A IA ajuda na diligência comercial?

Para estrutura e rapidez, sim. Pode enquadrar um teste de cost-to-serve à base de clientes, ordenar os riscos de margem e redigir as perguntas que o modelo deve responder. O que não pode é inventar os inputs. Em diligência, um número confiante e sem fonte é pior do que nenhum, porque sobrevive até ao caso de investimento.

Como testo se a margem de cabeçalho é real?

Vá além da margem bruta até ao cost-to-serve e olhe para as caudas. Dois fluxos de receita com a mesma margem bruta podem acabar muito diferentes quando se conta o custo de os servir. Um bom prompt custeia cada coorte na mesma base e nomeia onde a margem reportada é subsidiada em silêncio.

O que posso concluir de facto de um prompt em diligência?

Uma direção e um conjunto de perguntas mais afiadas, não um veredicto. O resultado é tão bom quanto os valores do data room que lhe dá, e tem de reconciliar com o razão do alvo antes de pertencer a um documento de IC. Trate-o como a hipótese, e o modelo reconciliado como a prova.

Como ajuda isto nos primeiros 100 dias?

A mesma análise de margem que assinalou risco na diligência torna-se o plano operacional pós-fecho: que clientes reajustar, que fluxos crescer, onde está a capacidade ociosa. Bem construída no CostCtrl e reconciliada com o razão, passa de uma visão de diligência a um modelo pelo qual o negócio se orienta.

Prompts de custeio com IA · Por funcao

Prompts de custeio com IA para private equity e investidores

Em due diligence esta a tentar saber, depressa, se a receita do modelo e a receita que efetivamente gera retorno. A margem de cabecalho raramente sobrevive ao contacto com o custo de servir. A IA pode ajuda-lo a estruturar essa analise e a enquadrar as questoes a colocar a gestao, mas um numero que ela invente numa data room e um numero que rebenta depois do closing. Estes prompts foram construidos para analise que sobrevive ao escrutinio pos-aquisicao.

Em resumo

Use a IA para interrogar a qualidade da margem, nao para a fabricar. Os prompts abaixo ajudam-no a testar o custo de servir em toda a base de clientes, a encontrar quais os fluxos de receita genuinamente rentaveis, e a sondar a durabilidade do pricing. Cada um forca o modelo a trabalhar apenas com os valores na data room, a separar facto de inferencia, e a sinalizar cada lacuna como uma questao de diligence em vez de a preencher com uma adivinha plausivel. O resultado e uma lista de coisas a verificar, que e o que a due diligence deve produzir.

O que um investidor deve e nao deve pedir a IA

A IA e util para o andaime analitico da due diligence sob pressao de tempo. Pode estruturar uma analise de custo de servir a partir dos dados fornecidos, ordenar clientes e fluxos de receita por rentabilidade real, revelar a concentracao e a longa cauda fina de contas marginais, e transformar a historia de pricing de um alvo num conjunto de questoes incisivas para a gestao. E tambem uma forma rapida de redigir a seccao de custos de um memorando de investimento a partir dos seus proprios valores validados, e de fazer de cetico contra a narrativa do vendedor.

E perigosa quando a deixa substituir a verificacao. Pedir-lhe para "estimar a margem", "assumir um custo de servir normal", ou "comparar isto com o setor" produz numeros confiantes sem base nas contas do alvo, e em due diligence o objetivo e precisamente saber o que as contas dizem, nao o que e tipico. Trate qualquer valor que o modelo ofereca e que nao esteja na data room como uma questao em aberto, nao uma resposta. Mantenha a verificacao, o juizo e a conclusao firmemente seus.

Tres prompts para comecar

1. Testar o custo de servir em toda a base de clientes

Onde a margem de cabecalho encontra a realidade. Constroi sobre a pagina custo de servir.

Es um analista de due diligence a testar o custo de servir da base de clientes de um alvo. Trabalha apenas com os dados a tua frente, que vou colar. Nao inventes nenhum numero, benchmark nem valor "tipico". Trata cada lacuna como uma questao de diligence. Identifica os dados em falta como DADOS EM FALTA com o pedido exato para a gestao.

