Vinícius Gonçalves Ribeiro; Alexandre Leite Rangel

DOI: 10.22167/2675-6528-202601502

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

A gestão financeira pessoal representa um desafio significativo, com a maioria dos consumidores brasileiros apresentando controle parcial ou inexistente de suas finanças. Embora a integração de inteligência artificial e assistentes conversacionais possa simplificar esse processo, soluções existentes frequentemente falham em se integrar à rotina diária dos usuários. Com o objetivo de mitigar essas dificuldades, desenvolveu-se e validou-se um sistema de gestão financeira que automatiza o registro e a categorização de despesas por meio de um assistente conversacional integrado a um modelo de linguagem natural generativa. A pesquisa, de natureza aplicada e empírica, adotou uma arquitetura cliente-servidor, utilizando o framework NestJS para a API, PostgreSQL para o banco de dados e Next.js para a aplicação web. As mensagens dos usuários, enviadas via WhatsApp, foram processadas por um modelo GPT-3.5-Turbo para interpretar e categorizar as despesas. A validação envolveu quinze usuários reais, com análise objetiva da acurácia da categorização e avaliação subjetiva por questionários pré e pós-uso. Durante o período de observação, o sistema processou 462 transações, demonstrando viabilidade operacional. A acurácia na categorização principal atingiu 99,13%, e nas subcategorias, 89,39%, superando o limiar de 80% estabelecido. Os resultados subjetivos indicaram melhora consistente na percepção de controle, clareza e disponibilidade das informações financeiras, com a integração ao WhatsApp sendo o aspecto mais valorizado. A eficácia e satisfação percebidas com o sistema foram significativamente superiores aos métodos anteriores. Concluiu-se que a solução reduziu barreiras operacionais e promoveu uma gestão financeira mais consciente, atingindo os objetivos propostos. A combinação de avaliação objetiva e subjetiva, em contexto real de uso, reforçou a aplicabilidade e o potencial de contribuição do sistema para a organização financeira pessoal.

Palavras-chave: Assistente conversacional; Automação de despesas; Classificação semântica; Experiência do usuário; Finanças pessoais.

1. Introdução

A gestão financeira pessoal constitui um pilar fundamental para a estabilidade econômica individual e familiar, influenciando diretamente a qualidade de vida e a capacidade de planejamento futuro. Contudo, a realidade brasileira revela um cenário desafiador nesse domínio. Dados recentes do Serviço de Proteção ao Crédito (SPC Brasil, 2025) e da Confederação Nacional de Dirigentes Lojistas (CNDL, 2025) indicam que apenas dezoito por cento dos consumidores possuem conhecimento abrangente sobre seu próprio fluxo financeiro. A vasta maioria, oitenta e um por cento, reporta um controle financeiro que varia de parcial a inexistente, evidenciando uma lacuna significativa na educação e prática de gestão de recursos. Essa deficiência é frequentemente agravada por uma cultura de consumo imediatista, que desestimula o planejamento de longo prazo e a disciplina na organização das despesas. Apesar do crescimento expressivo no número de aplicativos financeiros, conforme apontado pela Adjust Brasil Licenciamento de Software Ltda. (2023), muitas dessas soluções ainda falham em se integrar de forma fluida à rotina diária dos consumidores. A fragmentação entre ferramentas e a persistência de registros manuais impedem o acompanhamento em tempo real das despesas, dificultando o controle financeiro.

Nesse contexto, a inteligência artificial (IA) e os assistentes conversacionais emergem como tecnologias promissoras para mitigar as complexidades da gestão financeira. Deshmukh et al. (2024) destacam o potencial dos algoritmos de aprendizado de máquina para processar grandes volumes de dados financeiros, identificar padrões de consumo e tendências, e, assim, oferecer suporte robusto à tomada de decisões e ao gerenciamento de riscos. Complementarmente, Fauzi (2024) explora como a integração de assistentes virtuais e chatbots em plataformas financeiras pode personalizar serviços, automatizar processos e reduzir a incidência de erros operacionais, proporcionando uma experiência de usuário mais eficiente e contínua. A automação de tarefas rotineiras, aliada à capacidade de análise preditiva, é apontada por Hidayat et al. (2024) como um fator chave para elevar a eficiência operacional e fortalecer o suporte à tomada de decisão financeira. Modelos de linguagem natural generativa, em particular, possuem a capacidade de interpretar e categorizar informações textuais complexas, transformando interações humanas em dados estruturados de forma intuitiva, o que representa um avanço para a simplificação do registro e da organização de despesas.

Apesar do avanço tecnológico e do reconhecimento do potencial da IA, a implementação prática de sistemas de gestão financeira que se integrem verdadeiramente ao cotidiano dos usuários ainda apresenta desafios. Soluções existentes, mesmo as que incorporam elementos de IA, frequentemente exigem um esforço considerável para o registro de transações, seja por meio de interfaces pouco intuitivas, seja pela necessidade de múltiplas etapas operacionais. A fricção gerada por esses processos desestimula a adesão e a constância no uso, resultando em um controle financeiro intermitente e, muitas vezes, ineficaz. A lacuna reside, portanto, na ausência de ferramentas que combinem a sofisticação da inteligência artificial com a simplicidade e a ubiquidade dos canais de comunicação já enraizados na rotina das pessoas, como os aplicativos de mensagens instantâneas. Uma solução que minimize o atrito no registro de despesas e ofereça uma visão clara e consolidada das finanças, sem exigir mudanças drásticas nos hábitos do usuário, é essencial para promover uma gestão financeira mais acessível e eficaz.

