A Cascade Capital Advisors é uma firma de investimentos de médio porte em que os analistas são responsáveis por modelos operacionais de DCF de cinco anos do início ao fim. A equipe de Mercer obtém dados financeiros de registros SEC EDGAR e entrega planilhas Excel com resultados de NPV e IRR para comitês de investimento, cada vez mais em prazos de 48 horas.
Buscas taxonômicas de várias horas precediam cada construção de modelo de 10-K
Cada novo modelo de registro começava da mesma forma: baixar o JSON company-facts da SEC, abrir um template em branco e passar várias horas fazendo o mapeamento manual dos tags de taxonomia do EDGAR para seis categorias de modelagem — receita, EBIT, D&A, capex, alíquota efetiva de imposto e capital de giro. D&A aparecia na demonstração de resultados, na demonstração de fluxo de caixa e nas notas suplementares — muitas vezes de forma redundante. O capex exigia confirmar que o tag excluía gastos relacionados a aquisições.
O gargalo recaía sobre os analistas seniores. Determinar quais tags do EDGAR eram economicamente utilizáveis exigia julgamento específico do registro, algo que membros juniores da equipe não conseguiam fornecer. Os cronogramas dos negócios encolheram de uma semana para 48 horas. A temporada de resultados significava múltiplos registros chegando na mesma semana. A abordagem manual não escalava.
Energent.ai tornou-se a camada de dados pré-modelo
O analista faz upload do JSON bruto company-facts da SEC — sem conversão de formato, sem pré-processamento. O agente cobre cinco etapas estruturadas em uma única sessão:
- Auditoria de schema e cobertura — confirmou os anos fiscais disponíveis e sinalizou lacunas históricas antes de qualquer compromisso de modelagem
- Mapeamento da taxonomia em todas as seis categorias, identificando tags candidatas e avaliando sua cobertura ao longo dos períodos de reporte
- Triagem dos direcionadores operacionais — separou itens de linha utilizáveis de tags ausentes ou economicamente enganosas
- Identificação de duas arquiteturas viáveis de UFCF com trade-offs explícitos fundamentados na cobertura real do registro
- Construção da planilha Excel — projeção operacional de cinco anos, waterfall de UFCF, outputs de NPV e IRR e visualizações prontas para comitê
Nada de caça manual por tags. Nenhum template aberto antes de os dados serem compreendidos. Nenhuma decisão de arquitetura adiada para a população das células.
A decisão de arquitetura veio primeiro, com trade-offs específicos do registro explicitados
- Dois caminhos de construção de UFCF antes de qualquer output. O agente identificou arquiteturas concorrentes alinhadas ao que este 10-K específico realmente reportava — não a um template genérico —, de modo que a escolha estrutural foi feita antes de uma única célula ser preenchida.
- Análise cruzada entre demonstrações em simultâneo. Receita, EBIT, D&A, capex, impostos e capital de giro avaliados em uma única passagem, cruzando a demonstração de resultados, o balanço patrimonial e a demonstração de fluxo de caixa em busca de lacunas e sobreposições.
- Sinalizações explícitas sobre tags enganosas. Tags ausentes de variação de capital de giro e entradas de capex com aquisições incluídas apareceram antes de chegarem a uma célula, e não foram descobertas em reconciliações posteriores.
- Capacidade sênior redirecionada para julgamento. A escolha da arquitetura chegou como uma decisão estruturada, com trade-offs já articulados — assim, o tempo do analista foi aplicado à seleção e à definição de premissas, não ao tratamento dos dados.
Como David Mercer o utiliza no dia a dia
- Faça upload do JSON company-facts da SEC na sessão do Energent.ai.
- Revise a auditoria de schema e cobertura; confirme os anos de modelagem e quaisquer lacunas históricas.
- Avalie as duas opções de arquitetura de UFCF em relação ao uso pretendido do modelo.
- Selecione uma arquitetura; o agente constrói a projeção de cinco anos, o waterfall de UFCF e os outputs de DCF no Excel.
- Revise os outputs de NPV e IRR quanto à consistência das premissas antes da apresentação ao comitê.
O mapeamento de taxonomia passou de uma tarefa de várias horas para uma única sessão
- Todas as seis categorias de modelagem foram mapeadas em uma única sessão a partir do JSON bruto — eliminando a busca manual por taxonomia que precedia cada novo modelo de registro.
- Duas arquiteturas viáveis de UFCF surgiram com trade-offs antes de o analista tocar em um template.
- O ponto de decisão da arquitetura foi alcançado antes de qualquer célula ser preenchida, removendo o risco oculto de reconciliação que só aparecia no meio das construções manuais.
- A planilha Excel final incluiu um modelo estruturado de DCF com outputs de NPV e IRR, além de visualizações prontas para comitê.
"O mapa de taxonomia que o agente produziu — tags cobertas, tags ausentes, itens sinalizados em todas as seis categorias — substituiu a lista mental de verificação que eu usava para construir ao longo de anos de exposição ao EDGAR. Agora ele é o documento de trabalho para a discussão de arquitetura antes de construirmos qualquer coisa." — David Mercer, Analista Sênior na Cascade Capital Advisors