Conciliação com agentes: o sistema prepara, o humano aprova

O fechamento financeiro raramente falha por falta de dado. Ele falha porque o dado chega em formatos diferentes, em sistemas que não conversam entre si, e precisa ser interpretado, classificado e conferido dentro de uma janela de dois ou três dias úteis. O analista olha para o extrato bancário, o lançamento no ERP, a nota fiscal e a planilha de controle paralela, e precisa decidir se aquela diferença de centavos é taxa bancária, arredondamento ou erro de digitação. Multiplicado por centenas de transações e comprimido num prazo apertado, esse trabalho se torna mecanicamente custoso e cognitivamente exaustivo. O retrabalho no fechamento não é exceção: é a estrutura atual do processo.

Por que o fechamento mensal concentra tanto retrabalho?

O processo foi construído para que humanos façam o trabalho de máquinas. Coletar extrato, copiar número, comparar linha por linha, consultar nota, voltar para a planilha, abrir o ERP. Segundo análises da McKinsey sobre automação em funções financeiras, parcela expressiva das atividades típicas de um departamento de finanças envolve tarefas de coleta, formatação e conferência executáveis por sistemas automatizados com tecnologia disponível hoje. O entrave, na prática, está no fato de que a maioria dos processos de fechamento opera com ferramentas desintegradas, regras que vivem na memória do analista sênior e nenhum registro estruturado de como cada decisão foi tomada. O erro entra pela emenda: na troca de sistema, no copiar-e-colar, na interpretação subjetiva de uma regra que ninguém escreveu.

O que um agente de IA faz numa conciliação que o processo manual não consegue escalar?

Um agente de conciliação opera em loop estruturado: puxa o extrato, compara com os lançamentos do ERP, aplica as regras de classificação, identifica divergências e monta a fila de revisão antes de tocar qualquer dado persistido. A natureza do trabalho que sobra para o analista muda de forma concreta: em vez de varrer todas as linhas, ele revisa os casos que o agente sinalizou como incertos ou fora do padrão esperado. Em projeto de compras em operação de mineração que acompanhamos, o tempo de processamento por pedido caiu de 30 para 5 minutos e a mesma equipe passou a atender volume seis vezes maior. No fechamento financeiro, o princípio é o mesmo: a máquina cobre o volume, o humano cobre o julgamento. O ganho vai além da velocidade: muda o perfil cognitivo do trabalho que permanece humano.

O agente de conciliação não elimina o analista financeiro. Ele muda o que o analista precisa decidir: de linha por linha para exceção por exceção.

Como o agente classifica lançamentos sem inventar regras?

Esse é o ponto onde projetos de automação financeira costumam falhar em fase de piloto. O agente precisa de regras explícitas ou de exemplos históricos suficientes para inferir padrões com confiança. Na prática, trabalhamos com os dois: um conjunto de regras de negócio codificadas pelo próprio financeiro, como centros de custo, categorias contábeis e fornecedores recorrentes, combinado com classificação por similaridade nos casos ambíguos. O agente apresenta a classificação sugerida, indica o grau de confiança calculado e aponta o lançamento histórico mais próximo como referência. Quando a confiança está abaixo do limiar configurado pela equipe, o caso vai automaticamente para aprovação humana, sem tentar resolver sozinho. O limiar é definido pelo financeiro, não pelo sistema. Essa distinção importa porque é o financeiro quem conhece o custo do erro em cada categoria de lançamento.

Como funciona a trilha de auditoria quando o agente toma decisões?

Todo lançamento processado por um agente gera um registro que vai além do dado final: contém o que foi sugerido, qual regra ou padrão histórico embasou a sugestão, o grau de confiança atribuído, o timestamp da decisão e o identificador de quem aprovou. Esse registro é o que diferencia automação de caixa-preta. Em auditorias externas, o auditor pode rastrear qualquer lançamento até a decisão do agente e até o gesto de aprovação do analista, exatamente como acontece num processo manual bem documentado. Em nossa infraestrutura própria de agentes, esse log é imutável depois da aprovação: o agente pode ser corrigido nas regras, mas o histórico do que foi decidido permanece intacto. Sem essa camada, o ganho de velocidade vem acompanhado de opacidade, e opacidade é incompatível com fechamento contábil.

