boa pra múltiplo de mercado, e todas surgem justamente do vazio informacional que a diretoria criou tentando evitar exposição.
Esse padrão de suspeita fica ainda mais evidente quando concorrente direto anuncia uso de IA antes da empresa. O silêncio, nesse cenário, deixa de parecer discrição e passa a parecer reação tardia. Tratamos esse cenário específico com roteiro de resposta no artigo sobre o que fazer quando o concorrente anuncia IA antes da sua empresa, e o princípio se repete aqui: o vácuo de comunicação nunca fica vazio por muito tempo, alguém preenche essa lacuna com a narrativa que for mais conveniente, e raramente é a narrativa que favorece a empresa que ficou calada.
Existe ainda uma segunda camada de custo. Colaboradores, clientes e parceiros também leem relatório trimestral, direto ou por meio de terceiros que resumem o conteúdo. Uma empresa que usa IA de forma consistente internamente, mas nunca menciona isso publicamente, perde a chance de posicionar essa capacidade como diferencial em negociação comercial, tema que já detalhamos no artigo sobre a resposta correta quando um cliente pergunta se a empresa usa IA.
Quais métricas substituem a palavra "IA" repetida à toa num relatório trimestral?
O ponto central deste artigo é justamente este: o investidor deixa de se impressionar com a palavra em si e passa a procurar prova numérica. A troca prática é simples de descrever e trabalhosa de sustentar, porque exige que a empresa realmente meça o que está fazendo, em vez de apenas anunciar.
A primeira métrica que qualquer analista de RI experiente procura é redução de custo atribuível, com escopo claro. Em vez de "a IA trouxe eficiência para o atendimento", o texto forte diz "o uso de IA generativa na triagem de tickets reduziu em X horas por semana o tempo médio de primeira resposta, com economia estimada de R$ Y no trimestre, calculada por Z metodologia". A diferença entre as duas frases é a diferença entre propaganda e relatório financeiro.
A segunda métrica relevante é escopo de implementação, ou seja, em quantas áreas, times ou processos a IA de fato roda em produção, distante de ficar apenas em piloto. Investidor entende bem a diferença entre "estamos testando" e "está no ar processando volume real". Declarar de forma explícita o estágio de maturidade evita a armadilha de parecer que todo o negócio já foi transformado quando, na prática, existe um projeto isolado numa área específica.
A terceira métrica, cada vez mais exigida por fundos com política de investimento responsável, é indicador de governança e controle de risco. Aqui entra volume de decisões revisadas por humano, taxa de erro monitorada, e adesão a algum framework de gestão de risco de IA. Empresas que já avançaram nesse eixo encontram apoio em normas certificáveis, como descrevemos no artigo sobre a ISO 42001 e a gestão de IA certificável, que hoje funciona como selo de maturidade equivalente ao que a ISO 27001 representa para segurança da informação.
A quarta métrica, mais difícil de calcular mas cada vez mais cobrada, é retorno sobre investimento de IA no horizonte correto. O erro clássico é medir ROI de IA no mesmo trimestre do investimento inicial, o que quase sempre produz número decepcionante e alimenta o discurso oposto, o de que IA "ainda carece de resultado". Detalhamos esse ponto com profundidade no artigo sobre o que raramente se conta sobre o ROI real da IA, inclusive o motivo pelo qual o retorno costuma aparecer de forma mais nítida a partir do segundo ou terceiro trimestre de operação madura.
Matriz de decisão de IA no relatório trimestral: Quais métricas substituem a palavra "IA" repetida.
Como o conselho decide, na prática, o que entra e o que fica de fora do parágrafo de IA?
A decisão do que vai para o relatório trimestral raramente deveria nascer no departamento de RI de forma isolada. O texto final é resultado de uma triagem que passa pelo jurídico, pelo time técnico responsável pela IA e pela liderança executiva, cada um filtrando um tipo diferente de risco antes da publicação.
