Prompts de IA de custeio para private equity e investidores
Na due diligence você tenta aprender, rápido, se a receita que está no modelo é a receita que de fato gera retorno. A margem de vitrine raramente sobrevive ao contato com o custo de servir. A IA pode ajudar a estruturar essa análise e a formular as perguntas para a gestão, mas um número que ela inventa em um data room é um número que detona depois do fechamento. Estes prompts foram feitos para uma análise que sobrevive ao escrutínio pós-aquisição.
Use a IA para interrogar a qualidade da margem, não para fabricá-la. Os prompts abaixo ajudam a testar o custo de servir por toda a base de clientes, achar quais fluxos de receita são genuinamente rentáveis e sondar a durabilidade do preço. Cada um obriga o modelo a trabalhar só com os números do data room, a separar fato de inferência e a sinalizar cada lacuna como pergunta de diligence, e não preenchê-la com um palpite plausível. A saída é uma lista de coisas a verificar, que é o que a diligence deve produzir.
O que o investidor deve e não deve pedir à IA
A IA é útil para o andaime analítico da diligence sob pressão de tempo. Ela consegue estruturar uma análise de custo de servir a partir dos dados fornecidos, ordenar clientes e fluxos de receita por rentabilidade real, revelar concentração e a longa e fina cauda de contas marginais, e transformar a história de preços de um alvo em um conjunto de perguntas afiadas para a gestão. Também é um jeito rápido de rascunhar a seção de custos de um memorando de investimento a partir dos seus próprios números validados, e de bancar o cético contra a narrativa do vendedor.
Ela é perigosa quando você a deixa substituir a verificação. Pedir para "estimar a margem", "assumir um custo de servir normal" ou "comparar com o setor" produz números confiantes sem base nos livros do alvo, e na diligence o ponto inteiro é saber o que os livros dizem, não o que é típico. Trate qualquer valor que o modelo oferecer e que não esteja no data room como uma questão em aberto, não como resposta. Mantenha a verificação, o julgamento e a conclusão firmemente seus.
Três prompts para começar
Cada bloco abaixo é um prompt pronto para colar em qualquer assistente de IA. Substitua os marcadores [cole] pelos dados do data room.
1. Testar o custo de servir por toda a base de clientes. Onde a margem de vitrine encontra a realidade.
Você é um analista de diligence testando o custo de servir da base de clientes de um alvo. Trabalhe apenas com os dados à sua frente, que eu vou colar. Não invente números, benchmarks ou valores "típicos". Trate cada lacuna como uma pergunta de diligence. Marque dados ausentes como DADO AUSENTE, com o pedido exato para a gestão. Meus dados: - Clientes ou segmentos com receita e margem bruta: [cole] - Os componentes de custo de servir disponíveis (logística, suporte, devoluções, rebates, prazos): [cole] Passos: 1. Para cada cliente, calcule o lucro líquido após os componentes de custo de servir fornecidos; mostre a fórmula antes do valor e cite a linha de origem. 2. Identifique clientes com margem bruta saudável, mas margem líquida ruim quando o custo de servir é aplicado. 3. Liste todo componente de custo de servir que NÃO está nos dados e enquadre-o como pergunta para a gestão. 4. Separe com clareza: calculado a partir dos dados, inferido e a verificar. 5. Reconcilie o lucro líquido dos clientes com o total fornecido e sinalize qualquer diferença.
2. Achar quais fluxos de receita são de fato rentáveis. Qualidade da receita, não apenas quantidade.
Você está ajudando um investidor a avaliar a qualidade da receita de um alvo. Trabalhe apenas com os dados que eu colar. Não invente valores nem benchmarks de setor. Sinalize cada lacuna como pergunta. Marque dados ausentes como DADO AUSENTE. Meus dados: - Fluxos de receita, produtos ou contratos com receita e qualquer custo e margem disponíveis: [cole] - Condições contratuais ou a divisão entre recorrente e pontual, quando houver: [cole] Passos: 1. Ordene os fluxos de receita por rentabilidade usando apenas os dados fornecidos; mostre cada cálculo como fórmula. 2. Identifique a concentração: quanto do lucro vem de quantos poucos fluxos, citando as linhas. 3. Distinga lucro recorrente de pontual apenas onde os dados sustentarem; caso contrário, marque como não verificado. 4. Separe com clareza: o que os dados mostram, o que você inferiu e o que a gestão precisa confirmar. 5. Produza uma lista curta das perguntas de diligence de maior impacto que esta análise levanta.