Por que a aprovação humana antes de persistir é estrutural?

A tentação de deixar o agente fechar tudo sozinho é compreensível. Numa operação com alta taxa de acerto, a lógica de velocidade parece irresistível. O problema está nos casos residuais e, principalmente, nas consequências de um erro que entrou no ERP sem revisão. No financeiro, um lançamento errado persistido contamina o período subsequente: aparece no relatório gerencial, entra na base de cálculo de impostos, distorce o DRE. Corrigir depois é sempre mais caro do que revisar antes. A aprovação humana antes de persistir desloca o ponto de controle para onde ele tem mais valor. O analista revisa o que o agente escalou, e essa curadoria é mais eficaz do que a revisão linha a linha justamente porque o agente já filtrou o que é óbvio e documentado.

Autonomia sem ponto de controle é risco embutido. Em operações financeiras, o agente que persiste sem aprovação humana troca velocidade por governança, e o preço aparece na auditoria.

Como agentes se integram com Protheus e outros ERPs sem criar inconsistência?

A integração com ERPs como Protheus e TOTVS é onde a maioria dos projetos de automação financeira empaca. O ERP foi construído para receber dados em formatos esperados, respeitando fluxos internos de aprovação. Um agente que tenta escrever diretamente no módulo contábil sem passar pela camada de aprovação do ERP cria inconsistência: o lançamento é registrado, mas as tabelas de controle de workflow ficam fora de sincronia, comprometendo o histórico de auditoria nativo do sistema. Nos projetos que desenvolvemos com Protheus, usamos a camada de API do próprio ERP para persistir dados somente após a aprovação confirmada pelo analista. O agente constrói o payload completo com os campos calculados, apresenta para revisão, e executa a chamada de API apenas depois da confirmação humana. Isso preserva a trilha de auditoria nativa e mantém o ERP como sistema de registro autoritativo.

O que separa um piloto de IA de um sistema que chega à produção?

A McKinsey e a Deloitte documentaram, em relatórios publicados nos últimos anos, que a maioria dos pilotos de IA nas empresas não chega à produção. No financeiro, a causa quase nunca é técnica. É operacional: o piloto resolve um fluxo isolado, mas o fluxo real tem dependências com outros sistemas, exceções que ninguém mapeou e regras que existem apenas na memória do analista mais experiente. O que diferencia o piloto do sistema em produção são três requisitos: escopo cirúrgico, iniciando por um tipo de lançamento em vez de todo o financeiro de uma vez; logs de decisão auditáveis para cada ação do agente; e uma interface de aprovação integrada ao fluxo de trabalho que o analista já usa. Sem esses três elementos, o sistema funciona em laboratório e trava no primeiro mês real de operação.

O piloto de IA que nunca vira produção quase sempre falhou antes do código: falhou no mapeamento das exceções que o analista conhece de cor mas nunca escreveu.

O que muda na rotina do analista financeiro com agentes no fechamento?

A mudança mais concreta está na natureza das decisões que sobram para o humano. Com o agente cobrindo o volume, o analista deixa de processar linhas e passa a validar exceções e calibrar regras. Ele ajusta os limiares de confiança quando percebe padrões novos, revisa os casos que o sistema não conseguiu classificar com certeza e retroalimenta o agente com as decisões que tomou. Com o tempo, o agente aprende os padrões de aprovação daquele contexto específico e tende a precisar de menos intervenção nos casos mais recorrentes. O efeito é expansão de capacidade: a mesma equipe absorve volume muito maior sem ampliar o headcount. Há ainda um segundo ganho: o analista passa a conhecer melhor as exceções do negócio do que nunca, porque elas são o único tipo de caso que chegam até ele.

Quando a IA financeiro conciliação é construída com escopo correto, aprovação humana estrutural e integração que respeita o ERP como sistema de registro, o fechamento deixa de ser uma corrida contra o relógio. Vira um processo auditável, escalável, com ponto de controle onde ele importa: na decisão humana sobre o que entra no livro contábil.

Quer ler a sua operação a fundo?