ABERTURA
Diagnóstico de Ponto de Partida
15 MIN ESSENCIAL
| OBJETIVO | Nivelar expectativas e mapear o nível real de uso de IA na sala antes de ensinar qualquer técnica. |
| CONCEITO | Levantamento rápido (mão levantada ou enquete) de quem já usa IA, para quê, e quais medos existem. Contrato de trabalho da sala: aqui não se automatiza bagunça. |
| DEMONSTRAÇÃO | O instrutor apresenta a tese central do treinamento: problema de processo → problema de dados → problema de gestão → problema de tecnologia → problema adequado para IA. |
| EXERCÍCIO | Cada participante escreve em um post-it (físico ou digital) uma tarefa do seu dia a dia que gostaria de resolver com IA. Os post-its alimentam os exemplos ao longo do dia. |
| CASO CONTÁBIL | — |
| RISCO | Começar ensinando prompt sem antes alinhar quando a IA não é a resposta. |
| TAKEAWAY | Antes de perguntar “como uso IA nisso”, pergunte “isso é um problema de processo, de dado ou de tecnologia”. |
MÓDULO 1
IA sem Hype
45 MIN ESSENCIAL
| OBJETIVO | Dar ao participante um modelo mental correto — e não mágico — de como uma IA generativa funciona. |
| CONCEITO | O que é um LLM em linguagem simples; o que é contexto e janela de contexto; o que é token (e por que isso limita o tamanho do que a IA “enxerga” de uma vez); o que é alucinação; a diferença entre pesquisar, raciocinar, calcular e gerar texto — e por que uma resposta muito bem escrita pode estar completamente errada. |
| DEMONSTRAÇÃO | Ao vivo: pedir para a IA calcular um valor com muitas casas decimais (erro de cálculo plausível) e depois pedir a mesma pergunta com acesso à ferramenta de código/planilha, mostrando a diferença entre “gerar texto parecido com a resposta certa” e “calcular a resposta certa”. |
| EXERCÍCIO | Em duplas, os participantes tentam identificar, em três respostas de IA (uma correta, uma parcialmente errada, uma alucinada), qual é qual — sem saber o gabarito de antemão. |
| CASO CONTÁBIL | Pedir a data de vigência de uma alteração fiscal específica sem fornecer a fonte, e comparar com a mesma pergunta fazendo a IA buscar e citar a fonte. |
| RISCO | Tratar a IA como um banco de dados factual atualizado, quando ela é um gerador de texto plausível apoiado (ou não) em busca. |
| TAKEAWAY | Resposta convincente não é sinônimo de resposta correta. Fluência de texto não é evidência de exatidão. |
MÓDULO 2
Como Conversar com uma IA
60 MIN ESSENCIAL
| OBJETIVO | Transformar pedidos vagos em comandos estruturados e repetíveis, aplicáveis a qualquer ferramenta (Claude, ChatGPT, Gemini). |
| CONCEITO | Evolução do comando: pergunta simples → contexto → objetivo → dados → restrições → formato de saída → critérios de validação. Framework reutilizável: Papel + Contexto + Objetivo + Entradas + Regras + Saída esperada + Critérios de validação. |
| DEMONSTRAÇÃO | O instrutor parte de um prompt ruim real (“me ajuda com esse balancete”) e o reconstrói, etapa por etapa, diante da turma, até chegar a um prompt profissional completo com os sete elementos do framework. |
| EXERCÍCIO | Cada participante pega uma tarefa real do seu dia a dia (pode ser a do post-it da abertura) e escreve um prompt seguindo o framework. Três voluntários leem o prompt em voz alta para feedback coletivo. |
| CASO CONTÁBIL | Transformar “analisa esse DRE” em um prompt com papel de analista financeiro júnior, contexto da empresa, objetivo da análise, dados anexados, restrições (não incluir recomendação de decisão) e formato de saída em tópicos. |
| RISCO | Aceitar a primeira resposta da IA porque o prompt “pareceu” bom, sem checar se todos os elementos do framework foram realmente informados. |
| TAKEAWAY | Um prompt profissional tem papel, contexto, objetivo, dados, regras, formato de saída e critério de validação — nessa ordem de importância. |
MÓDULO 3
Aplicações Práticas na Contabilidade