Diante desse cenário, este trabalho justifica-se pela necessidade premente de desenvolver uma ferramenta inovadora que supere as barreiras operacionais e comportamentais que dificultam a gestão financeira pessoal. Busca-se, assim, promover maior autonomia e consciência financeira entre os indivíduos, utilizando a tecnologia como um facilitador. O objetivo geral deste estudo é desenvolver e validar um sistema de gestão financeira que, por meio de um assistente conversacional integrado a um modelo de inteligência artificial generativa, automatize o registro e a categorização de despesas, proporcionando aos usuários uma visualização consolidada de seus gastos e suporte para decisões financeiras mais conscientes.

2. Material e Métodos

A presente pesquisa caracterizou-se como aplicada, por se concentrar no desenvolvimento e na validação de uma solução tecnológica voltada à gestão de gastos pessoais. Segundo Cajueiro (2015), pesquisas aplicadas orientam-se para a resolução de problemas práticos, com geração de resultados tangíveis. Adotou-se uma abordagem empírica, baseada no uso real do sistema por participantes voluntários e na posterior análise de dados objetivos e subjetivos, visando compreender a eficácia e a aceitação da ferramenta proposta.

O contexto do estudo envolveu o desenvolvimento de um sistema de gestão financeira pessoal, cuja arquitetura se baseou no modelo cliente-servidor com acesso via internet. O núcleo da aplicação foi construído com o framework NestJS, sobre a plataforma Node.js, escolhido por sua estrutura modular e aderência aos padrões REST (NestJs, 2025). A API desenvolvida foi publicada na plataforma Railway, garantindo a acessibilidade do sistema. Para a persistência dos dados, utilizou-se o sistema gerenciador de banco de dados PostgreSQL, na versão 16.8, reconhecido por sua confiabilidade e ampla adoção no mercado (DB-Engines, 2025).

Como instrumento principal de coleta de dados de despesas, integrou-se um assistente conversacional a um modelo de inteligência artificial generativa. As mensagens enviadas pelos usuários foram recebidas pela API em formato padronizado e encaminhadas ao modelo GPT-3.5-Turbo, disponibilizado pela OpenAI (OpenAI, 2024). Este modelo foi empregado para interpretar o conteúdo textual das mensagens, identificando valor, descrição, categoria e subcategoria das despesas registradas. Após o processamento, a transação era gravada no banco de dados e uma mensagem de retorno, com a confirmação do registro e a classificação atribuída, era enviada ao usuário via Graph API do WhatsApp Business, versão 17.0 (Meta, 2024).

Para a visualização e acompanhamento das transações financeiras, desenvolveu-se uma aplicação web utilizando o framework Next.js, também sobre a plataforma Node.js, publicada na infraestrutura da Vercel. Este painel disponibilizou acesso autenticado por meio de tokens de sessão, apresentando ao usuário o histórico consolidado das transações registradas. A interface permitia filtros por período e categoria, além de uma consolidação dos gastos por categoria, oferecendo uma visão clara e centralizada das informações financeiras.

A unidade de análise da pesquisa consistiu nas transações financeiras registradas e nas percepções dos usuários sobre o sistema. A população de interesse abrangeu indivíduos que buscavam melhorar sua gestão financeira pessoal. A amostra foi composta por participantes voluntários, selecionados inicialmente por meio de um formulário de levantamento de perfil, reproduzido no Apêndice A. Este formulário visava caracterizar a amostra e verificar a aderência dos respondentes ao perfil de interesse da pesquisa, coletando informações demográficas e sobre organização financeira doméstica.

Na etapa inicial da pesquisa, aplicou-se um questionário pré-uso, reproduzido no Apêndice B, com o objetivo de identificar as práticas de controle financeiro adotadas pelos participantes antes da utilização do sistema. O instrumento reuniu questões sobre o uso prévio de ferramentas, as limitações percebidas no método anterior, a frequência de registro de despesas e as dificuldades na organização financeira. Incluíram-se itens em escala Likert de um a cinco para avaliar a percepção de clareza das categorias, visualização consolidada dos gastos, acompanhamento em tempo real, apoio à tomada de decisão, praticidade na consulta de despesas, eficácia do método e satisfação geral.

As etapas de execução da pesquisa envolveram a participação dos respondentes que preencheram o formulário de perfil e concordaram em utilizar a plataforma. Os participantes selecionados utilizaram o sistema por, no mínimo, trinta dias, dentro do período experimental compreendido entre 28 de abril e 17 de junho de 2025. Durante esse intervalo, as despesas foram registradas exclusivamente via WhatsApp, por meio de mensagens textuais livres, sem a necessidade de preenchimento de planilhas ou formulários estruturados. O painel web foi utilizado como mecanismo complementar de consulta e acompanhamento das transações registradas.

