Finanças · Analista Financeiro
Uma previsão financeira ao vivo, construída a partir dos seus próprios livros.
A cada mês ele deriva um modelo de projeção baseado em drivers diretamente dos seus dados contábeis e de faturamento — e então lhe dá uma leitura clara sobre caixa, runway e o que os move. Funciona para qualquer negócio — SaaS, serviços, agência, varejo, e-commerce, manufatura e mais. Uma segunda IA de um fornecedor diferente relê a narrativa antes de você vê-la, e você a aprova antes que ela seja enviada. É somente leitura em cada ferramenta conectada: ele nunca lança um lançamento nem fecha um livro.
Do fechamento dos livros a uma narrativa na sua fila de aprovação
Livros fecham
Uma atualização mensal dispara a partir do QuickBooks ou Xero.
Modelo derivado
Drivers do razão; curvas de cohort também, para negócios de assinatura.
Cenários rodam
A biblioteca de cenários roda; uma narrativa de desvio é rascunhada.
Você aprova
Uma segunda IA a relê; então ela aguarda seu aval.
Livros não fechados em 35 dias? Uma trava de qualidade dos livros recusa rodar em vez de narrar uma previsão sobre números desatualizados — ela informa a lacuna em vez disso. Precisa de uma leitura entre atualizações? Pergunte /runway no Slack a qualquer momento.
O contrato
O que ele faz sozinho, o que verifica com você, o que não toca.
Faz sozinho
- Deriva automaticamente um modelo de projeção baseado em drivers do seu razão do QuickBooks ou Xero a cada mês — receita, custo, margem, caixa e quadro de pessoal, seja o que for que seu negócio venda.
- Para negócios de assinatura, ajusta curvas de retenção de cohort a partir do seu histórico real do Stripe — sem planilha manual de cohort.
- Sobrepõe benchmarks macro ao vivo — a taxa de juros do Fed, o crescimento do setor e normas de burn — para que o modelo se baseie no contexto externo, não apenas nos seus últimos 12 meses.
- Roda uma biblioteca de cenários em cada atualização — base, conservador, agressivo, mais qualquer cenário personalizado que você tenha salvo.
- Exibe as 3 principais premissas que movem sua previsão, cada uma com o número concreto que ela move.
- Narra o desvio entre cada premissa e os números reais em português simples, com o valor de origem por trás de cada afirmação.
- Nos planos superiores, redige o seu material trimestral para o conselho a partir do mesmo modelo — um PDF de 12 a 14 páginas, com narrativa e gráficos, e cada valor e percentagem citado a uma transação de origem.
Verifica com você primeiro
- A narrativa mensal de desvio entra na fila para sua aprovação antes de ser enviada — você a aprova, edita ou rejeita. Nada sai sozinho.
- Uma mudança de premissa em linguagem natural mostra uma prévia dos deltas analisados antes de se comprometer com um cenário.
- Quando um benchmark de sobreposição macro varia mais de 20% do seu próprio número, essa premissa é encaminhada a você em vez de ser aplicada silenciosamente.
- Se a trava de qualidade dos livros bloqueia uma atualização, ela exibe a lacuna específica e aguarda — não roda uma previsão sobre números em que não confia.
Não toca
- Fechar seus livros, lançar um lançamento contábil ou modificar qualquer razão — é somente leitura em cada ferramenta conectada.
- Recategorizar transações ou fazer contabilidade — ele lê seus livros, não os corrige.
- Declarações fiscais, imposto sobre vendas ou 1099s — é uma ferramenta de previsão, não um preparador fiscal.
- Material de captação voltado a investidores — a narrativa de desvio é apenas para contexto interno do conselho.
- Enviar e-mail aos seus clientes, ou tomar qualquer ação fora do painel e do Slack.
Múltiplas entidades legais? A consolidação multientidade é um recurso do nível Business e superiores — o Solo e o Team preveem uma única entidade.