75 MIN ESSENCIAL (NÚCLEO CONTÁBIL + FISCAL) / IMPORTANTE (FINANCEIRO + DP) / OPCIONAL (ATENDIMENTO)
| OBJETIVO | Mapear, por área, onde a IA agrega valor real e onde apenas acelera desorganização — com exemplo prático em cada frente. |
| CONCEITO | Percurso por cinco frentes, cada uma classificada em benefício esperado, dados necessários, risco, necessidade de revisão humana, potencial de alucinação e potencial de automação futura: Contábil (análise preliminar de demonstrativos, comparação entre períodos, identificação de variações, checklists de fechamento, conferência preliminar de documentos); Fiscal (organização e conferência preliminar, comparação de documentos, checklists, interpretação assistida de regras — sempre com aviso de validação de legislação atualizada); Financeiro (fluxo de caixa, contas a pagar/receber, inadimplência, classificação de despesas, cenários, DRE gerencial, indicadores); Departamento Pessoal (comunicados, checklists admissionais/demissionais, conferências preliminares); Atendimento ao Cliente (tradução do “contabilês”, respostas de e-mail, cobrança, resumo de situações, preparo de reunião). |
| DEMONSTRAÇÃO | Para cada frente, o instrutor executa ao vivo um exemplo curto com dado fictício, sempre fechando com a mesma pergunta: “isso é um ganho de IA ou um problema de processo mal resolvido que a IA só está deixando mais rápido de errar?”. |
| EXERCÍCIO | Trabalho em grupos por área de atuação: cada grupo recebe um mini-caso da sua frente (contábil, fiscal, financeiro ou DP) e produz um prompt completo aplicando o framework do Módulo 2. |
| CASO CONTÁBIL | Comparação de balancetes de dois meses de uma empresa fictícia de comércio, com uma variação de despesa que não tem explicação óbvia — a IA organiza e aponta a variação; o grupo decide o que perguntar ao cliente. |
| RISCO | Usar a IA para “explicar” uma variação sem antes confirmar se o dado de origem está correto — analisando ruído como se fosse sinal. |
| TAKEAWAY | A IA organiza, compara e aponta padrões. A leitura do que aquilo significa para a empresa continua sendo do profissional. |
MÓDULO 4
IA Trabalhando com Arquivos
45 MIN IMPORTANTE
| OBJETIVO | Ensinar o fluxo correto de uso de IA sobre documentos reais (PDF, Excel/CSV, contratos, notas, relatórios). |
| CONCEITO | Documento → IA → extração → estruturação → análise → revisão humana. Extração de informação e interpretação da informação são etapas diferentes, feitas com níveis diferentes de confiança. |
| DEMONSTRAÇÃO | O instrutor sobe um PDF de um relatório fictício e um Excel com uma planilha de contas a pagar, pede para a IA extrair os dados em tabela, depois pede uma análise sobre a tabela extraída — mostrando o ponto exato em que a IA pode errar na extração e propagar o erro para a análise. |
| EXERCÍCIO | Os participantes recebem um PDF fictício de nota fiscal e devem pedir à IA que extraia os dados em formato de tabela, depois conferir manualmente 3 campos extraídos contra o documento original. |
| CASO CONTÁBIL | Contrato de prestação de serviço com cláusula de reajuste; a IA extrai o índice de reajuste e a data-base, e o grupo confere se a extração bate com o texto do contrato. |
| RISCO | Confiar na extração sem conferência — um número trocado na extração vira um erro “silencioso” em toda a análise seguinte. |
| TAKEAWAY | Nunca pule a etapa de conferência entre a extração feita pela IA e o uso do dado extraído. |
MÓDULO 5
Exercício — Detector de Inconsistências
45 MIN IMPORTANTE
| OBJETIVO | Praticar, em grupo, o uso de IA como primeira camada de revisão de dados — sem delegar o julgamento contábil. |
| CONCEITO | A IA não decide se existe erro contábil. Ela produz uma cadeia estruturada: achado → evidência → hipótese → risco → informação necessária → ação recomendada. |
