Marie Myers, CFO da HPE: 'Em 2026, agentes inteligentes vão automatizar fechamento, previsão e análise'

Marie Myers, CFO da HPE: 'Em 2026, agentes inteligentes vão automatizar fechamento, previsão e análise'

A equipe financeira da HPE (Hewlett Packard Enterprise) passava uma semana inteira preparando uma apresentação de 100 slides para a reunião semanal de segunda-feira com a liderança. Uma semana de trabalho de múltiplos analistas, consolidando dados de diferentes sistemas, formatando tabelas, criando gráficos — para uma reunião que frequentemente terminava sem decisões claras.

Marie Myers, CFO da HPE, decidiu que isso era inaceitável. O resultado foi o "Alfred" — uma plataforma de IA agêntica que não apenas acelerou a preparação desses slides, mas questionou se eles eram necessários. Os números falam por si: 90% de redução do esforço manual, 40% de redução no ciclo de reporting financeiro e 25% de redução nos custos de processamento.

Essa não é uma projeção para o futuro. É o que já está acontecendo.

Quem é Marie Myers

Marie Myers é Executive Vice President e CFO da Hewlett Packard Enterprise, uma empresa com receita anual superior a US$ 30 bilhões. Antes de ser CFO, ela já era reconhecida por liderar iniciativas de transformação digital dentro da função financeira.

O que diferencia Myers de muitos CFOs que falam sobre IA é que ela não terceirizou a transformação para TI ou para consultores. Ela liderou pessoalmente, tratando a função financeira como o campo de teste — o "Cliente Zero" — da estratégia de IA da empresa.

Em suas próprias palavras, publicadas pela Fortune em dezembro de 2025: "Em 2026, agentes inteligentes vão automatizar fechamento trimestral, previsão e análise, entregando insights em tempo real e previsões acionáveis." Mas ela vai além da previsão genérica — ela mostra como isso funciona na prática.

O Alfred: anatomia de uma plataforma de IA financeira

O nome "Alfred" é uma referência ao mordomo do Batman — o assistente que antecipa necessidades antes de serem articuladas. A equipe de Myers desenvolveu a plataforma em parceria com a Deloitte, usando dois componentes principais:

Infraestrutura: HPE Private Cloud AI — a própria infraestrutura de nuvem privada da empresa, o que garante controle total sobre dados financeiros sensíveis.

Plataforma de IA: Deloitte Zora AI — a plataforma de inteligência artificial da Deloitte, que fornece as capacidades de processamento de linguagem natural, análise de dados e geração de insights.

Internamente, a solução é chamada de "CFO Insights". Mas o que torna o Alfred interessante não é a tecnologia base — é a arquitetura de agentes.

Mini personas: IA que espelha analistas humanos

Sobre a plataforma base, a HPE construiu agentes de IA — chamados internamente de "mini personas" — projetados para espelhar os papéis de analistas humanos específicos:

• Um agente simula um analista de receita, executando consultas recorrentes sobre reconhecimento de receita, variações versus forecast e tendências por segmento de negócio.
• Outro agente atua como especialista em backlog, monitorando pipeline de pedidos, conversão e riscos de execução.
• Outros agentes cobrem áreas como custos operacionais, margens por produto e análise de desvios.

Cada agente executa consultas recorrentes e handoffs que antes eram gerenciados manualmente por pessoas. Eles não substituíram os analistas — eles assumiram a parte repetitiva e de coleta de dados do trabalho, liberando os analistas para interpretar, questionar e decidir.

Essa arquitetura é significativa porque resolve um problema comum em implementações de IA financeira: a resistência da equipe. Quando a IA é desenhada para espelhar (e complementar) o trabalho que as pessoas já fazem, em vez de ameaçar substituí-las, a adoção é mais orgânica.

Os resultados em números

Os resultados reportados pela HPE e publicados pela Fortune em fevereiro de 2026 são notáveis:

90% de redução do esforço manual em revisões semanais

A reunião de segunda-feira que exigia uma semana de preparação agora é alimentada automaticamente pelo Alfred. O esforço manual caiu 90% — não porque os slides são gerados mais rápido, mas porque a própria natureza da revisão mudou.

Em vez de slides estáticos com dados da semana anterior, a equipe agora trabalha com dashboards dinâmicos que mostram dados em tempo real, anomalias identificadas automaticamente e perguntas sugeridas pelo sistema. A reunião deixou de ser uma apresentação de informações e passou a ser uma sessão de decisão.

40% de redução no ciclo de reporting financeiro

O ciclo de reporting financeiro — o tempo entre o fechamento do período e a disponibilização de relatórios para tomada de decisão — caiu 40%. Em uma empresa do porte da HPE, isso significa que decisões que antes esperavam dias por dados agora podem ser tomadas horas após o fechamento.

Para colocar em perspectiva: se uma empresa leva 10 dias úteis para fechar e reportar, uma redução de 40% significa 4 dias a menos. Em um ano, são 48 dias úteis recuperados para análise e decisão em vez de processamento.

25% de redução nos custos de processamento

A automação de consultas recorrentes, consolidações e geração de relatórios reduziu os custos de processamento em pelo menos 25%. Esse número é conservador — a HPE reporta "pelo menos 25%", sugerindo que o impacto real pode ser maior.

A transformação da reunião de segunda-feira

O caso da reunião de 100 slides merece uma análise mais detalhada porque ilustra a diferença entre "fazer mais rápido" e "fazer diferente".