Encerrado o período de uso do sistema, aplicou-se o questionário pós-uso, reproduzido no Apêndice C, com a finalidade de comparar as percepções relatadas antes e depois da experiência. O instrumento contemplou questões sobre a frequência de uso do assistente, a alteração do comportamento de registro, a eventual utilização paralela de outras ferramentas, a percepção sobre a facilidade e praticidade do registro, a redução de fricção operacional, a precisão da categorização automática, a clareza do dashboard, o impacto na organização financeira, a satisfação geral e a intenção de continuidade de uso e recomendação a terceiros.

Os métodos de tratamento e análise dos dados foram divididos em duas frentes complementares. Na dimensão objetiva, extraíram-se os registros gerados pelo sistema para realizar a validação manual das transações. Comparou-se a classificação atribuída automaticamente pelo modelo de inteligência artificial com a classificação considerada adequada pelo pesquisador. Essa verificação foi realizada separadamente para categoria principal e subcategoria, com o objetivo de calcular a taxa de acerto da categorização automática. Estabeleceu-se previamente um desempenho mínimo de oitenta por cento de precisão como critério de viabilidade técnica.

Na dimensão subjetiva, as respostas obtidas nos questionários pré-uso e pós-uso foram organizadas para comparação descritiva das percepções dos participantes antes e após a utilização do sistema. As questões fechadas foram tabuladas com base em frequências de resposta e distribuição dos escores nas escalas Likert. As respostas abertas foram submetidas à leitura interpretativa, com o objetivo de identificar temas recorrentes relacionados à usabilidade, à clareza das informações apresentadas, à utilidade percebida do assistente e às possibilidades de aprimoramento da solução proposta.

Em relação aos procedimentos éticos, informou-se a todos os participantes, em todos os instrumentos aplicados, que suas respostas seriam tratadas com sigilo e anonimizadas antes de qualquer análise. A participação no estudo foi inteiramente voluntária, e os dados coletados foram utilizados exclusivamente para os fins da pesquisa, garantindo a privacidade e a confidencialidade das informações dos usuários.

3. Resultados e Discussão

O período de observação final do estudo, que se estendeu de 28 de abril a 17 de junho de 2025, demonstrou a plena viabilidade operacional do sistema em um ambiente de produção real. Durante este intervalo, foram identificados quinze usuários ativos, caracterizados por terem realizado ao menos um lançamento de despesa por meio do assistente conversacional. O volume de dados processados totalizou 462 transações financeiras, o que forneceu uma base robusta para a avaliação tanto dos aspectos técnicos quanto das percepções dos usuários. A operação contínua e ininterrupta do fluxo completo de recebimento de mensagens via WhatsApp, o processamento eficiente pela inteligência artificial, a persistência segura dos dados em banco e a disponibilização acessível das informações no painel web confirmaram a robustez da arquitetura proposta. Este achado é crucial, pois valida a premissa de que a integração de tecnologias avançadas pode ser efetivamente implementada para resolver problemas práticos de gestão financeira pessoal, conforme preconizado por Cajueiro (2015) para pesquisas aplicadas. A estabilidade do sistema em um cenário de uso real é um indicador fundamental de sua maturidade e potencial para adoção em larga escala, mitigando os desafios de fragmentação e acompanhamento em tempo real que frequentemente dificultam o controle financeiro diário, conforme apontado na introdução do presente trabalho.

No que concerne ao desempenho da categorização automática, um dos pilares da solução proposta, a validação manual das 462 transações revelou resultados altamente satisfatórios. Para a categoria principal, 458 registros foram classificados corretamente, o que corresponde a uma taxa de acerto de 99,13%. Este índice supera significativamente o critério mínimo de viabilidade técnica estabelecido em 80%, demonstrando a eficácia do modelo de inteligência artificial generativa (GPT-3.5-Turbo) na interpretação semântica das despesas. Tal precisão é um avanço notável na automação da gestão financeira, alinhando-se às discussões de Deshmukh et al. (2024) sobre a capacidade da inteligência artificial em processar grandes volumes de dados e identificar padrões para apoiar a tomada de decisão. Embora Deshmukh et al. (2024) foquem em análises mais amplas de investimento e gerenciamento de riscos, a aplicação aqui demonstrada estende esses benefícios para a organização semântica de despesas cotidianas, um recorte mais específico, mas igualmente impactante para o usuário final. A alta acurácia na categorização principal reduz drasticamente a fricção operacional, um dos objetivos centrais do sistema, ao eliminar a necessidade de intervenção manual para a maioria das transações.

Em relação às subcategorias, a taxa de acerto foi de 89,39%, com 413 registros classificados corretamente. Embora ligeiramente inferior à precisão das categorias principais, este resultado também excedeu o limiar mínimo de 80% de viabilidade técnica, confirmando a adequação da solução para o contexto investigado. A diferença de 9,74 pontos percentuais entre o desempenho em categorias principais e subcategorias sugere que o aumento da granularidade semântica impõe um desafio adicional ao modelo de IA. Subcategorias frequentemente exigem uma compreensão mais matizada do contexto da despesa, podendo haver maior ambiguidade interpretativa em mensagens textuais livres. Por exemplo, uma despesa de “café” pode ser classificada como “Alimentação” (categoria principal) com alta certeza, mas sua subcategoria (“Refeição”, “Lanche”, “Social”) pode depender de nuances não explícitas na mensagem. Este achado corrobora a complexidade inerente à interpretação de linguagem natural em níveis mais detalhados, um campo de pesquisa ativo em IA. As implicações práticas dessa diferença residem na necessidade de aprimoramentos futuros no modelo de IA, talvez com a inclusão de mecanismos de *feedback* do usuário para refinar a categorização em subníveis, ou a exploração de modelos de linguagem mais avançados capazes de inferir contextos mais complexos. A capacidade de automatizar a categorização, mesmo com essa pequena variação de precisão, representa um ganho funcional substancial, conforme Hidayat et al. (2024) apontam que a automação de processos financeiros rotineiros pode elevar a eficiência operacional e fortalecer o suporte à tomada de decisão.

