Evidenciação da voz

Do JAR: 

 Examinamos a utilidade de abordagens de aprendizado de máquina para medir o tom vocal em divulgações corporativas. Documentamos uma discrepância substancial entre os dados de treinamento amplamente adotados, baseados em atores, que fundamentam essas abordagens, e a fala em divulgações corporativas. Constatamos que os modelos existentes alcançam classificação de tom vocal quase perfeita dentro de seu domínio de treinamento. No entanto, quando testados em discursos reais de executivos durante teleconferências, seu desempenho cai para níveis próximos ao acaso. Assim, introduzimos o **FinVoc2Vec**, um modelo de deep learning que se adapta a gravações de teleconferências e classifica o tom vocal de executivos de forma significativamente mais precisa do que o acaso. As estimativas do FinVoc2Vec estão associadas ao desempenho futuro das empresas e podem ser usadas para construir carteiras de ações lucrativas. Em nossas análises, as estimativas de modelos anteriores de tom vocal mostraram-se em grande parte não relacionadas ao desempenho das firmas. Nossos achados enfatizam a importância de uma abordagem específica ao domínio para a análise de voz em contabilidade e finanças.

Listen Closely: Measuring Vocal Tone in Corporate Disclosures
Jonas Ewertz, Charlotte Knickrehm, Martin Nienhaus, Doron Reichmann 

Imagem aqui 

A sazonalidade de IA

Conforme reportado pelo Sherwood News, o uso do ChatGPT começa a aumentar novamente agora que estudantes do ensino médio e universidade retornam às aulas neste outono de 2025. Dados compartilhados pelo Voronoi indicam uma queda marcante no uso durante os meses de verão: o número diário de tokens gerados passou de cerca de 97 bilhões em maio para 36,7 bilhões em junho, período que coincide com o fim dos semestres e o início das férias. Com o retorno às aulas, observa-se uma retomada do uso, sugerindo que os estudantes constituem uma porção significativa dos usuários do ChatGPT. Esse padrão ressalta como o chatbot se tornou um recurso amplamente utilizado no contexto acadêmico — possivelmente como ferramenta auxiliar em tarefas escolares — e levanta preocupações quanto à dependência da tecnologia para fins educativos.

IA fez aumentar os recibos falsos de despesas nas empresas

Uma consequência da IA: recibos falsos de despesas para serem reembolsados pelas empresas; 

A Association of Certified Fraud Examiners, que certifica cerca de 5.000 novos examinadores por ano, pede regularmente a seus membros que relatem o maior caso de fraude ocupacional investigado nos últimos 18 meses. Na pesquisa mais recente, cerca de 13% dos casos envolviam funcionários que apresentaram despesas infladas ou inventadas, o que pode levar a acusações criminais. A perda mediana foi de US$ 50.000.

Recibos falsos tornam isso mais fácil. Aproximadamente 30% dos recibos fraudulentos que a AppZen detecta agora são gerados por chatbots de IA, em vez de editores de imagem ou serviços de modelos, disse a empresa. E o número total de recibos fraudulentos detectados aumentou cerca de 30% desde maio de 2024. A Expensify afirmou que detecta centenas de recibos gerados por IA a cada mês, entre os milhões que processa. A SAP Concur sinalizou cerca de 1% dos recibos auditados pela ferramenta Verify como potencialmente gerados por IA.

“Definitivamente tenho ouvido de membros e outros especialistas em combate à fraude que a IA está resultando diretamente não apenas em um aumento desse tipo de fraude em volume, mas também tornando esse tipo de fraude mais difícil de detectar”, disse Mason Wilder, diretor de pesquisa da associação de examinadores de fraude, ao DealBook.

Falsificações convincentes provocaram uma nova escalada tecnológica. Não muito diferente de quando, por exemplo, as impressoras domésticas criaram a necessidade de novos métodos de detecção de fraude em despesas, empresas de software construíram um arsenal de técnicas para identificar um novo nível de recibos falsos gerados por IA.

Chatbots deixam uma espécie de impressão digital nos metadados das imagens que produzem, mas, se um funcionário tira uma foto ou captura de tela da imagem, esse sinal desaparece.

Um algoritmo pode comparar recibos criados por IA com recibos reais do mesmo fornecedor. Ele pode captar pequenas diferenças em fonte ou espaçamento, por exemplo, que o olho humano não perceberia.

Fonte: A cat-and-mouse game’. Sarah Kessler. NY Times, DealBook, 6 de setembro de 2025

Governo com fins lucrativos

O que parece mais óbvio é que a maioria das pessoas detesta fortemente a ideia de um governo com fins lucrativos. Elas na verdade preferem muito mais autocratas que servem substancialmente a fins pessoais! Mesmo que a maioria das pessoas não faça questão de comprar sua comida, roupas ou carros de tais fontes. Minha melhor hipótese para isso é a mesma razão pela qual temos outras organizações sem fins lucrativos: o governo parece sagrado, enquanto o dinheiro é profano. Assim, para muitos, até autocratas parecem mais apropriados como “sacerdotes” desse tipo de sagrado do que executivos guiados pelo lucro.