| DEMONSTRAÇÃO | O instrutor modela a cadeia completa com um exemplo simples antes de liberar os grupos, mostrando como recusar uma resposta da IA que “decide” em vez de apontar evidência. |
| EXERCÍCIO | Cada grupo recebe o mesmo conjunto de dados fictícios de uma empresa (com valores divergentes, informações ausentes, possíveis duplicidades e uma variação fora do padrão propositalmente inseridos) e usa IA para produzir a cadeia achado-evidência-hipótese-risco-informação necessária-ação recomendada para cada ponto encontrado. |
| CASO CONTÁBIL | Planilha fictícia de lançamentos de uma pequena indústria com uma duplicidade de pagamento a fornecedor e uma despesa 3x acima da média histórica sem justificativa registrada. |
| RISCO | Deixar a IA escrever “há um erro contábil aqui” em vez de “há uma variação que precisa de investigação — eis a evidência”. |
| TAKEAWAY | A saída correta da IA é sempre uma hipótese com evidência, nunca um veredito. |
MÓDULO 6
IA como Analista Júnior
30 MIN IMPORTANTE
| OBJETIVO | Consolidar o papel da IA na rotina: primeira camada de análise, nunca a decisão final. |
| CONCEITO | A IA recebe documentos, organiza informações, classifica, identifica anomalias, formula hipóteses, indica pontos de atenção, apresenta evidências e encaminha para validação humana. IA recomenda ≠ IA decide. |
| DEMONSTRAÇÃO | O instrutor retoma o exercício do Módulo 5 e mostra, lado a lado, o que a IA entregou versus o que só o profissional pode assinar como decisão. |
| EXERCÍCIO | Discussão dirigida: “em quais dessas oito etapas o julgamento humano é insubstituível — e por quê?” |
| CASO CONTÁBIL | Retomada do caso da indústria fictícia do Módulo 5, agora com a pergunta: o que assinar como profissional responsável, e o que ainda falta perguntar ao cliente. |
| RISCO | Naturalizar a IA como “quem decide”, transferindo responsabilidade técnica para a ferramenta. |
| TAKEAWAY | A responsabilidade pela decisão contábil nunca é da IA — mesmo quando a análise inicial for excelente. |
MÓDULO 7
Segurança e Dados
40 MIN ESSENCIAL — OBRIGATÓRIO
| OBJETIVO | Estabelecer critérios claros e memorizáveis sobre o que pode, o que exige cuidado e o que nunca deve ser compartilhado com uma IA. |
| CONCEITO | Dados pessoais, dados financeiros, informações empresariais confidenciais, documentos de clientes, credenciais, senhas, dados bancários, informações trabalhistas e LGPD. Classificação: 🟢 pode utilizar · 🟡 utilize com cuidado / anonimização · 🔴 não compartilhar sem ambiente, autorização e controles adequados. Risco de copiar bases completas de clientes para ferramentas de IA. |
| DEMONSTRAÇÃO | O instrutor apresenta 8 a 10 situações reais do dia a dia contábil (ex.: colar uma planilha de folha de pagamento completa em um chat público; anonimizar um CPF antes de perguntar sobre um cálculo; compartilhar um extrato bancário integral) e a turma classifica em 🟢🟡🔴 antes da resposta do instrutor. |
| EXERCÍCIO | Cada participante lista, do seu próprio dia a dia, uma informação que hoje já compartilha com IA (ou pretende) e a reclassifica com o semáforo, ajustando o que precisa mudar. |
| CASO CONTÁBIL | Um analista fiscal cola uma planilha inteira de fornecedores com CNPJ, valores e condições de pagamento em um chat de IA generalista para “organizar melhor” — análise do risco e alternativa segura (anonimização, ambiente corporativo controlado). |
| RISCO | Tratar a agilidade da IA como justificativa para pular a classificação de sensibilidade do dado. |
| TAKEAWAY | Antes de colar qualquer dado em uma IA, pergunte: isso é 🟢, 🟡 ou 🔴 — e eu tenho autorização para isso? |
MÓDULO 8
Alucinação e Validação
30 MIN ESSENCIAL
| OBJETIVO | Expor, na prática e propositalmente, o risco de confiar em uma resposta de IA sem fonte — para instalar o hábito de checagem. |