Matriz de capacidades completa do registro de funções
PROFICIENTE
- Driver-based forward model auto-derived from QB + Stripe + HubSpot. Revenue model auto-shapes to your data: cohort × ARPU × retention for SaaS, repeat-purchase rate × AOV for e-commerce, recurring-contract retention for services. OpEx model from headcount × loaded cost + tools + marketing efficiency. 3-statement linked through AR-DSO, AP-DPO, deferred revenue. Driver-derivation runs nightly; operator can override per-driver in plain English.
- Append-only versioned assumption ledger with audit trail. Every assumption ('hiring pace 2/quarter', 'Q3 enterprise close rate 22%', 'churn 3.5%') is a row in an append-only ledger — never updated, never deleted. Each edit creates a new version with author, timestamp, prior value, and the rationale you typed. The model rebuilds from the current assumption-version set on every refresh. CLAUDE.md principle #2 made operational for the Financial Planning & Analysis surface.
- Cohort retention curve auto-fit from Stripe actuals. Reads Stripe subscription events, computes per-cohort retention curves (monthly cohort × month-since-signup → retained %), fits a decay model, and uses the fitted curve as the forward retention driver. Non-SaaS equivalents: repeat-purchase rate decay from QB invoice patterns for e-commerce; recurring-contract retention for services. Operator can override the fitted curve.
- Macro auto-overlay — Fed rate + wages + sector benchmarks. Daily refresh from public sources: Fed funds rate (cost-of-capital input for runway-extension decisions), Carta + Levels.fyi wage benchmarks by role/level/region (headcount cost assumption sanity), SaaS Capital + OPEXEngine sector growth / burn-multiple / NRR norms for SaaS, NFIB SMB index for non-SaaS. The model surfaces every assumption against its macro-overlay range — 'your Q3 enterprise close-rate assumption 28% sits at the 90th percentile of SaaS Capital benchmark — verify or revise.'
- Scenario library — base / conservative / aggressive + custom. Three pre-built scenarios run on every model refresh (base = your assumptions; conservative = −20% growth / +20% costs; aggressive = +20% growth / +20% costs). Custom scenarios accept natural-language input ('what if I raise $2M at 15% dilution and hire 4 engineers') — the scenario builder parses the prompt into assumption deltas you preview before the rerun. Every scenario saves with a name + creation timestamp + cited assumption changes.
- Sensitivity analysis — top-3 assumptions driving runway. On every refresh, the model computes which 3 assumptions would shorten runway most if they moved by ±10% — surfaced as a ranked list with delta-runway in weeks per +10% / −10% move per assumption. The founder sees not just 'runway 47 weeks' but 'runway is 64% driven by your Q3 enterprise close-rate assumption — if that drops 5pts you lose 8 weeks.'
- Monthly AI-narrated assumption-vs-actuals drift. On the day books close (≤35 days post month-end), the Tier-3 cross-family supervised worker narrates the drift between every assumption and what actually happened in plain English. 'CAC payback slipped 14→17 because Q1 cohort retention dropped 2pts; the macro benchmark for your stage is 14 — your prior assumption was at the benchmark, the actual is below it.' Every claim cites a source GL transaction or Stripe event. Lands in /app/fpa + Slack #finance digest channel.
- Slack /runway slash command + Slack-native model Q&A. Real-time read from the latest model state. /runway returns the current runway + the macro context + the top-3 sensitivity-driving assumptions. Free-form Slack Q&A ('what's our gross margin trend over the last 6 months?', 'how much would runway extend if I cut $50K headcount?') returns answers grounded in the live model + actuals. Quoted answers always cite the relevant model row + the source transaction chain.
- 13-week rolling cash forecast with P10/P50/P90 confidence bands. Pulls cash actuals from QB + Stripe + Mercury + Brex + Ramp (read-only); projects the next 13 weeks of cash-in / cash-out from the driver model + AR-DSO + AP-DPO + scheduled payroll. Confidence bands derived from scenario library (P10 = conservative, P90 = aggressive). Surfaces in /app/fpa + emits a weekly Slack digest every Monday 07:00 local-time with the next-13-week chart.