Antes do Alfred:

• A equipe passava a semana coletando dados de múltiplos sistemas
• Analistas consolidavam informações em planilhas
• Slides eram preparados com dados que, na segunda-feira, já tinham uma semana de atraso
• A reunião era uma apresentação: alguém mostrava os slides, os executivos ouviam
• Decisões raramente eram tomadas na reunião — dependiam de "análises adicionais"

Depois do Alfred:

• Dados são coletados e consolidados automaticamente
• Anomalias são identificadas e sinalizadas pelo sistema antes da reunião
• A pauta é gerada com base no que importa (desvios, riscos, oportunidades), não no que foi preparado
• A reunião é uma discussão focada em por que os números estão como estão e o que fazer
• Decisões são tomadas na reunião porque os dados estão disponíveis em tempo real

A diferença não é velocidade. É natureza. A reunião mudou de propósito.

Lições para além da HPE

Nem toda empresa tem a infraestrutura de nuvem privada da HPE ou pode contratar a Deloitte para construir uma plataforma customizada. Mas as lições da implementação de Myers são aplicáveis em qualquer contexto:

Lição 1: Comece pelo problema, não pela tecnologia

Myers não partiu de "vamos implementar IA." Ela partiu de "por que gastamos uma semana preparando uma reunião que não gera decisões?" A tecnologia foi a resposta, não a pergunta.

Qualquer CFO pode fazer o mesmo exercício: identifique o processo mais frustrante, mais demorado ou menos produtivo da sua equipe financeira. Esse é o seu ponto de partida.

Lição 2: "Cliente Zero" funciona

A HPE usou a própria função financeira como primeiro caso de uso (Cliente Zero) antes de oferecer soluções de IA para clientes externos. Isso tem duas vantagens: gera credibilidade ("usamos o que vendemos") e cria um ambiente de teste controlado onde erros são toleráveis.

Para empresas que não são de tecnologia, o equivalente é começar com um projeto interno de baixo risco antes de escalar.

Lição 3: Agentes > Automação de tarefas

A abordagem de "mini personas" — agentes que espelham papéis humanos — é mais sofisticada e mais eficaz do que automação de tarefas isoladas. Um agente que simula um analista de receita entende o contexto do trabalho, não apenas a tarefa individual.

Isso não requer tecnologia proprietária. Ferramentas de IA agêntica estão se tornando mais acessíveis, e o conceito de desenhar agentes ao redor de papéis humanos pode ser aplicado com soluções comerciais.

Lição 4: Governança não é opcional

Myers foi enfática: sucesso com IA agêntica depende de governança forte, supervisão humana, disciplina de ROI e capacitação digital da equipe. Em outras palavras, não basta implementar — é preciso controlar, medir e desenvolver pessoas.

Lição 5: A meta é liberar tempo para decisão

O objetivo final não é reduzir headcount ou cortar custos (embora esses benefícios existam). É liberar o tempo da equipe financeira para o trabalho que realmente importa: interpretar dados, questionar premissas, identificar riscos e oportunidades, e apoiar decisões estratégicas.

Myers transformou sua equipe de "produtores de relatórios" em "parceiros de decisão." Esse é o salto que importa.

O horizonte: o que Myers prevê para os próximos anos

As previsões de Myers para os próximos anos, articuladas em entrevistas à Fortune e ao CFO Dive, incluem:

• Fechamento trimestral automatizado: agentes inteligentes assumirão a maior parte do trabalho de fechamento, com humanos focados em revisão, julgamento e exceções.
• Previsão contínua: em vez de forecast trimestral ou mensal, a empresa terá previsões atualizadas continuamente com base em dados em tempo real.
• Análise prescritiva: IA não apenas dirá "o que aconteceu" ou "o que pode acontecer", mas "o que você deveria fazer" — com recomendações baseadas em dados e cenários.

Para Myers, essas não são possibilidades distantes. São extensões naturais do que o Alfred já faz.

O contexto brasileiro

A realidade de muitas empresas brasileiras está distante da HPE. Mas o princípio é o mesmo: o valor da IA na função financeira não está em fazer planilhas mais rápido — está em mudar a natureza do trabalho financeiro.

No Brasil, onde muitas equipes financeiras ainda gastam a maior parte do tempo em obrigações acessórias, compliance tributário e processamento transacional, a oportunidade é enorme. Se IA pode assumir parte desse trabalho operacional, o tempo liberado pode ser direcionado para análise, planejamento e suporte a decisões estratégicas.

Ações práticas

1. Identifique sua "reunião de 100 slides": qual processo na sua equipe financeira consome tempo desproporcional em relação ao valor que gera? Liste os três principais candidatos.
2. Experimente o conceito de "mini persona": escolha um papel repetitivo na equipe (ex: o analista que consolida dados de vendas toda semana) e explore se uma ferramenta de IA poderia assumir a parte de coleta e consolidação, liberando a pessoa para análise.
3. Meça o tempo de decisão, não só o tempo de processo: além de medir quanto tempo leva para fechar ou preparar um relatório, meça quanto tempo passa entre a disponibilização dos dados e a tomada de decisão. Se esse intervalo é grande, o problema pode não ser o processo — é o formato das informações.
4. Comece como "Cliente Zero": antes de propor um investimento grande em IA, implemente um piloto pequeno na sua equipe. Use ferramentas acessíveis (incluindo IA generativa que já está disponível em ferramentas que você já usa) para automatizar uma tarefa específica. Meça o resultado.
5. Defina governança desde o primeiro dia: mesmo em um piloto pequeno, estabeleça quem valida as saídas da IA, quais dados podem ser usados, e como erros são identificados e corrigidos. Governança não é burocracia — é o que permite escalar com confiança.