Os meus dados:
- Clientes ou segmentos com receita e margem bruta: [colar]
- Os componentes de custo de servir disponiveis (logistica, apoio, devolucoes, rappel, condicoes): [colar]

Passos:
1. Para cada cliente, calcula o lucro liquido apos os componentes de custo de servir fornecidos; mostra a formula antes do valor, cita a linha de origem.
2. Identifica os clientes que tem margem bruta saudavel mas margem liquida fraca depois de aplicado o custo de servir.
3. Lista cada componente de custo de servir que NAO esta nos dados e enquadra-o como uma questao para a gestao.
4. Separa claramente: calculado a partir dos dados, inferido, e a verificar.
5. Reconcilia o lucro liquido dos clientes com o total fornecido e sinaliza qualquer diferenca.

2. Encontrar quais os fluxos de receita realmente rentaveis

Qualidade da receita, nao apenas quantidade. Veja rentabilidade de clientes.

Estas a ajudar um investidor a avaliar a qualidade da receita de um alvo. Trabalha apenas com os dados que colo. Nao inventes valores nem benchmarks de setor. Sinaliza cada lacuna como uma questao. Identifica os dados em falta como DADOS EM FALTA.

Os meus dados:
- Fluxos de receita, produtos ou contratos com receita e qualquer custo e margem disponiveis: [colar]
- Condicoes contratuais ou separacao recorrente vs pontual, onde fornecido: [colar]

Passos:
1. Ordena os fluxos de receita por rentabilidade usando apenas os dados fornecidos; mostra cada calculo como formula.
2. Identifica a concentracao: quanto lucro vem de quao poucos fluxos, citado as linhas.
3. Distingue lucro recorrente de pontual apenas onde os dados o suportam; caso contrario marca como nao verificado.
4. Separa claramente: o que os dados mostram, o que inferiste, e o que a gestao tem de confirmar.
5. Produz uma lista curta das questoes de diligence de maior impacto que esta analise levanta.

3. Sondar a durabilidade do pricing

Quanto da margem e estrutural e quanto e fragil. Liga as decisoes de preco.

Es um revisor critico de diligence a sondar a durabilidade do pricing de um alvo. Trabalha apenas com os dados que colo. Nao inventes elasticidades, precos da concorrencia nem volumes. Trata qualquer coisa que nao esteja nos dados como uma questao, nao uma resposta.

Os meus dados:
- Preco, volume e custo unitario por produto ou contrato: [colar]
- Qualquer historico de pricing, padrao de descontos ou protecao de preco contratual: [colar o que existir]

Passos:
1. Mostra a contribuicao por linha como formula e sinaliza qualquer linha onde o preco mal cubra o custo.
2. Identifica onde a margem depende de descontos que podem nao persistir, citando os dados.
3. Lista o que e desconhecido sobre o poder de pricing e enquadra cada item como uma questao para a gestao.
4. Separa claramente: evidenciado nos dados, inferido, e a verificar.
5. Indica o unico pressuposto de pricing que, se estiver errado, mais ameaca o caso de investimento.

A regra unica

Trabalha apenas com os dados na sala. Nao inventes nenhum numero, benchmark ou volume. Trata cada lacuna como uma questao de diligence e identifica-a como DADOS EM FALTA.

Um numero fabricado num memorando de diligence e uma responsabilidade que vem ao de cima depois do closing. Para o conjunto completo de salvaguardas, leia como impedir a IA de inventar os seus numeros.

●Ir mais longe

Comparar a qualidade da margem entre coortes e ordenar os riscos

Os prompts acima testam uma dimensao da qualidade da margem de cada vez. Este alinha coortes de clientes, ou fluxos de receita, lado a lado e ordena-os por risco, para que o resultado da diligencia seja uma lista priorizada do que verificar, nao um numero unico. Corra-o quando tiver os valores para mais do que uma coorte.

Comparacao de qualidade da margem entre coortes

You are a diligence analyst comparing margin quality across a target's customer cohorts (or revenue streams). Work only from the data in front of you, which I will paste. Do not invent any numbers, benchmarks or "typical" figures. Treat every gap as a diligence question and label it DATA MISSING with the exact ask for management.

I want the cohorts ranked by how much of the reported margin is durable versus fragile, so I can direct verification effort where it most threatens the investment case.

Step 1. Take the cohorts (segments, revenue streams or contract types) with, for each: revenue, gross margin, whatever cost-to-serve components exist, and any note on recurring versus one-off and on discounting. Use only what is provided.