- Append-only audit log + Tier-3 supervisor on monthly narrative. Every assumption change, scenario rerun, model refresh, and narrative emission is logged to the append-only audit_log table with tenant_id, user_id, timestamp, metadata. The monthly drift narrative routes to Tier 3 cross-family supervisor (Anthropic worker → OpenAI reviewer → Gemini tiebreaker on disagreement) — the narrative is the externally-visible artifact, so its guardrails sit at the strictest tier in the marketplace.
- Books-quality gate — refuse-to-run if books not closed in 35d. At onboarding and on every monthly refresh, the worker checks whether the customer's QB/Xero books are closed within the last 35 days, reconciled, and categorized above a minimum quality bar. If not, refuse to run the model — surface the specific gaps + recommend a bookkeeper (Pilot / Bench-refugee / Puzzle partner list). Brand-defense discipline: a narrated drift on garbage books is a credibility bomb, not a deliverable.
- Read-only by API-scope across every connected vendor. QuickBooks / Xero / Stripe / HubSpot / Mercury / Brex / Ramp tokens carry NO write scopes. Cannot post a journal entry, cannot recategorize a transaction, cannot modify a subscription, cannot move a deal stage, cannot move money. Read-only at the API-scope layer, not the prompt layer — schema-enforced refusal.
ASSISTIDO
- Macro-overlay variance > 20% triggers operator review. When the model finds any assumption sitting outside ±20% of the macro-overlay benchmark for your stage / sector / region, the monthly narrative banners it in /app/fpa and the worker pauses the auto-send pipeline for that month. Operator either revises the assumption or approves the overlay-variance with a rationale that audit-log records.
- Three-way supervisor disagreement — operator review. When worker / supervisor / tiebreaker all disagree on a narrative claim (e.g., direction of the drift, magnitude of the assumption miss), the narrative row routes to operator review in /app/fpa/inbox instead of auto-resolving. Today: pick the worker's verdict, log all three in audit_log, surface the conflict in the per-narrative detail. ≥50 instances needed before a deeper investigation.
- Natural-language assumption updates — operator preview before commit. When the operator types 'bump enterprise close rate to 25%' or 'churn assumption goes to 3.8%', the worker parses the language into a structured assumption-delta + previews the runway / ARR impact in /app/fpa before the operator confirms commit. Audit-log records the prompt + the parsed structured delta + the operator's confirmation.
- Monthly narrative review queue — operator approves before send. The Tier-3 monthly narrative lands in a review queue in /app/fpa/inbox by default. Operator can edit, approve, or reject before it ships to the Slack #finance channel or is included in the Board Pack Drafter's monthly internal update. Auto-send opens after the first 90 days once the operator has approved ≥6 narratives without material edits.
RECUSADO
- Investor-facing fundraising material — internal board only. FTC / SAFE / 506(b) risk discipline. We never draft a fundraising pitch deck, never draft a SAFE, never draft any material that goes to a current/prospective investor in a fundraising context. We draft INTERNAL board updates (post-funding, post-info-rights). Board Pack Drafter (boris-v0) consumes our model output strictly for internal board communication. Schema-enforced — output type is 'internal_board_update', never 'fundraise_doc'.
- Opaque score outputs without underlying transaction citations. Every quantitative claim in any narrative, model output, or Slack answer cites a source transaction chain (stripe_invoice_X, qb_transaction_Y, hubspot_deal_Z) — never a single 'health score: 0.34' or 'risk index: 7'. Post-parse validator drops outputs that fail the citation check. The citation IS the unlock for finance trust.
