Brasil

Comentário de variância para o conselho, sem causas inventadas

Dê a um modelo de IA os seus números de realizado contra orçado e receba uma análise de variância limpa, mais um comentário curto e factual para o conselho. O recurso que se destaca é o que o modelo se recusa a fazer: ele não inventa um motivo para a variância; ele diz que a causa não está nos dados e lista o que precisaria para explicá-la.

Em resumo

Cole realizado e orçado de receita, lucro bruto, despesas operacionais e lucro operacional. O modelo calcula cada variância em valor e percentual, marca cada uma como favorável ou desfavorável, encontra a história real comparando o percentual de margem bruta e redige um comentário de cerca de 150 palavras. Onde a causa de uma variância não está contida nos números, ele diz isso com clareza e lista os dados necessários, em vez de fabricar uma explicação que soa plausível.

O que o prompt faz

Separar o que aconteceu do porquê

Um bom comentário de variância separa duas coisas que costumam se confundir: o que aconteceu, que os números podem dizer, e por que aconteceu, que eles geralmente não podem. O modelo consegue calcular que o lucro bruto caiu enquanto a receita subiu, e consegue mostrar que a causa é compressão de margem, não um problema de topo de linha. O que ele não pode fazer com honestidade é nomear a razão dessa compressão, porque preço, volume, mix e custo de insumo vivem todos fora do resumo de quatro linhas que recebeu.

Essa contenção é todo o valor do prompt para um parceiro de negócios de finanças. Um material de conselho que afirma com confiança uma causa errada é pior do que um que diz "a causa ainda não foi identificada; eis o que precisamos para encontrá-la." Essa honestidade é o mesmo princípio que sustenta ligar mudança operacional a resultado financeiro na execução da estratégia: medir o que você pode defender e ser explícito sobre o que ainda não consegue explicar.

O prompt

O prompt, pronto para colar

Substitua os valores de exemplo pelos seus. Mantenha a regra de proteção no topo e os passos numerados; são eles que fazem a diferença.

Você é um parceiro de negócios de finanças. Trabalhe apenas com os valores que eu fornecer. Não invente nenhuma explicação nem número. Onde uma causa não estiver nos dados, diga isso e liste o que você precisaria para explicá-la.

Realizado x orçado neste trimestre (R$):
Receita: 4.120.000 x 4.000.000
Lucro bruto: 1.360.000 x 1.440.000
Despesas operacionais: 910.000 x 880.000
Lucro operacional: 450.000 x 560.000

Faça o seguinte:
1. Calcule a variância e a variância % de cada linha.
2. Marque cada variância como favorável ou desfavorável.
3. Enuncie a história principal (a receita subiu, mas o lucro bruto caiu) e calcule a margem bruta % realizada x orçada.
4. Redija um comentário de conselho curto e factual, de no máximo 150 palavras, sinalizando claramente onde uma causa não está nos dados.
5. Liste os dados que você precisaria para explicar a queda de margem.

Exemplo resolvido

Um exemplo resolvido

Linha / Realizado (R$) / Orçado (R$) / Variância (R$) / Variância % / Veredito:

Receita: 4.120.000 / 4.000.000 / +120.000 / +3,0% / Favorável
Lucro bruto: 1.360.000 / 1.440.000 / -80.000 / -5,6% / Desfavorável
Despesas operacionais: 910.000 / 880.000 / +30.000 / +3,4% / Desfavorável
Lucro operacional: 450.000 / 560.000 / -110.000 / -19,6% / Desfavorável

A margem bruta caiu de 36,0% orçada para 33,0% realizada, uma queda de 3 pontos. A compressão de margem, e não a linha de receita, é o que puxa a falta no lucro operacional. O modelo redigiu um comentário de cerca de 148 palavras que enuncia esses fatos e então afirma explicitamente que a causa da queda de margem não é identificável a partir dos dados fornecidos. Ele se recusou a adivinhar. Em seguida listou os dados que precisaria para explicar a queda:

uma ponte de receita separando volume de preço
custo dos produtos vendidos detalhado por categoria
mix de vendas por faixa de margem
custos unitários de insumo contra orçado
detalhe de descontos e bonificações
despesas operacionais detalhadas por linha

Essa recusa é o ponto. A IA deu ao conselho um retrato verdadeiro e uma lacuna honesta, em vez de uma resposta confiante que poderia estar errada.

Custo de rodar

O que custa para rodar

A entrada tem cerca de 260 tokens. Uma execução completa, com a tabela de variância, a análise de margem, o comentário redigido e a lista de dados desejados, custa uma fração de centavo em qualquer modelo atual. Rodá-lo a cada ciclo de reporte é praticamente gratuito diante do tempo que poupa na primeira versão. Os números de tokens são aproximados e variam conforme o modelo e o tokenizador.

A salvaguarda

A salvaguarda que importa

Esta é a instrução de proteção mais importante de todo o material. O comentário de conselho é exatamente onde uma causa fabricada faz mais estrago, porque ela é repetida como fato.

Trabalhe apenas com os valores que eu fornecer. Não invente nenhuma explicação nem número. Onde uma causa não estiver nos dados, diga isso e liste o que você precisaria para explicá-la.

A instrução transforma o modelo de um adivinhador confiante em um analista honesto que nomeia a lacuna. O prompt pode dizer ao conselho que a margem comprimiu, mas não pode dizer por quê, porque o porquê vive no detalhe de custo. Rastrear a margem até produto, cliente e canal, para que a causa esteja nos dados da próxima vez, é o trabalho por trás de um modelo de rentabilidade real em TDABC.

Perguntas frequentes

Por que a IA não deve nomear a causa da variância?: Porque a causa quase nunca está contida em um resumo de quatro linhas. Preço, volume, mix e custo de insumo vivem fora dele. Se o modelo nomeia uma razão sem esses dados, ele está adivinhando, e um material de conselho que afirma uma causa errada com confiança é pior do que um que declara a lacuna honestamente.
O que o modelo consegue afirmar com segurança?: O que aconteceu: as variâncias em valor e percentual, se cada linha é favorável ou desfavorável, e que a margem bruta comprimiu de 36,0% para 33,0%. Ele mostra que a compressão de margem, e não a receita, puxa a falta no lucro operacional. Só não pode dizer por que a margem caiu.
Quais dados o modelo pede para explicar a queda de margem?: Uma ponte de receita separando volume de preço, o custo dos produtos vendidos por categoria, o mix de vendas por faixa de margem, os custos unitários de insumo contra orçado, o detalhe de descontos e bonificações e as despesas operacionais por linha.
Quanto custa rodar este prompt?: A entrada gira em torno de 260 tokens e uma execução completa custa uma fração de centavo em qualquer modelo atual. Os valores são aproximados e variam conforme o modelo e o tokenizador.
Como faço para a causa estar nos dados no próximo trimestre?: Rastreando a margem até produto, cliente e canal com um modelo de rentabilidade em TDABC construído sobre o seu razão reconciliado. Com o custo traçado até o objeto certo, a próxima variância já vem com a causa visível, e o comentário deixa de terminar em lacuna.