Step 2. For each cohort, compute net margin after the cost-to-serve components provided; show the formula before the value and cite the source row.

Step 4. Flag the cohorts where gross margin looks healthy but net margin does not survive cost-to-serve, and those where margin leans on discounting or one-off revenue that may not persist, citing the data.

Step 5. For each flagged cohort, write the single sharpest question for management, and state what data would confirm or kill the concern.

Step 6. Reconcile cohort net profit to the total provided and flag any gap. Separate clearly what the data shows, what you inferred, and what must be verified.

Em diligencia, o resultado que importa e uma lista ordenada de coisas a verificar, nao um numero de destaque. Uma comparacao que revela as coortes frageis esta a fazer exatamente esse trabalho.

●Transformar num ficheiro

Transforme-o num entregavel pronto para o comite de investimento

Os prompts desta pagina produzem analise de diligencia no chat. Este complemento transforma-a em algo que pode colocar a frente de um comite de investimento, um modelo Excel funcional, uma seccao de memorando limpa, ou um deck curto, com cada questao em aberto sinalizada. Cole-o a seguir ao prompt de diligencia depois de os numeros correrem.

Now package this diligence analysis into an IC-ready deliverable. Ask me which format I want, or default to Excel:

- EXCEL: a working model, not a picture of one. Put the target's figures (revenue, gross margin and cost-to-serve components by customer or cohort) on one clearly marked input sheet, and drive net margin, the ranking and the concentration view with live formulas, so a changed input reflows the analysis. Add a separate tab listing every DATA MISSING item as an open diligence question. Label every assumption cell.
- MEMO: a clean cost-and-margin section for an investment memo, one-paragraph thesis on margin quality, the cohort comparison table, the concentration finding, and a clearly headed list of open questions and what would confirm or kill each. No chat formatting.
- PPT: 5 to 7 slides, the margin-quality question, the method in one slide, the ranked comparison, the fragile cohorts, the key open items for management, the read-through to the investment case.

Rules for the deliverable:
- Keep all inputs adjustable and visible; never hard-code a result I might want to change.
- Carry every DATA MISSING item through as an explicit open question; never fill a gap with a plausible figure.
- Separate clearly what the data shows, what is inferred, and what must be verified.
- Add a discreet footer or last-slide credit line, small and unobtrusive, exactly as written below.

Credit line to embed (use verbatim, in the document footer or final slide):
"Model scaffolding based on the private-equity diligence prompts from costandprofitability.com/ai-costing-prompts/for-private-equity"

Keep it to one small line; it should read as a quiet source note, not an advertisement.

A linha de credito e deliberadamente modesta, uma nota de origem e nao uma marca de agua, para que o ficheiro seja confortavel de circular num comite de investimento enquanto o metodo permanece rastreavel ate a sua origem.

Analise de margem que sobrevive aos primeiros 100 dias

Um prompt pode estruturar a sua diligence e afinar as suas questoes, mas nao consegue reconstruir o custeio de um alvo da forma que o plano de criacao de valor ira precisar. E esse o trabalho que fazemos ao lado de investidores e empresas de portfolio: um modelo de custo de servir e de rentabilidade de clientes defensavel que aguenta a diligence e se torna a ferramenta operacional depois do closing. Se quer analise de margem que sobrevive ao escrutinio dos dois lados do negocio, comece com um health check.

Marque um profitability health check Voltar a todos os prompts

Relacionados

Custo de servir Teste se a margem de cabecalho sobrevive ao custo real de servir. Rentabilidade de clientes Encontre quais os fluxos de receita que genuinamente geram retorno. Decisoes de preco Sonde quao duravel e realmente o poder de pricing de um alvo.

Prova

Um distribuidor na Nova Zelândia. €1,335M de custo de servir tornado visível, depois reduzido a metade, e 830 clientes deficitários reduzidos a 295.

Ler o estudo de caso →

Com quem vai falar

Miguel Guimarães, Sócio-fundador

A trabalhar em custos e rentabilidade há mais de 25 anos. Apresentou o caso de cost-to-serve da Damco no Managing for Profit (Amesterdão RAI, dezembro de 2009), no mesmo programa que Robert S. Kaplan.

Ligue +351 910 313 731