Na etapa pré-uso, a análise das respostas dos quinze usuários ativos revelou um panorama das práticas de controle financeiro que fundamentou a necessidade do sistema proposto. Dez participantes (66,7%) declararam utilizar alguma ferramenta para controle financeiro, com a predominância de planilhas (Excel, Google Sheets). No entanto, cinco participantes (33,3%) afirmaram não utilizar qualquer método estruturado, o que já indicava uma lacuna significativa na organização financeira. Mais revelador foi o dado sobre a frequência de registro: quatro participantes não registravam despesas, cinco o faziam apenas uma vez por mês, três uma vez por semana, dois de duas a três vezes por mês e apenas um raramente ao longo do ano. Esses dados, em conjunto, evidenciaram que, apesar de parte da amostra recorrer a instrumentos de organização, as práticas anteriores eram marcadas por baixa regularidade e elevada fricção operacional. Este cenário reflete o diagnóstico apresentado na introdução, que cita o Serviço de Proteção ao Crédito (SPC Brasil, 2025) e a Confederação Nacional de Dirigentes Lojistas (CNDL, 2025), indicando que 81% dos consumidores brasileiros possuem controle financeiro apenas parcial ou inexistente. A baixa frequência de registro e a dependência de métodos que exigem esforço manual (como planilhas) criam barreiras significativas para a manutenção de um controle financeiro eficaz, corroborando a tese de que a fragmentação entre ferramentas e a rotina real de uso impede o acompanhamento em tempo quase real das despesas. A implicação prática é que a mera existência de ferramentas não garante sua adoção ou eficácia se não estiverem alinhadas à conveniência e à rotina do usuário.

Para a comparação entre percepções antes e após a experiência com o sistema, foram considerados os doze participantes que responderam a ambos os questionários, garantindo a comparabilidade intraindividual. Observou-se uma melhora consistente em todas as cinco dimensões equivalentes investigadas nos questionários pré-uso e pós-uso, medidas em escala Likert de um a cinco. A média referente à capacidade de identificar com clareza as categorias do orçamento aumentou de 3,00 para 4,42. Esta melhoria sugere que a categorização automática e a visualização estruturada no painel web contribuíram significativamente para que os usuários tivessem uma compreensão mais nítida de onde seu dinheiro estava sendo gasto. A clareza nas categorias é fundamental para a educação financeira e para a identificação de áreas de gastos excessivos, um problema comum para muitos indivíduos, conforme indicado pelos dados do SPC Brasil e CNDL (2025). A capacidade de visualizar claramente as categorias de despesas permite aos usuários não apenas monitorar, mas também analisar seus padrões de consumo, um passo essencial para a tomada de decisões financeiras mais conscientes.

A percepção de visualização consolidada dos gastos por categoria elevou-se de 2,42 para 4,58. Este salto expressivo demonstra o impacto positivo do painel web, que foi projetado para oferecer uma representação clara e centralizada das informações financeiras. Antes do sistema, muitos usuários enfrentavam a dificuldade de consolidar seus gastos, especialmente aqueles registrados de forma fragmentada ou em diferentes plataformas. A solução proposta, ao agregar todas as transações e apresentá-las de forma organizada, preencheu uma lacuna importante. Fauzi (2024) discute como a integração de assistentes virtuais e chatbots em plataformas financeiras, aliada a dashboards e visualizações dinâmicas, pode personalizar serviços e ampliar a utilidade prática das informações. Os resultados obtidos neste estudo confirmam essa perspectiva, evidenciando que a consolidação visual de dados financeiros é um fator crítico para a percepção de controle e para a eficácia da gestão pessoal. A implicação prática é que a interface visual do sistema, ao transformar dados brutos em informações inteligíveis, capacita os usuários a ter uma visão panorâmica de suas finanças, algo que era deficiente em suas práticas anteriores.

A capacidade de consultar os gastos em tempo real ou quase imediatamente apresentou a variação mais acentuada, passando de 1,58 para 4,58. Este é um dos achados mais impactantes, pois aborda diretamente a dificuldade de acompanhamento em tempo quase real das despesas, um problema frequentemente associado à fragmentação e aos registros manuais. A integração com o WhatsApp permite o registro instantâneo, e o painel web reflete essas transações quase que imediatamente. Essa agilidade é crucial em uma cultura de imediatismo, onde a informação rápida pode influenciar decisões de consumo. Hidayat et al. (2024) enfatizam que a automação das tarefas rotineiras, aliada à análise preditiva, melhora a tomada de decisão. No contexto deste estudo, a automação do registro e a visualização em tempo real permitem que os usuários tenham uma compreensão atualizada de sua situação financeira a qualquer momento, o que é um pré-requisito para decisões financeiras proativas e não reativas. A praticidade de ter acesso a essa informação no momento da compra, por exemplo, é uma mudança de paradigma para muitos usuários.

