IA no setor financeiro da empresa: o que delegar e o que travar
Como usar IA em contas a pagar, a receber e conciliação: o que ela lê e classifica bem, e o que deve ficar em regras fixas e aprovação humana.
Quer aplicar isso na sua empresa?
Agendar conversa com o Juan →IA no setor financeiro da empresa: o que delegar e o que travar
IA no setor financeiro da empresa funciona melhor quando lê e classifica: extrai dados de notas e boletos, sugere categorias, interpreta respostas de clientes e propõe pares na conciliação. Tudo o que move dinheiro, como pagar, baixar título, cobrar e alterar dado bancário, deve continuar em regras explícitas e aprovação de uma pessoa. Este artigo separa as duas coisas em contas a pagar, contas a receber e conciliação.
Principais pontos
- A IA é útil onde o insumo é bagunçado (PDF, foto, e-mail, texto livre) e o resultado é uma sugestão que alguém confere.
- Regras determinísticas devem decidir valores, datas, limites, destinos de pagamento e o que pode ser baixado automaticamente.
- Aprovação humana é obrigatória em tudo o que é difícil de desfazer: pagamento, estorno, desconto, renegociação e mudança de conta do fornecedor.
- Conciliação é o melhor ponto de partida: o risco é baixo, o ganho é visível e cada sugestão pode ser auditada.
- Um piloto com um fluxo, registro de decisões e métrica combinada antes mostra se vale expandir, ajustar ou parar.
Qual a diferença entre ler e decidir no financeiro?
A divisão mais útil não é entre tarefas simples e complexas, e sim entre tarefas que interpretam e tarefas que comprometem. Interpretar é transformar um documento ou uma mensagem em campos estruturados: fornecedor, número da nota, vencimento, valor, centro de custo provável. Comprometer é fazer algo com consequência financeira: liberar um pagamento, dar baixa em uma duplicata, conceder desconto, alterar a chave Pix de um fornecedor.
Modelos de linguagem são bons em interpretar texto sem formato fixo. Eles também erram de forma plausível: devolvem um valor bem formatado, só que errado. Por isso a saída de uma IA no financeiro deve sempre passar por uma verificação que não depende da própria IA. A documentação da Anthropic sobre construção de agentes faz uma distinção parecida entre fluxos com caminhos definidos em código e sistemas em que o modelo dirige o próprio processo. No financeiro, o caminho do dinheiro deve ficar no primeiro grupo.
Um guia de decisão simples, em formato de lista, ajuda a classificar cada tarefa da sua rotina:
- Se a entrada é desestruturada e a saída é uma sugestão revisável, a IA pode ajudar (leitura de nota, classificação de despesa, resumo de extrato).
- Se a entrada é estruturada e a regra é conhecida, use regra fixa, sem IA (conferir valor contra pedido, bloquear pagamento acima de limite, validar CNPJ).
- Se a ação é irreversível ou altera dinheiro, exija aprovação humana, mesmo que a sugestão venha de regra ou de IA.
- Se a tarefa envolve exceção, negociação ou relacionamento, a IA prepara o contexto e uma pessoa decide.
Esse guia cabe numa folha e deve ser validado com quem realmente opera o financeiro, não só com a diretoria. Quem concilia todo dia sabe quais exceções aparecem e quais atalhos já existem.
Contas a pagar: leitura de documentos é com IA, pagamento é com regra
O contas a pagar recebe documentos em muitos formatos: XML de NF-e, PDF de nota de serviço, boleto em foto de celular, e-mail do fornecedor com a data de vencimento no meio do texto. É aqui que a IA tem espaço legítimo. Ela pode extrair campos, sugerir a classificação contábil, apontar que a nota parece ser de um fornecedor já cadastrado e resumir divergências entre a nota e o pedido de compra.
O que a IA não deve fazer é decidir o destino do dinheiro. Algumas tarefas ficam melhor em regras e aprovação:
- Conferência tripla entre pedido, recebimento e nota, feita por comparação de campos, com tolerância definida por política.
- Alteração de dados bancários de fornecedor, que deve exigir confirmação por um canal independente e aprovação de duas pessoas.
- Liberação de lote de pagamento, com limite por aprovador e por valor.