- Modifying the chart of accounts or recategorizing transactions. The chart of accounts (CoA) is the bookkeeper's domain. We READ the CoA + the categorized transactions, we never WRITE to it. If we find a transaction that looks miscategorized (e.g., personal expense in COGS), we surface it in /app/fpa as a recommendation for the bookkeeper — never recategorize ourselves. API-scope + schema enforcement.
- Multi-entity consolidation (V1 single-entity; Phase 2 enterprise). V1 ships single-entity modeling — one QB/Xero file per tenant. Multi-entity consolidation (parent + subsidiaries + intercompany eliminations + currency translation) opens as Phase 2 enterprise after the first 25 paying SMB customers, per ADR-0031 §Enterprise Phase 2. Refusing in V1 protects model quality — multi-entity is a hard modeling problem we won't half-ship.
- Customer-facing outreach — never emails / Slacks your customers. AI Financial Analyst is an INTERNAL worker for your founder / operator / finance team. Never sends a message to YOUR customers (overdue invoice chasing is Renewal Hunter v2 territory; customer-success outreach is RH + AHW). Output channels: /app/fpa (web UI), Slack #finance (internal channel), Board Pack Drafter (internal board update). No external send paths.
- Closing books, posting GL entries, modifying any ledger. AI Financial Analyst is NOT in the bookkeeping business. Books are closed by Pilot / Bench-refugee / Puzzle / your human bookkeeper. The output schema has no journal-entry field; the API tokens for QB/Xero carry no write scopes. Hard refusal at the API-scope + schema layer, not the prompt layer.
- Tax filings, sales-tax computation, 1099 generation. Regulated / UPL-adjacent territory. We never file a tax return, never compute sales-tax owed, never generate a 1099. Surface a recommendation list of tax software (Avalara / TaxJar / Anrok / your CPA) when the operator asks; refuse the action itself. Founding-doc principle: methods, not credentials — we describe our methods, never claim a license.
O que você recebe
Não um memorando — um modelo funcional que você abre, mais a leitura do que mudou.
Três entregáveis concretos, todo mês. Cada número rastreia de volta ao seu próprio razão — ou aos seus dados de faturamento, para negócios de assinatura — a narrativa é relida por uma segunda IA independente antes de você vê-la, e nada é final até você aprovar.
Sempre disponível
Um modelo ao vivo em /app/fpa
Caixa, runway e a taxa mensal de burn ou build em uma tela — derivados de uma projeção de 12 meses baseada em drivers que é reconstruída a partir dos seus livros. Abra-o em qualquer dia, não só no fechamento do mês.
Todo mês
Uma leitura citada do que mudou
Por que a previsão se moveu, em palavras simples — cada número rastreável a uma linha do razão ou de faturamento, na fila para você aprovar, editar ou rejeitar.
Exporte e pergunte
Cenários, Excel e Slack
Uma biblioteca de cenários base / conservador / agressivo mais os seus próprios salvos, uma exportação Excel dos drivers e cenários, e o runway sob demanda no Slack com /runway.
Atualização de maio · livros fechados em 31 de maio
Rascunhado — aguardando sua aprovaçãoRunway — caixa disponível ÷ burn atual
11.2 meses
1,4 mês mais curto que em abril — era 12,6
Caixa projetado · próximos 12 meses
O que o moveu este mês
Retenção, não gasto. O cohort de janeiro renovou a 94% contra um modelado de 101%, então a retenção líquida de receita ficou abaixo do plano. O custo de quadro de pessoal acompanhou o modelo dentro de 2%, e seu custo de capital ainda está abaixo do benchmark atual da taxa do Fed — sem sinalização de gasto este mês.
Rastreia para: taxa de renovação do cohort de janeiro do histórico de assinaturas do Stripe · NRR modelada da execução anterior do modelo de drivers · benchmark da taxa do Fed do snapshot macro ao vivo.