Se for assim, isso sugere que o dinheiro sagrado pode ser a chave para a reforma da governança. Se conseguirmos que as pessoas aceitem organizações sagradas financiadas e movidas por incentivos de “dinheiro sagrado” em outras áreas, talvez possamos fazê-las aceitar governos administrados com fins de lucro sagrado também. E então talvez consigamos governos muito mais eficientes.

Fonte: aqui 

Um governo onde a fonte de receita é baseada em um produto aproxima-se muito da ideia de um governo com fins lucrativos. A Aramco, na Arábia Saudita, ou até mesmo as capitanias hereditárias no Brasil do passado remoto, poderiam ser enquadradas aqui. 

Rir é o melhor remédio

 

Ok, é terça. Mas não muda o humor. 

Sobre o excesso de confiança

O Excesso de confiança parece uma característica do ser humano. Mesmo quando existem informações precisas, ainda persiste. Um estudo com jogadores de xadrez mostrou esse aspecto:  

 

A autoconfiança excessiva é considerada um viés cognitivo fundamental, mas geralmente é estudada em ambientes nos quais as pessoas não dispõem de informações precisas sobre suas habilidades. Conduzimos um experimento de pesquisa pré-registrado, seguido de uma replicação, para investigar se a autoconfiança excessiva persiste entre jogadores de xadrez de torneio, que recebem feedback objetivo, preciso e público sobre seu nível de habilidade. Nossa amostra combinada incluiu 3.388 jogadores ranqueados, com idades entre 5 e 88 anos, provenientes de 22 países e com uma média de 18,8 anos de experiência em torneios. Em média, os participantes afirmaram que sua habilidade era 89 pontos Elo superior ao que suas classificações observadas indicavam — esperando superar um oponente de mesmo rating por quase 2 a 1. Um ano depois, apenas 11,3% dos jogadores autoconfiantes alcançaram o rating que haviam declarado. Os jogadores de menor classificação superestimaram mais suas habilidades, enquanto os de topo estavam bem calibrados. Padrões consistentes com excesso de confiança surgiram em todos os subgrupos sociodemográficos analisados. Concluímos que a autoconfiança excessiva persiste no xadrez de torneio, um ambiente informacional do mundo real que deveria ser inóspito a ela.

Na contabilidade, o excesso de confiança pode ser fatal para as situações onde há exigência de julgamento. Com uma contabilidade que usa cada vez mais o julgamento para suas decisões, o excesso de confiança deve ser estudo a fundo, para evitar queda na credibilidade profissional.  

(Foto: série Gambito da Rainha) 

Prática da DFC na Austrália

Eis o resumo executivo:

Em resposta ao feedback recebido na Terceira Consulta da Agenda do International Accounting Standards Board (IASB), realizada em 2022, o IASB iniciou um projeto sobre a demonstração dos fluxos de caixa para explorar possíveis melhorias no IAS 7 – Demonstração dos Fluxos de Caixa.

Este relatório de pesquisa apresenta resultados de uma análise dos relatórios anuais das 50 maiores entidades listadas na Bolsa de Valores da Austrália (ASX top 50), em 2023. Os achados foram os seguintes:

a) Métodos de reporte de fluxos de caixa operacionais: 72% das entidades apresentaram a demonstração de fluxos de caixa pelo método direto e a reconciliação do lucro com o fluxo de caixa operacional líquido (método indireto) nas notas explicativas. Os 28% restantes utilizaram apenas o método indireto na demonstração.

b) Caixa e equivalentes de caixa: 40% das entidades não forneceram informações desagregadas sobre os valores de caixa e equivalentes. Além disso, 62% e 2% definiram maturidade de curto prazo como três meses e 12 meses, respectivamente, enquanto 36% não divulgaram ou definiram o limite de curto prazo.

c) Classificação: Observou-se inconsistência na classificação de itens de fluxo de caixa, especialmente em recebimentos e pagamentos de juros e dividendos. Entre as entidades que divulgaram dividendos pagos, quase 98% os classificaram em atividades de financiamento. Houve grande variação na classificação de juros pagos, juros recebidos e dividendos recebidos.

d) Divulgações voluntárias incentivadas: A maioria das entidades divulgou informações sobre linhas de crédito não utilizadas. Contudo, informações voluntárias sobre fluxos de caixa destinados a aumentar e manter a capacidade operacional, bem como fluxos de caixa segmentados, foram menos comuns.

e) Fluxo de Caixa Livre (FCF): 52% das entidades divulgaram FCF, refletindo sua importância nos relatórios anuais. Entretanto, a forma de determinação e a localização da divulgação no relatório anual variaram.

Esses achados fornecem evidências adicionais de que há diversidade na prática sobre como as demonstrações de fluxo de caixa e informações relacionadas são apresentadas e divulgadas. Eles reforçam a necessidade de revisões no IAS 7 para melhorar a consistência e a utilidade das informações de fluxo de caixa, atendendo melhor às necessidades dos usuários.