Como a área financeira da Fanatics Betting and Gaming acelerou a adoção do ChatGPT direto da cadeira da CFO

O que Ellis realmente fez, não o que ela pensa sobre IA

A maioria das entrevistas com executivos sobre IA fica no genérico. Esta, publicada pela OpenAI em 13 de fevereiro de 2025, traz uma sequência de passos incomumente específica. Ellis, CFO da Fanatics Betting and Gaming, descreve como reduziu deliberadamente o escopo de experimentação antes de expandir a iniciativa dentro do próprio departamento.

Vale destacar o raciocínio dela: em vez de correr atrás de todos os casos de uso possíveis, a equipe optou por concentrar esforços. Duas áreas receberam atenção — finanças e a automação das operações de atendimento ao cliente — e ela se ofereceu para tocar uma dessas apostas em sua própria área.

Quando começamos, percebemos rápido que havia uma chance real de nos dispersarmos demais tentando abraçar todos os casos de uso de IA. Por isso decidimos ir a fundo e garantir vitórias grandes em áreas-chave.Montana Labs

Essa é uma decisão de alocação de recursos, formulada por uma CFO na linguagem que CFOs usam. É também a parte mais aplicável do relato: a restrição era atenção, e a resposta foi concentração.

A mecânica da adoção: grupo de trabalho, treinamento, GPT-athon

Ellis descreve uma estrutura de quatro etapas. Primeiro, um grupo de trabalho de automação com IA pediu que cada membro da equipe financeira documentasse processos que acreditava que a IA poderia melhorar. Segundo, essa lista se transformou em um roteiro de projetos. Terceiro, todo o time passou por um treinamento básico de ChatGPT. Quarto, um 'GPT-athon' de um dia inteiro juntou equipes e cientistas de dados para construir GPTs personalizados para projetos específicos.

O detalhe que importa aqui é a ordem. O treinamento veio antes da construção, e a construção foi feita em conjunto com cientistas de dados, em vez de ficar por conta de cada um se virar. A coleta de baixo para cima (perguntar às pessoas quais tarefas mais pesavam) foi combinada com uma estrutura de cima para baixo (um roteiro, treinamento obrigatório, um evento programado).

Ellis também descreve um ciclo de manutenção: atualizações regulares sobre IA e a celebração de novos casos de uso durante as reuniões mensais gerais. Na visão dela, a adoção não é um lançamento único, mas um item recorrente de pauta. Isso reflete uma visão realista — o entusiasmo se esvai sem um ritmo que o reforce.

O único número do texto: 18 horas por mês

O único resultado quantificado é o VendorID GPT, uma ferramenta personalizada que automatiza a identificação de fornecedores e o resumo de contratos. Ellis diz que ela economiza cerca de 18 horas de trabalho por mês, e enquadra esse valor no contexto do fechamento mensal — o período em que as equipes de finanças têm menos tempo disponível.

Vale ler esse número exatamente pelo que ele é: um GPT personalizado, uma tarefa recorrente, uma economia de tempo repetível dentro de um fluxo de trabalho bem definido. Não é uma promessa sobre receita, quadro de funcionários ou precisão de previsões. Os demais benefícios citados por Ellis — análise de dados mais rápida, leitura e comunicação mais ágil de resultados — são descritos de forma qualitativa, e ela é honesta ao dizer que 'ainda é muito recente'.

Essa honestidade é útil. O ganho medido é uma automação pontual e bem delimitada; as afirmações mais amplas sobre pensamento estratégico e análise de cenários ficam explicitamente num 'roteiro futuro', não são apresentadas como algo já entregue.

O tema recorrente é trocar execução por estratégia, e isso tem um custo

Ellis volta repetidamente a uma ideia: usar IA para reduzir o trabalho manual de execução, liberando a equipe para focar em estratégia — a pergunta do tipo 'e daí, o que vamos fazer sobre isso?'. É esse o princípio que a levou a se candidatar para tocar a iniciativa em finanças.

A pergunta que eu fiz foi, basicamente: como podemos deixar o dia a dia menos manual, de forma que nossas equipes consigam finalmente focar em estratégia, e não tanto em execução.Montana Labs

A lição para quem está lendo isso: o resultado que Ellis descreve veio da construção de GPTs sob medida para processos financeiros específicos e documentados, não do simples acesso a um chatbot genérico. O VendorID GPT existe porque alguém identificou a revisão de fornecedores e o resumo de contratos como um custo concreto e recorrente, e então construiu uma ferramenta exatamente para isso. O resultado de 'focar no panorama geral' foi conquistado com trabalho nada glamouroso — levantamento de processos, treinamento e a combinação de especialistas da área com cientistas de dados para construir as ferramentas. Essa estrutura prévia, mais do que o modelo em si, é o verdadeiro ponto central desse relato.