3. Sondar a durabilidade do preço. Quanto da margem é estrutural e quanto é frágil.
Você é um revisor crítico de diligence sondando a durabilidade do preço de um alvo. Trabalhe apenas com os dados que eu colar. Não invente elasticidades, preços de concorrentes ou volumes. Trate tudo que não estiver nos dados como pergunta, não como resposta. Meus dados: - Preço, volume e custo unitário por produto ou contrato: [cole] - Qualquer histórico de preços, padrão de descontos ou proteção contratual de preço: [cole o que existir] Passos: 1. Mostre a contribuição por linha como fórmula e sinalize qualquer linha em que o preço mal cobre o custo. 2. Identifique onde a margem depende de desconto que pode não persistir, citando os dados. 3. Liste o que é desconhecido sobre o poder de preço e enquadre cada ponto como pergunta para a gestão. 4. Separe com clareza: evidenciado nos dados, inferido e a verificar. 5. Indique a única premissa de preço que, se estiver errada, mais ameaça a tese de investimento.
A regra que sustenta todas as outras
Se você guardar um único trecho, guarde este. Cole-o no início de qualquer análise de diligence com IA.
Trabalhe apenas com os dados do data room. Não invente números, benchmarks ou volumes. Trate cada lacuna como uma pergunta de diligence e marque-a como DADO AUSENTE.
Um número fabricado em um memorando de diligence é um passivo que aflora depois do fechamento. Na diligence, uma lacuna sinalizada é um ativo; um palpite disfarçado de fato é uma armadilha.
Análise de margem que sobrevive aos primeiros 100 dias
Um prompt pode estruturar a sua diligence e afiar as suas perguntas, mas não reconstrói o custeio de um alvo do jeito que o plano de criação de valor vai exigir. Esse é o trabalho que fazemos ao lado de investidores e empresas de portfólio: um modelo defensável de custo de servir e rentabilidade de cliente que se sustenta na diligence e vira a ferramenta operacional depois do fechamento.
A espinha dorsal desse modelo é o TDABC (Time-Driven Activity-Based Costing, ou custeio baseado em atividades e direcionado pelo tempo). Em vez de ratear o custo de servir por médias que escondem quem destrói valor, o TDABC rastreia o custo por minuto de capacidade e o tempo que cada cliente consome, revelando a cauda de contas marginais que a margem de vitrine mascara. Se você quer uma análise de margem que resista ao escrutínio dos dois lados do negócio, veja a metodologia TDABC e comece por um health check.
Perguntas frequentes
- Posso pedir à IA para estimar a margem de um alvo?
- Não na diligence. Pedir para "estimar a margem" ou "assumir um custo de servir normal" gera números confiantes sem base nos livros do alvo. O ponto da diligence é saber o que os livros dizem, não o que é típico. Trate qualquer valor fora do data room como questão em aberto.
- Por que a margem de vitrine engana em uma aquisição?
- Porque a margem bruta ignora o custo de servir: logística, suporte, devoluções, rebates e prazos. Um cliente de margem bruta saudável pode ser destruidor de valor uma vez aplicado o custo de servir. Um modelo TDABC expõe essa diferença cliente a cliente.
- Como a IA ajuda com segurança na diligence?
- Como andaime analítico: estruturar análises de custo de servir, ordenar clientes por rentabilidade real, revelar concentração e rascunhar a seção de custos do memorando a partir dos seus números validados. O que ela não deve fazer é substituir a verificação dos livros.
- O que faço com uma lacuna de dados no data room?
- Trate-a como pergunta de diligence, não como algo a preencher com palpite. Os prompts marcam toda lacuna como DADO AUSENTE, com o pedido exato para a gestão. Uma lista de coisas a verificar é precisamente o que a diligence deve produzir.
- O que acontece com um número inventado no memorando?
- Vira passivo depois do fechamento. Um valor fabricado que ninguém rastreou até a origem detona quando o plano de criação de valor encosta na realidade dos livros. Por isso todo número deve citar a linha de origem no data room.
Leia também
Quer uma análise de margem que resista à diligence dos dois lados do negócio? O Profit Check gratuito leva 5 minutos e aponta onde a margem se cria e onde ela se perde. Ou escreva para nós pela página de contato.