A percepção de apoio à tomada de decisões financeiras conscientes aumentou de 2,67 para 4,58. Este resultado é uma consequência direta da melhoria na clareza das categorias, na visualização consolidada e na consulta em tempo real. Quando os usuários possuem informações financeiras organizadas e acessíveis, eles estão em uma posição muito melhor para avaliar o impacto de suas escolhas de consumo e planejar seus gastos futuros. Deshmukh et al. (2024) destacam que a IA pode apoiar a tomada de decisão ao identificar padrões e tendências. No presente sistema, embora não haja análise preditiva complexa, a organização e apresentação dos dados já fornecem os *insights* necessários para que o próprio usuário tome decisões mais informadas. A implicação prática é que o sistema não apenas automatiza o registro, mas também atua como um catalisador para a educação financeira informal, capacitando os usuários a desenvolverem uma mentalidade mais estratégica em relação ao dinheiro.

Por fim, a praticidade de consultar os gastos do mês antes de realizar novas compras passou de 1,92 para 4,50. Este é um indicador direto da utilidade prática do sistema no cotidiano dos usuários. A capacidade de verificar o orçamento disponível ou o histórico de gastos de forma rápida antes de uma nova aquisição é um comportamento financeiro desejável que o sistema facilitou enormemente. A fricção operacional para obter essa informação foi significativamente reduzida. A Figura 1 ilustra graficamente essas melhorias consistentes nas cinco dimensões avaliadas, evidenciando a transformação positiva nas percepções dos usuários após a adoção da solução.

Fonte: Resultados originais da pesquisa

Figura 1. Comparação entre pré e pós-uso nas dimensões avaliadas

A Figura 1, que compara as médias das percepções pré e pós-uso nas cinco dimensões avaliadas, oferece uma representação visual clara da eficácia do sistema. Observa-se que em todas as dimensões – Identificação das categorias, Visualização dos gastos por categoria, Consulta em tempo real, Apoio à decisão financeira e Consulta antes de comprar – houve um aumento substancial nas médias pós-uso em comparação com as médias pré-uso. A dimensão “Consulta em tempo real” apresentou o maior salto, de 1,58 para 4,58, reforçando a importância da agilidade e acessibilidade da informação financeira para os usuários. Este gráfico não apenas valida os dados numéricos, mas também comunica visualmente a magnitude da mudança percebida pelos participantes. A consistência dos ganhos em todas as dimensões sublinha que o sistema abordou múltiplos aspectos da gestão financeira pessoal que eram problemáticos para os usuários, desde a clareza da informação até a praticidade de seu uso no dia a dia.

Quando consideradas conjuntamente, as cinco dimensões comparáveis revelaram uma mudança drástica na distribuição das respostas na escala Likert. A proporção de respostas concentradas nos níveis mais altos (4 e 5) aumentou de 20,0% no pré-uso para 81,7% no pós-uso. Em sentido inverso, as respostas situadas nos níveis 1 e 2, que representavam 58,3% do total antes da utilização do sistema, deixaram de aparecer completamente após o período de uso. Em nível individual, onze dos doze participantes apresentaram movimento positivo na média combinada desses cinco indicadores, enquanto apenas um caso permaneceu estável. Esses achados sugerem uma melhora consistente na percepção de controle, clareza e disponibilidade das informações financeiras após a adoção da solução. Esta transição de uma maioria de respostas negativas ou neutras para uma esmagadora maioria de respostas positivas é um forte indicativo da aceitação e utilidade prática do sistema. A eliminação completa das respostas nos níveis mais baixos da escala Likert é particularmente notável, pois demonstra que o sistema conseguiu mitigar as principais insatisfações e dificuldades que os usuários enfrentavam com seus métodos anteriores de gestão financeira. Isso reforça a ideia de que a solução não apenas oferece uma alternativa, mas uma melhoria substancial na experiência do usuário.

A mesma tendência positiva foi observada nas avaliações globais de eficácia e satisfação. A eficácia percebida do método anteriormente utilizado apresentou uma média de 2,08, enquanto a eficácia atribuída ao sistema desenvolvido atingiu uma média de 4,75. De forma semelhante, a satisfação com o método anterior apresentou uma média de 2,00, ao passo que a satisfação com o sistema alcançou 4,75. Este contraste acentuado indica que o ganho percebido pelos participantes não se limitou a atributos isolados da interface ou do assistente, mas abrangeu a avaliação global da experiência de gestão financeira. A diferença de mais de dois pontos na escala Likert para ambos os indicadores de eficácia e satisfação é estatisticamente e praticamente significativa, sugerindo que o sistema não apenas atende às expectativas, mas as supera em grande medida. A alta satisfação e eficácia percebida são cruciais para a sustentabilidade do uso de qualquer ferramenta, pois usuários satisfeitos são mais propensos a continuar utilizando e a recomendar a solução a outros. Este resultado valida a premissa de que a automação e a integração a canais de comunicação familiares podem transformar a experiência de gestão financeira, tornando-a mais agradável e menos onerosa.