O jurídico verifica se a afirmação resiste a um pedido de esclarecimento formal do regulador ou de um investidor ativista. Toda frase que promete resultado futuro precisa vir qualificada como projeção, com as ressalvas de sempre.
O time técnico responsável pela IA verifica se o texto reflete o estado real do sistema, sem arredondar pra cima. Se o sistema roda em produção para 30% da base de clientes, o texto evita dizer "em toda a base" só porque a expansão está no roadmap. Esse cuidado técnico, aliás, é o mesmo que orientamos quando o conselho pede indicadores de acompanhamento periódico da IA, prática que já se tornou rotina de governança em boa parte das empresas que atendemos.
A liderança executiva, por fim, decide o tom. Aqui entra julgamento genuíno de negócio: quanto detalhe operacional vale a pena compartilhar sem entregar vantagem competitiva ao concorrente que lê o mesmo relatório. Esse equilíbrio entre transparência e proteção estratégica é discutido na seção seguinte, porque merece tratamento próprio.
Como equilibrar transparência com o risco de dar munição estratégica ao concorrente?
Toda empresa aberta enfrenta esse dilema em qualquer tema sensível, e IA entrou nessa lista com força nos últimos ciclos. A regra prática que costumo levar para o comitê é separar o que é resultado do que é método. Resultado financeiro, o mercado tem direito de saber com razoável nível de detalhe. Método de implementação, algoritmo específico, fornecedor de tecnologia e arquitetura interna, a empresa pode manter em nível mais alto de abstração sem violar nenhum dever de transparência.
Um exemplo prático ajuda a fixar essa lógica. Dizer "reduzimos o ciclo de aprovação de crédito de cinco dias para oito horas com apoio de modelos de IA no processo de análise documental" entrega informação de resultado, relevante para o investidor avaliar eficiência operacional. Detalhar exatamente qual modelo, qual fornecedor e qual arquitetura de dados sustenta esse ganho já entrega vantagem tática ao concorrente, sem benefício adicional a quem raramente tem interesse em avaliar escolha de stack técnico.
Esse mesmo princípio de camadas de informação aparece quando a empresa precisa justificar orçamento de IA para o ano seguinte perante o próprio conselho ou perante o mercado. O argumento que convence dispensa detalhe técnico e depende, sim, de conexão clara entre investimento e resultado de negócio, exatamente a mesma lógica que sustenta um bom parágrafo de relatório trimestral.
Vale reforçar que esse cuidado com nível de detalhe difere completamente de esconder o uso da tecnologia. Uma coisa é omitir arquitetura técnica, prática comum e aceita em qualquer setor competitivo. Outra coisa, bem diferente, é omitir a existência do uso de IA em processo relevante do negócio, o que caracteriza o problema de silêncio total já discutido antes neste artigo.
Que perguntas o analista de RI faz depois de ler o parágrafo de IA, e a empresa está preparada para elas?
Todo parágrafo bem escrito gera pergunta de acompanhamento, e isso é positivo, sinal de que o texto despertou interesse genuíno em vez de ser ignorado. O problema aparece quando a empresa escreve um parágrafo ambicioso sem preparar quem vai responder às perguntas na call de resultado seguinte.
A pergunta mais comum, direta e simples, é sobre o gasto total associado à iniciativa de IA mencionada. Se o relatório fala em "investimento significativo em IA generativa", o CFO precisa ter em mãos o número exato, a linha orçamentária de origem e a comparação com o trimestre anterior. Responder "estamos consolidando esse dado" depois de ter escrito "investimento significativo" no relatório oficial cria uma contradição que o analista registra e cobra de novo no trimestre seguinte.
A segunda pergunta recorrente envolve headcount e impacto em quadro de pessoal. Investidores institucionais, especialmente fundos com mandato de governança social, perguntam com frequência crescente se a adoção de IA substituiu posições ou reorganizou funções. Uma resposta evasiva aqui costuma pesar mais contra a empresa do que a própria informação de redução de quadro, porque sugere desconforto em assumir uma decisão de gestão legítima.