- Detecção de duplicidade, feita por chave objetiva (CNPJ, número, valor, data) e não por impressão do modelo.
Há um risco específico que pouca gente considera: documentos recebidos de fora são entrada não confiável. Um PDF ou e-mail pode conter texto escrito para manipular o modelo, algo descrito na lista de riscos para aplicações com LLM do OWASP como injeção de prompt e agência excessiva. Se a IA que lê a nota tem permissão para pagar, qualquer fornecedor mal-intencionado vira um possível operador. A solução é estrutural: a IA que lê não tem ferramenta de pagamento, só devolve campos para um sistema que valida.
Outra proteção é a idempotência. Quando uma integração envia uma ordem de pagamento ou cria um título e a conexão cai, o sistema pode repetir a chamada e duplicar o lançamento. A documentação da Stripe sobre requisições idempotentes é um bom exemplo de como um provedor evita isso com uma chave única por operação. Vale exigir o mesmo princípio de qualquer integração financeira, inclusive as que você mesmo construir. Quem usa ERP como Omie, Bling ou Tiny encontra um panorama dessas decisões em integrar IA ao Bling, Omie ou Tiny: caminhos via API e riscos.
Contas a receber: IA entende a resposta, a régua decide o que acontece
No contas a receber, o trabalho está dividido entre emitir, acompanhar, cobrar e dar baixa. A IA ajuda principalmente na parte de linguagem. Um cliente responde no WhatsApp que pagou ontem, mas o valor caiu parcial. Outro pede segunda via. Outro diz que vai pagar na sexta e que a nota veio com o CNPJ errado. Classificar essas mensagens por intenção (promessa de pagamento, contestação, pedido de documento, pedido de prazo) e resumir o histórico para o analista economiza tempo sem tocar no dinheiro.
O que deve ficar em regra:
- A régua de cobrança: quando lembrar, por qual canal, em que horário e quantas vezes.
- Limites de desconto, multa e juros, definidos em política e não negociados pelo modelo.
- A baixa de título, que depende de confirmação no extrato e não de uma mensagem dizendo que o cliente pagou.
- O encaminhamento para jurídico ou protesto, sempre com aprovação.
O tom também importa. Cobrança mal escrita machuca o relacionamento e pode gerar problema legal. Por isso, o texto enviado deve vir de modelos aprovados, com variáveis preenchidas por dados verificados, e a IA atua na interpretação da resposta. O detalhamento de limites e tom está em cobrança automática no WhatsApp com IA: régua, limites e tom. Como há dados pessoais e financeiros do cliente em jogo, vale também revisar base legal e registro, tema da orientação sobre LGPD e inteligência artificial publicada neste blog.
Conciliação bancária: regras primeiro, IA para o que sobrou
A conciliação compara o que o banco mostra (OFX, CNAB, API de extrato) com o que a empresa lançou. A maior parte dos casos se resolve por regra: mesmo valor, mesma data, mesmo documento. Uma boa conciliação começa por esse bloco determinístico, porque é rápido, barato e explicável.
A IA entra no resíduo, nos lançamentos que as regras não casaram. Exemplos típicos:
- Um depósito sem identificação que pode corresponder a vários títulos de um mesmo cliente.
- Um pagamento agrupado, em que o cliente quitou várias notas em uma única transferência.
- Uma descrição de extrato abreviada que não bate com o nome cadastrado.
- Tarifas e taxas que precisam de classificação contábil.
A IA propõe o par e a justificativa, e a pessoa confirma. Com o tempo, cada confirmação humana pode virar uma nova regra, o que reduz o resíduo e melhora o processo sem depender de adivinhação. É por isso que a conciliação costuma ser um bom primeiro fluxo: o erro é visível, a sugestão é revisada antes de afetar o resultado e a trilha de decisão se forma sozinha.
A IA sugere o par, a regra valida o valor e uma pessoa confirma o lançamento.
Para que isso funcione, cada sugestão precisa registrar quais dados foram usados, qual foi a justificativa e quem aprovou. Sem esse registro, uma auditoria interna ou externa fica sem ponto de apoio.
Cenário ilustrativo: nota fiscal com dado bancário diferente
Este é um cenário ilustrativo, sem relação com empresa real. Uma distribuidora recebe por e-mail uma nota de um fornecedor recorrente. O PDF traz os campos usuais, mas no rodapé há uma observação pedindo que o pagamento seja feito em uma conta diferente da cadastrada.