Os resultados descritivos também revelaram indícios de mudança na rotina de registro dos participantes. Entre os doze respondentes do pós-uso, quatro participantes (33,3%) afirmaram que a frequência de registro aumentou, cinco (41,7%) relataram que ela permaneceu igual e três (25,0%) declararam diminuição. Embora essa distribuição não indique um aumento uniforme na frequência para todos, os fatores citados pelos participantes que relataram melhora foram recorrentes e consistentes: a facilidade de uso do assistente, a maior praticidade e rapidez no registro, a motivação para acompanhar os gastos regularmente e a percepção de categorização automática mais precisa. Tais elementos reforçaram a hipótese de que a integração do processo de registro a um canal já habitual, como o WhatsApp, somada à automação de etapas antes manuais, reduziu barreiras importantes ao uso. A capacidade de registrar despesas de forma fluida, sem interrupções significativas na rotina diária, é um diferencial que o sistema oferece, contrastando com a “fricção operacional” identificada nas práticas pré-uso. Este achado dialoga diretamente com as observações de Fauzi (2024), que destaca o potencial das soluções baseadas em inteligência artificial em finanças pessoais para personalizar interações, agilizar consultas e ampliar a utilidade prática das informações financeiras. A integração com o WhatsApp, em particular, capitaliza o comportamento já estabelecido de comunicação via mensagens, transformando uma tarefa onerosa em uma interação quase imperceptível.

No mesmo sentido, o estudo de Hidayat et al. (2024) sustenta que a automação de processos financeiros pode elevar a eficiência operacional e fortalecer o suporte à tomada de decisão. No entanto, os dados do presente estudo sugerem que esse benefício ocorre de forma mais pronunciada quando a automação se articula a um contexto de uso simples e familiar, e não apenas à presença de inteligência artificial como um recurso tecnológico abstrato. A praticidade de enviar uma mensagem de texto para registrar uma despesa, em vez de abrir um aplicativo específico ou preencher uma planilha, é um exemplo claro de como a simplicidade da interface pode potencializar a adoção e a eficácia da tecnologia. Isso implica que, para o sucesso de ferramentas de gestão financeira baseadas em IA, a usabilidade e a integração com o fluxo de trabalho natural do usuário são tão importantes quanto a sofisticação do algoritmo subjacente. A redução da “fricção operacional” é, portanto, um fator-chave para a mudança de comportamento e para a sustentabilidade do controle financeiro pessoal.

A avaliação específica dos componentes do sistema no questionário pós-uso também apresentou resultados favoráveis. A afirmação de que o assistente facilitou o registro das despesas, eliminando etapas desnecessárias, obteve uma média de 4,50. A percepção de que o registro ocorreu de forma prática e sem interrupções alcançou uma média ainda maior, de 4,75. A redução da dificuldade ou fricção para anotar gastos em comparação ao método anterior também foi altamente valorizada, com uma média de 4,50. Estes resultados confirmam que a proposta de utilizar um assistente conversacional integrado ao WhatsApp foi bem-sucedida em simplificar o processo de registro, tornando-o menos intrusivo e mais eficiente. A precisão percebida da categorização automática atingiu uma média de 4,08, enquanto a clareza e atualização do dashboard alcançaram uma média de 4,67. Considerados em conjunto, 86,7% dos julgamentos atribuídos a esses cinco itens concentraram-se nos níveis 4 ou 5 da escala Likert, indicando uma forte aceitação e satisfação com as funcionalidades centrais do sistema. A alta pontuação para a clareza e atualização do dashboard é particularmente relevante, pois valida a eficácia da camada de apresentação em fornecer uma visão consolidada e em tempo real das finanças, um dos objetivos específicos do trabalho.

Além disso, a intenção de continuidade de uso e recomendação a terceiros foi expressiva. Nove dos doze respondentes (75,0%) declararam não ter utilizado outra ferramenta de finanças em paralelo durante o período de teste, o que sugere que o sistema conseguiu se estabelecer como a principal ferramenta de gestão financeira para a maioria dos participantes. Mais ainda, dez dos doze (83,3%) afirmaram que pretendiam continuar utilizando o sistema, e todos os respondentes indicaram que o recomendariam a amigos ou familiares, sendo dez respostas em “com certeza sim” e duas em “provavelmente sim”. Esses indicadores sugerem uma boa aceitação prática da solução e reforçam o potencial de incorporação do sistema à rotina cotidiana. Embora essa percepção deva ser interpretada com cautela devido ao pequeno tamanho amostral e à ausência de respostas pós-uso de três participantes, os resultados são encorajadores. A alta taxa de recomendação é um forte indicativo de que o sistema não apenas atendeu às expectativas dos usuários, mas também gerou uma experiência positiva o suficiente para que eles se tornassem defensores da solução. Isso tem implicações significativas para a estratégia de crescimento e adoção do sistema, sugerindo que o boca a boca pode ser um poderoso motor de expansão.