A terceira pergunta, cada vez mais frequente à medida que reguladores avançam o tema, envolve auditoria e certificação de governança de IA. "A empresa possui algum framework de gestão de risco de IA auditável por terceiros?" é uma pergunta que, há dois anos, praticamente nenhum analista fazia. Hoje aparece com regularidade em calls de resultado de empresas de setores regulados, e a resposta afirmativa, apoiada em certificação como a ISO 42001 já mencionada antes, tende a gerar reação de mercado bem mais favorável do que qualquer adjetivo sobre "IA de ponta".
A decisão do que vai para o relatório trimestral raramente deveria nascer no departamento de RI de forma isolada.
Como a narrativa de IA muda entre o texto público do relatório e a conversa direta com o investidor institucional?
Existe uma diferença legítima, e nada antiética, entre o nível de detalhe que vai para o relatório trimestral público e o nível de detalhe que a diretoria compartilha numa reunião fechada com investidor institucional relevante, sob acordo de confidencialidade quando aplicável. O relatório público precisa ser compreensível para qualquer acionista minoritário, o que exige linguagem mais geral e cuidado redobrado com qualquer promessa.
Na conversa direta, o espaço para nuance aumenta. É possível explicar, por exemplo, que determinado ganho de eficiência ainda está concentrado numa unidade de negócio específica e que a expansão para as demais depende de investimento adicional em infraestrutura de dados, algo que o relatório público resumiria de forma mais simples. Essa camada de conversa qualificada é onde o investidor sério de fato avalia a maturidade real da gestão de IA da empresa, muito além do texto formal.
O erro comum aqui é inverter essa lógica: publicar no relatório uma narrativa otimista e reservar para a conversa privada as ressalvas e limitações reais. Isso cria dois discursos que, se comparados lado a lado por um analista atento, revelam inconsistência. A prática recomendada é o oposto, o relatório público carrega a versão mais conservadora e sustentável do discurso, e a conversa privada apenas adiciona detalhe e contexto, sem jamais contradizer o que já foi publicado.
Que erros mais comuns aparecem nos relatórios trimestrais brasileiros quando o assunto é IA?
Depois de acompanhar de perto o processo de comunicação de várias empresas em fase de estruturação de governança de IA, alguns padrões de erro se repetem com frequência alta o suficiente para merecer registro específico.
O primeiro erro é a métrica de vaidade travestida de indicador de negócio. "Lançamos cinco iniciativas de IA no trimestre" é uma frase que soa como conquista, mas fica vazia sem informação de impacto. O número de iniciativas lançadas interessa pouco ao investidor se nenhuma delas chegou perto de gerar resultado auditável. A correção é simples: sempre que uma quantidade aparecer no texto, ela precisa vir acompanhada de uma unidade de resultado, seja financeira, operacional ou de risco reduzido.
O segundo erro é a inconsistência de escala entre trimestres. Uma empresa que descreve o uso de IA como "piloto em fase inicial" num trimestre e "parte estrutural da operação" três meses depois, sem explicar a transição, levanta dúvida sobre qual das duas descrições era de fato precisa.
O terceiro erro, talvez o mais delicado, é copiar linguagem de concorrente ou de relatório internacional sem adaptar à realidade concreta da empresa. Termos como "IA agêntica em toda a cadeia de valor" viajam rápido entre relatórios do mesmo setor, e o analista experiente reconhece esse padrão de cópia com facilidade. A recomendação sempre é escrever a partir do que a empresa efetivamente mediu e implementou, mesmo que o resultado pareça mais modesto do que a frase importada do concorrente.