No fluxo bem desenhado, a IA extrai os campos e identifica a observação. Uma regra determinística compara a conta informada com a cadastrada e vê a divergência. O sistema bloqueia a inclusão do título em qualquer lote de pagamento e abre uma tarefa para o responsável. Essa pessoa confirma a mudança por telefone ou por um canal já conhecido do fornecedor, nunca respondendo ao e-mail recebido. Somente depois disso, e com segunda aprovação, o cadastro é alterado.
No fluxo mal desenhado, a IA lê a observação, atualiza o cadastro porque parece razoável e o pagamento sai no lote seguinte. A diferença entre os dois não está na qualidade do modelo, e sim em quem tem permissão para fazer o quê. A prática de separar entrada, saída e ação está detalhada em guardrails para agentes de IA: entrada, saída e ação na prática.
Como começar: plano de piloto em passos
A tentação é automatizar o financeiro inteiro de uma vez. O caminho mais seguro é escolher um fluxo, limitar o que a IA pode ver e fazer, e medir. O método que usamos segue quatro movimentos: mapear, limitar, pilotar e transferir. Em termos práticos:
- Passo um, mapear: descreva o fluxo atual do começo ao fim, quem faz cada etapa, em quais sistemas, e quanto tempo e retrabalho existem hoje. Sem esse retrato inicial, não há como saber se o piloto melhorou algo.
- Passo dois, limitar: defina quais dados a IA acessa (por exemplo, extrato e títulos em aberto, sem dados de cartão) e quais ações ela pode executar. No início, só leitura e sugestão.
- Passo três, definir a aprovação: escreva quem aprova o quê, até que valor e em quanto tempo. Um modelo de política está em política de aprovação para agentes de IA.
- Passo quatro, pilotar um fluxo real: por exemplo, a conciliação de uma conta bancária, com registro de cada sugestão, decisão humana e motivo de rejeição.
- Passo cinco, avaliar com a métrica combinada: percentual de sugestões aceitas é uma possibilidade, assim como tempo de fechamento ou volume de exceções. O importante é definir o critério antes de começar.
- Passo seis, transferir e decidir: a equipe assume a operação, com documentação e monitoramento, e a empresa decide expandir, ajustar ou parar.
O enquadramento do NIST para gestão de riscos de IA ajuda a organizar essa conversa em torno de mapear, medir e gerenciar riscos, sem exigir nenhum produto específico. Em um piloto financeiro, isso se traduz em perguntas concretas: qual o pior erro possível, quem percebe, em quanto tempo e como se desfaz.
Também separe o que é documentação oficial, o que é experiência de implementação e o que ainda é hipótese. Quem vende automação financeira com promessa de resultado sem esse cuidado está vendendo expectativa, não método.
Perguntas frequentes
A IA pode aprovar e pagar contas sozinha? Não é recomendável. A IA pode ler, classificar e sugerir, mas a liberação de pagamento deve seguir regras de limite e aprovação humana, com registro de quem autorizou. O risco de erro plausível e de manipulação por documentos externos torna a autonomia total desnecessariamente perigosa.
Por onde começar a usar IA no financeiro? Pela conciliação bancária ou pela leitura de documentos do contas a pagar, em modo sugestão. São fluxos em que o erro aparece antes de virar prejuízo, o volume costuma ser repetitivo e a trilha de decisão se forma naturalmente. Escolha um só e defina a métrica antes de ligar qualquer coisa.
É seguro enviar dados financeiros para uma IA? Depende do que é enviado, para onde e com qual contrato. Reduza ao mínimo necessário (evite dados de cartão e documentos pessoais desnecessários), defina base legal e retenção, e revise o tratamento à luz da LGPD. Em caso de dúvida sobre orientação regulatória, consulte o material da ANPD e o jurídico da empresa.
Preciso trocar meu ERP para usar IA no financeiro? Em geral não. Muitos ERPs e sistemas financeiros usados no Brasil oferecem API ou exportação de arquivos, e a IA pode trabalhar como camada de leitura e sugestão ao redor deles. O ponto de atenção é dar à integração apenas as permissões necessárias, começando por leitura.