| CONCEITO | Cadeia obrigatória de validação: IA → fonte → evidência → conferência → decisão humana. |
| DEMONSTRAÇÃO | Demonstração propositalmente perigosa: o instrutor pede a interpretação de uma obrigação fiscal ou regra tributária sem fornecer fonte oficial, mostra a resposta fluente e convincente da IA, e então confronta com a fonte oficial real — revelando divergência ou desatualização. |
| EXERCÍCIO | Em duplas, os participantes recebem uma afirmação gerada por IA sobre uma regra fiscal (real ou fictícia) e têm 5 minutos para encontrar a fonte oficial que confirma ou refuta a afirmação. |
| CASO CONTÁBIL | Pergunta sobre prazo de uma obrigação acessória sem indicar a fonte — resposta da IA plausível, mas com data desatualizada. |
| RISCO | Repassar ao cliente uma interpretação de IA sobre legislação sem checar a fonte oficial vigente. |
| TAKEAWAY | Toda resposta de IA sobre legislação ou regra fiscal é um ponto de partida para pesquisa — nunca o destino final. |
MÓDULO 9
Do Chat para a Automação
20 MIN OPCIONAL — RECOMENDADO PARA GESTORES E LÍDERES DE EQUIPE
| OBJETIVO | Dar ao participante um critério de maturidade para decidir quando vale a pena sair do uso manual e ir rumo à automação. |
| CONCEITO | Escada de maturidade: uso manual → prompt padronizado → template → processo → integração → automação → agente. Critérios de avaliação por oportunidade: frequência, volume, padronização, qualidade dos dados, impacto de erro, reversibilidade, necessidade de julgamento, retorno financeiro. Classificação final: GO · GO CONDICIONAL · NO-GO. |
| DEMONSTRAÇÃO | O instrutor aplica os critérios a dois exemplos reais de rotina de escritório — um com GO claro (checklist de conferência repetitivo, baixo risco) e um com NO-GO (decisão de crédito a cliente, alto impacto de erro, exige julgamento). |
| EXERCÍCIO | Cada participante avalia uma oportunidade de automação da sua própria rotina usando os oito critérios e classifica como GO, GO CONDICIONAL ou NO-GO. |
| CASO CONTÁBIL | Escritório que processa 40 conciliações bancárias por mês, com processo já padronizado e dados de qualidade razoável: avaliação orienta para GO CONDICIONAL, com etapa de amostragem humana. |
| RISCO | Automatizar um processo que ainda não está padronizado — “automação de lixo é só aceleração de problema”. |
| TAKEAWAY | Nem toda oportunidade de IA deve virar automação. Primeiro eliminar, depois redesenhar, só então automatizar. |
Lucas Felipe Lourenço é engenheiro mecânico, mestrando em Sistemas de Engenharia pela UFSC com foco em Inteligência Artificial aplicada à indústria, e Lean Six Sigma Green Belt. É CEO e sócio administrador da Lourenço Soluções em Engenharia. Já foi reconhecido duas vezes na WEG por projetos de redução de desperdício. Lucas se posiciona como Engenheiro da Clareza Estratégica: sua atuação não é sobre ferramentas ou modismos de automação, mas sobre desmontar processos, expor gargalos e reconstruir com método. Defende que a inteligência artificial só entrega resultado real quando aplicada depois — nunca antes — da clareza operacional.
ATUAÇÃO PROFISSIONAL CEO e Sócio Administrador — Lourenço Soluções em Engenharia Consultoria em engenharia de processos, diagnóstico organizacional e aplicação estratégica de Inteligência Artificial. Condução de diagnósticos, treinamentos corporativos, mentorias e desenvolvimento de software sob medida para clientes de múltiplos segmentos. WEG — Projetos de Melhoria Contínua Reconhecido em duas ocasiões por projetos de redução de desperdício, aplicando princípios de Lean Manufacturing em ambiente industrial de grande escala. FORMAÇÃO — Mestrado em Sistemas de Engenharia — UFSC (em andamento) · foco em Inteligência Artificial aplicada à indústria — Pós-graduado em Gestão de Processos e Controle de Qualidade com IA — Graduação em Engenharia Mecânica — Certification Lean Six Sigma Green Belt