O quarto erro é a ausência total de qualquer menção a limitação, risco ou ponto de atenção. Um parágrafo de IA que é só elogio próprio soa artificial precisamente pela falta de textura que qualquer processo real de implementação carrega. Investidor experiente confia mais em quem admite dificuldade específica do que em quem descreve um percurso perfeito demais para ser verdade.
Plano de aplicação de IA no relatório trimestral: Como equilibrar transparência com o risco de dar munição.
Qual estrutura de texto entrega o equilíbrio certo entre prova concreta e linguagem acessível?
Depois de revisar tudo que compõe um bom parágrafo, vale consolidar uma estrutura prática que qualquer time de RI pode adaptar ao próprio contexto. O primeiro bloco descreve o escopo real da aplicação de IA no trimestre, com linguagem factual, evitando adjetivo de intensidade como "revolucionário" ou "disruptivo". O segundo bloco traz o número, a métrica de impacto ou de custo evitado, com a metodologia de cálculo resumida em uma frase.
O terceiro bloco menciona o estágio de governança, mesmo que de forma breve, porque essa menção sinaliza ao mercado que a empresa trata o tema com seriedade estrutural, superando o status de iniciativa pontual de marketing. O quarto bloco, quando aplicável, reconhece um desafio real ou uma área em desenvolvimento, o que aumenta a credibilidade do conjunto inteiro por contraste.
Um parágrafo construído dessa forma tende a ocupar entre oito e doze linhas, nem tão curto que pareça descartável, nem tão longo que vire peça de propaganda disfarçada de relatório financeiro. O objetivo nunca é impressionar o leitor, é informar o leitor com honestidade suficiente para que ele tome a própria decisão de investimento com base em fato, distante de qualquer adjetivo.
Conclusão
O parágrafo de IA no relatório trimestral virou, sem que a maioria das empresas tenha percebido a tempo, um teste de maturidade de governança corporativa inteira, muito além de mera tecnologia. Quem exagera corre risco regulatório e de credibilidade acumulada ao longo dos trimestres seguintes. Quem esconde entrega ao mercado o direito de imaginar o pior cenário possível, geralmente pior do que a realidade concreta da empresa. O caminho que funciona de verdade fica descrito, jamais decorado: escopo real, métrica auditável, estágio de governança reconhecível e, sempre que existir, o reconhecimento honesto de um desafio ainda em curso.
Levar esse parágrafo ao conselho antes da publicação, com a mesma seriedade que qualquer outra declaração financeira relevante recebe, deixa de ser exagero de cautela e passa a ser prática básica de proteção da empresa e de respeito ao investidor. A palavra "IA" sozinha parou de significar alguma coisa há um bom tempo. O que continua e sempre vai significar alguma coisa é resultado sustentado por prova, e é exatamente esse o padrão que separa quem comunica com autoridade de quem apenas segue a moda do trimestre.
A régua que sustenta esse parágrafo está em os 5 níveis de IA na sua empresa, e a métrica que o board deveria pedir em a métrica de IA que o seu board pede.
Leia também
O contexto brasileiro: LGPD, ANPD e o PL 2338
No Brasil, qualquer decisão sobre uso de IA na operação passa pela LGPD (Lei 13.709/2018). A ANPD pode aplicar sanção de até 2% do faturamento da empresa no Brasil, limitada a R$ 50 milhões por infração, e o PL 2338/2023 avança para criar o marco legal da IA, com obrigações de transparência, avaliação de risco e supervisão humana em sistemas de alto impacto.
Na prática, isso significa três coisas para a liderança: registrar quais ferramentas e agentes de IA tratam dados pessoais, definir quem responde por cada decisão automatizada e manter trilha de auditoria do que foi gerado por máquina.
A Groovia acompanha essa jornada com um time de 6 humanos e 78 agentes próprios, e já conduziu 100 sócios pela Curva de Maturidade em IA, das 5 etapas que levam uma empresa de AI First a AI Native. Se quiser saber em qual etapa a sua está, o diagnóstico gratuito devolve o resultado em poucos minutos.