Mude uma premissa — o runway recalcula
- Contratar os 3 cargos de engenharia planejados runway → 9,4 meses
- A próxima rodada atrasa um trimestre runway → 8,9 meses
- A retenção do cohort de janeiro se recupera ao plano runway → 13,1 meses
Cada número rastreia até uma linha do razão ou do Stripe, e todo o resumo é relido por uma segunda IA independente de um fornecedor diferente antes de chegar a você — nada é final até você aprovar.
Atualização de maio · livros fechados em 31 de maio
Rascunhado — aguardando sua aprovaçãoCaixa disponível — e a taxa mensal de build
$612K
acumulando +US$ 34K/mês — metade do ritmo de +US$ 71K do T1
Caixa projetado · próximos 12 meses
O que o moveu este mês
Margem, não demanda. A receita cresceu 6% no trimestre, mas a margem bruta caiu cerca de 2 pontos — os materiais excederam o plano em duas grandes instalações. O caixa ainda acumula; o ritmo só caiu pela metade em relação ao T1. A folha de pagamento acompanhou o modelo dentro de 3%.
Rastreia para: receita e custo de materiais do fechamento de razão de maio · margem do trimestre anterior da última execução do modelo · folha de pagamento do razão geral.
Mude uma premissa — a previsão recalcula
- Ganhar os dois contratos de manutenção pendentes caixa de fim de ano → US$ 1,0M
- O custo de materiais se mantém no plano caixa de fim de ano → US$ 940K
- Adicionar uma terceira equipe de instalação no T3 caixa de fim de ano → US$ 620K
Cada número rastreia até uma linha do razão, e todo o resumo é relido por uma segunda IA independente de um fornecedor diferente antes de chegar a você — nada é final até você aprovar.
O mesmo resumo, baixável: uma exportação Excel dos drivers e cenários, e um comando /runway do Slack para o número sob demanda. O conjunto de premissas de cada mês é mantido em um registro somente acréscimo — o que o modelo presumiu, quais foram os números reais e o que você aprovou é sempre rastreável.
Nos planos superiores
Pronto para o conselho, a partir dos mesmos números
Nos planos Business e Practice, o Analista Financeiro também redige o seu material trimestral para o conselho — construído sobre o modelo que já mantém, para que o documento e a previsão nunca divirjam. Você aprova cada secção antes de ser final; nada é enviado a investidores automaticamente.
Documento trimestral
Rascunhar o material
Um PDF de material de conselho de 12 a 14 páginas — narrativa e gráficos, coerente trimestre a trimestre — com cada número citado a uma transação de origem do seu modelo.
Antes da reunião
Ensaio de Q&A
Um ensaio prévio com cerca de uma dúzia de perguntas difíceis com respostas citadas, cerca de 48 horas antes da reunião, mais uma atualização interna mensal entre documentos.
Entre documentos
Registo de compromissos
Acompanha cada compromisso assumido com o conselho ao longo dos documentos e reavalia-o no trimestre seguinte — você marca cada linha como cumprida, falhada ou redefinida.
O material do conselho é revisto de forma independente por um segundo fornecedor de IA antes de chegar à sua fila, e não há via de envio externo — o material permanece interno até que o aprove e partilhe.
Preços
Três níveis por contagem de entidades e assentos.
Cada nível recebe o mesmo motor — o modelo de drivers derivado automaticamente, a sobreposição macro, o ajuste de cohort para negócios de assinatura e a revisão de IA do segundo fornecedor em cada narrativa de desvio.
What it replaces
Fazer isso internamente significa um salário completo, encargos e meses de adaptação — tudo para uma única função. A Ataski entrega o resultado desde o primeiro dia por um preço mensal fixo e previsível.
Qualidade de nível empresarial por uma fração de uma contratação. Aumente ou pause quando quiser: você só paga os meses que usar.
Solo
$599 ≈ R$2,965 / mês
1 entidade · 1 usuário
≈ $599.00 per entity per month
- Modelo de projeção baseado em drivers, derivado automaticamente todo mês
- Ajuste de retenção de cohort — negócios de assinatura
- Narrativa de desvio revisada entre fornecedores · Slack /runway
Um fundador rodando uma única entidade que quer uma previsão real a partir de livros reais.
Escolher SoloTeam
$1,499 ≈ R$7,420 / mês
3 entidades · 5 usuários
≈ $499.67 per entity per month
- Tudo do Solo, em 3 entidades
- Biblioteca de cenários + sensibilidade das 3 principais premissas
- Cenários personalizados em linguagem natural · upload de macro personalizada
Um líder de finanças modelando algumas entidades que precisa de cenários sob demanda.
Escolher TeamBusiness
$2,999 ≈ R$14,845 / mês
5 entidades · 20 usuários
≈ $599.80 per entity per month
- Tudo do Team, em 5 entidades
- Consolidação multientidade
- SSO · exportação do registro de auditoria · retenção personalizada · DPA
- Material trimestral do conselho + ensaio de perguntas + registo de compromissos
Finanças de mid-market com compras — SSO e um DPA são requisitos de aprovação.
Escolher BusinessPractice — diretor financeiro fracionado
$399 ≈ R$1,975 / mês base + US$ 199 por entidade-mês
US$ 399/mês base + US$ 199 por entidade ao mês · subempresas multi-inquilino · projetado para escritórios de diretor financeiro fracionado que gerenciam 4-10 livros de clientes em uma única conta Ataski. Até 10 entidades; uso medido via Stripe.
Inclui o material trimestral do conselho para cada carteira de cliente — documento, ensaio de perguntas e registo de compromissos, construído sobre o modelo de cada entidade.
Per-entity billing wires through your account manager. Self-serve checkout flips on once Stripe usage reporting is wired.
Enterprise — além de 5 entidades
Para entidades ilimitadas, eliminações intercompanhias e conversão de câmbio, ou quando o setor de compras precisa de SAML, chaves de LLM próprias, residência regional de dados e revisões de DPA. Vendido por inbound.
Configuração
Três passos — depois ele roda sozinho todo mês.
-
01
Conecte seus livros e faturamento. QuickBooks ou Xero para o razão, Stripe para cohorts de assinatura (opcional) — acesso somente leitura em cada um.
-
02
Confirme o modelo. Ele detecta o formato do seu negócio a partir dos dados e deriva o primeiro modelo — você revisa os drivers que ele escolheu.
-
03
Aguarde o fechamento. A cada mês a atualização dispara assim que seus livros fecham; a narrativa chega na sua fila de aprovação.
Por dentro
Como a previsão é construída, e o que a revisa.
- Constrói o modelo
- Um motor determinístico deriva o modelo de projeção baseado em drivers — e ajusta curvas de cohort para negócios de assinatura; a matemática é puro código, nunca um modelo de linguagem
- Escreve a narrativa
- Uma IA transforma a execução em prosa em português simples — ela explica os números, não os calcula
- Revisa a narrativa
- Uma segunda IA independente de um fornecedor diferente relê cada narrativa de desvio; um desempate decide quando as duas discordam sobre a direção
- Dados externos
- A taxa de juros do Fed ao vivo do feed público do Federal Reserve, mais benchmarks de setor que você pode enviar — sobrepostos em cada atualização
- Acesso
- Somente leitura no QuickBooks, Xero e Stripe — ele não pode lançar um lançamento, fechar um livro ou alterar um razão
- Privacidade
- Privado ao seu workspace, cada execução e premissa em um registro de auditoria somente acréscimo, exclusão de dados em 30 dias na saída
Uma previsão que se reconstrói — a partir dos seus livros, todo mês.
Conecte seus livros e faturamento uma vez. A cada mês o modelo é redrivado, os cenários rodam, e uma leitura clara sobre caixa, runway e o que os move chega na sua fila de aprovação — relida por uma segunda IA antes mesmo de você a ver.