No plano qualitativo, a leitura interpretativa das respostas abertas permitiu identificar temas recorrentes antes e depois da utilização do sistema. No pré-uso, predominaram relatos associados à dificuldade de manter constância no registro, ao esquecimento, à necessidade de lançar informações manualmente, à inadequação das ferramentas existentes ao cotidiano dos participantes e à baixa granularidade na visualização de despesas, especialmente em situações envolvendo cartão de crédito. Em outras palavras, os principais problemas não se concentravam apenas na ausência de instrumentos, mas na incompatibilidade entre os meios disponíveis e a prática diária de controle financeiro. Essa análise qualitativa valida o problema de pesquisa e a justificativa para o desenvolvimento de uma solução integrada e automatizada. A “fragmentação entre registros manuais e sistemas isolados” e a dificuldade de “acompanhamento em tempo quase real das despesas”, mencionadas na introdução, são diretamente corroboradas por esses relatos. A implicação é que qualquer nova ferramenta de gestão financeira deve priorizar a integração com a rotina do usuário e a minimização do esforço manual para ser bem-sucedida.

No pós-uso, o aspecto mais valorizado pelos respondentes foi a integração do sistema ao WhatsApp, frequentemente associada a expressões de praticidade, conveniência e facilidade de uso. Também apareceram referências positivas ao painel, à visão geral dos gastos, às estatísticas e à possibilidade de acompanhar o mês com maior clareza. Esses feedbacks qualitativos reforçam os achados quantitativos sobre a melhoria das percepções dos usuários. A integração com o WhatsApp, em particular, é um diferencial competitivo que capitaliza o uso ubíquo da plataforma de mensagens, transformando uma barreira (o esforço de registro) em uma facilidade. No entanto, as dificuldades remanescentes concentraram-se principalmente na manutenção do hábito de registrar despesas no momento em que ocorrem, bem como em aspectos comportamentais mais amplos, como impulsividade e consumo compulsivo. Isso sugere que a solução reduziu barreiras operacionais importantes, mas não eliminou por completo fatores subjetivos e comportamentais que também interferem na organização financeira. Este é um ponto crucial, pois destaca que a tecnologia pode otimizar processos, mas a mudança de hábitos e a disciplina financeira ainda dependem de um esforço individual, um desafio que transcende a mera disponibilidade de ferramentas.

As sugestões de aprimoramento apresentadas pelos participantes apontaram caminhos consistentes para a evolução do sistema. Destacaram-se pedidos de maior detalhamento em categorias e subcategorias, possibilidade de edição manual da categoria atribuída, inclusão de lembretes, inserção de notas e comprovantes, gráficos de acompanhamento no painel, melhoria das mensagens de erro e maior clareza em etapas de autenticação e recuperação de acesso. Tais apontamentos foram particularmente relevantes porque evidenciaram que a percepção positiva da ferramenta não eliminou a expectativa por mecanismos de intervenção quando a automação falha ou quando o usuário deseja maior personalização. Isso sugere que, embora a automação seja altamente valorizada, os usuários ainda desejam ter controle e flexibilidade para ajustar as classificações ou adicionar informações contextuais. A capacidade de editar manualmente categorias, por exemplo, pode aumentar a confiança do usuário no sistema, mesmo que a taxa de acerto automática seja alta, pois oferece uma “válvula de escape” para casos ambíguos ou erros percebidos. A inclusão de lembretes e gráficos de acompanhamento também aponta para a demanda por funcionalidades que não apenas registrem, mas também auxiliem ativamente na formação de hábitos e na análise de tendências, aprofundando o suporte à tomada de decisão.

Um ponto de discussão relevante emergiu da comparação entre a avaliação técnica da categorização e a percepção subjetiva dos usuários sobre esse mesmo aspecto. Embora a acurácia objetiva tenha sido bastante elevada (99,13% para categorias principais e 89,39% para subcategorias), a precisão percebida no questionário pós-uso (média de 4,08) foi a menor entre os cinco itens de avaliação do sistema, ainda que tenha permanecido em patamar positivo. Esse contraste sugere que erros pontuais, sobretudo em subcategorias, possuem alta saliência para o usuário e afetam desproporcionalmente sua avaliação da ferramenta. Em termos práticos, isso indica que desempenho agregado elevado, por si só, não esgota a experiência de uso: para o usuário, a possibilidade de compreender, revisar ou corrigir classificações pode ser tão importante quanto a taxa global de acerto. Este fenômeno é conhecido na literatura de usabilidade e experiência do usuário, onde a confiança e a sensação de controle são tão cruciais quanto a funcionalidade técnica. Um sistema que permite ao usuário entender *por que* uma categoria foi atribuída e oferece um caminho fácil para correção pode ser percebido como mais preciso e confiável, mesmo que sua taxa de acerto bruta seja marginalmente menor do que um sistema “caixa preta” com alta precisão. Isso tem implicações significativas para o design de futuras interações, sugerindo a importância de elementos de explicabilidade (XAI) e de mecanismos de *feedback* ativo do usuário.

Em perspectiva crítica, os resultados permitiram identificar pontos fortes importantes na proposta desenvolvida. O primeiro deles foi a combinação entre avaliação objetiva e subjetiva, o que possibilitou examinar simultaneamente o desempenho técnico do sistema e a percepção dos usuários sobre sua utilidade prática. Essa abordagem multifacetada oferece uma compreensão mais completa do impacto da solução, indo além da mera funcionalidade para incluir a experiência humana. O segundo ponto forte foi a realização do estudo em contexto real de uso, com registros efetivos de despesas e integração a um canal de comunicação amplamente incorporado ao cotidiano. A validade ecológica deste estudo é elevada, pois os dados foram coletados em um ambiente natural, refletindo o comportamento real dos usuários. O terceiro consistiu na convergência entre os achados técnicos e as respostas dos participantes, especialmente no que se refere à redução de fricção, à melhora da visualização consolidada dos gastos e ao suporte à organização financeira. Essa consistência entre diferentes fontes de dados reforça a credibilidade dos resultados e a robustez da solução.

Ao mesmo tempo, o estudo apresentou limitações que devem ser explicitadas. A amostra foi reduzida e não probabilística, o que restringe a generalização dos resultados para uma população mais ampla. Embora os quinze usuários ativos e os doze participantes da análise pareada tenham fornecido dados valiosos para uma exploração descritiva, inferências mais amplas sobre a população geral de usuários de gestão financeira devem ser feitas com cautela. A ausência de resposta pós-uso de três participantes também pode introduzir viés de atrito, uma vez que indivíduos menos engajados ou menos satisfeitos tendem, em alguns contextos, a não concluir instrumentos finais, o que poderia superestimar os resultados positivos. Adicionalmente, a avaliação da acurácia da categorização foi realizada manualmente pelo pesquisador, o que, embora adequado ao objetivo do estudo, não elimina totalmente a possibilidade de subjetividade interpretativa em casos semânticos limítrofes, especialmente em subcategorias.

Também se deve considerar que a investigação adotou um desenho exploratório e descritivo, sem grupo de controle e sem testes inferenciais, razão pela qual os resultados devem ser interpretados como evidências de aplicabilidade, aceitabilidade e potencial de contribuição da solução, e não como demonstração causal definitiva de mudança comportamental. A ausência de um grupo de controle impede a atribuição exclusiva das melhorias observadas ao sistema, embora a consistência e a magnitude das mudanças sugiram fortemente essa relação. Ainda assim, a consistência entre a elevada acurácia da categorização, a melhora dos escores subjetivos e a valorização da integração ao WhatsApp indicou que a proposta atingiu de forma satisfatória os objetivos estabelecidos para esta etapa final do trabalho. Os resultados fornecem uma base sólida para futuras pesquisas e desenvolvimentos, sugerindo que a abordagem de integrar IA generativa com assistentes conversacionais em plataformas de mensagens tem um potencial significativo para transformar a gestão financeira pessoal.

4. Conclusão

Conclui-se que o objetivo foi atingido, com o desenvolvimento e a validação de um sistema de gestão financeira que, por meio de um assistente conversacional integrado a um modelo de inteligência artificial generativa, automatizou o registro e a categorização de despesas. A solução proporcionou aos usuários uma visualização consolidada de seus gastos e suporte para decisões financeiras mais conscientes. Os resultados demonstraram a plena viabilidade operacional do sistema em ambiente real, com alta acurácia na categorização automática (99,13% para categorias principais e 89,39% para subcategorias), superando o limiar de viabilidade técnica. A avaliação subjetiva dos usuários revelou melhorias consistentes na clareza das categorias, visualização consolidada, consulta em tempo real, apoio à tomada de decisões e praticidade, indicando alta satisfação e eficácia percebida.

Apesar dos resultados promissores, o estudo apresentou limitações importantes, como a amostra reduzida e não probabilística, que restringe a generalização dos achados. A avaliação da acurácia da categorização foi manual, e o desenho exploratório e descritivo impede a demonstração causal definitiva de mudança comportamental. Para estudos futuros, sugere-se a ampliação da amostra e a inclusão de grupos de controle para inferências mais robustas. Recomenda-se também aprimorar o modelo de IA com mecanismos de feedback do usuário para refinar a categorização, especialmente em subcategorias, e desenvolver funcionalidades adicionais, como lembretes, gráficos de acompanhamento e a possibilidade de edição manual das classificações. Explorar a integração de elementos de explicabilidade (XAI) e abordar os desafios comportamentais da gestão financeira também são caminhos relevantes para pesquisas futuras.

Referências Bibliográficas

“Adjust Brasil Licenciamento de Software Ltda. 2023. O uso de aplicativos financeiros continua a crescer em 2023. Disponível em: <https://www.adjust.com/pt/blog/finance-app-usage/>. Acesso em: 10 mar. 2025.”,

“Adjust Brasil Licenciamento de Software Ltda., 2023”,

“Cajueiro, 2015”,

“Cajueiro, R. L. P. 2015. Manual para elaboração de trabalhos acadêmicos: guia prático do estudante. 3ed. Vozes, Petrópolis, RJ, Brasil.”,

“CNDL, 2025”,

“DB-ENGINES

“DB-Engines, 2025”,

“Deshmukh et al., 2024”,

“Fauzi, 2024”,

“Hidayat et al., 2024”,

“Meta, 2024”,

“NestJs, 2025”,

“OpenAI, 2024”,

“SPC Brasil e CNDL, 2025”

“SPC Brasil, 2025”,

# — Fontes de dados —

]

“`python

citations_raw = [

import re

pdf_references_raw = [

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy