IA no financeiro da PME: conciliação, contas a pagar e receber na real

O dono da empresa me mandou um áudio longo.

Tinha assistido a um webinar sobre “IA revolucionando o financeiro” e contratou um plugin de R$ 297/mês. Em 60 dias o financeiro dele estava mais caótico do que antes: a ferramenta categorizava 70% dos lançamentos corretamente, os 30% restantes entraram no sistema errados, e um lançamento de R$ 12 mil foi classificado na categoria errada. A conciliação virou um retrabalho. O financeiro voltou a fazer tudo na mão — e ainda paga R$ 297/mês pelo plugin.

IA no financeiro de PME funciona em 3 tarefas específicas: categorização automática de extrato bancário (85-95% de acerto com regras certas), casamento de lançamentos contra contas a pagar e receber (88-96% em base bem cadastrada), e leitura de boleto ou NF em PDF (90-97% em boleto digital). Fora dessas 3, há 4 tarefas que IA não deve tocar sem revisão humana: decisão de pagamento, classificação fiscal e tributária, aprovação de crédito e comunicação de cobrança sem revisão prévia. Plugin genérico falha porque não conhece o plano de contas, os fornecedores recorrentes nem o fluxo de aprovação da empresa — e os 30% de erros custam mais do que as 8-15 horas semanais poupadas.

Esse post é pra gestor ou dono de PME B2B que gasta 8 a 15 horas por semana conciliando extrato manual contra contas a pagar e receber, ouviu falar de “IA pra financeiro” e quer entender o que é real antes de contratar qualquer coisa.

Por que “IA no financeiro” soa como hype — e onde a sensação está certa

O pitch genérico promete substituir 80% do trabalho do financeiro. Operadoras de SaaS mostram demos lindas onde IA categoriza, concilia, paga e reporta sem intervenção humana.

Na prática, o que a maioria dos plugins entrega: 30 a 40% das tarefas chatas, quando bem integrado ao ERP da empresa. Quando não integrado — o caso mais comum — o acerto fica em 60 a 70%, e esses 30 a 40% de erros são exatamente os casos mais complexos. Que são exatamente os casos que mais custam quando errados.

A sensação de “hype” que gestores experientes sentem está certa na parte do produto genérico. Está errada na parte de “IA financeiro nunca funciona” — porque existem tarefas específicas onde IA aplicada entrega ganho real. O segredo é saber quais são essas tarefas e quais continuam humanas por definição.

O Sebrae aponta que gestão financeira manual é um dos maiores gargalos operacionais em pequenas empresas. O problema é real. A solução genérica, não.

As 3 tarefas onde IA cabe hoje (e o método para cada uma)

Essas 3 tarefas têm em comum: são repetitivas, seguem padrão identificável e têm volume diário suficiente para que o ganho de tempo compense o custo de implementação. Em todas as 3, a regra é a mesma: IA sugere, humano valida os casos de baixa confiança.

Categorização automática de extrato bancário

Como funciona: um modelo de linguagem lê a descrição do lançamento — “PAGTO PIX FORNECEDOR SUPER ATACADO LTDA” ou “TED CLIENTE MERCEARIA BOA 1234” — e categoriza no plano de contas da empresa. Com treinamento no histórico da própria empresa, o acerto fica entre 85% e 95%.

O que exige para funcionar: uma regra de threshold de confiança. Lançamento com confiança acima de 90% entra automático. Lançamento entre 70% e 90% vai para fila de revisão humana. Lançamento abaixo de 70% não entra — humano classifica diretamente.

Onde falha: plugin genérico sem esse threshold manda tudo pra dentro com confiança uniforme declarada de “95%”. O que acontece na prática: os 30% de casos difíceis (fornecedor novo, lançamento atípico, transferência entre contas internas) entram errados sem nenhum sinal de alerta.

Resultado real com threshold configurado: financeiro deixa de olhar os 85-90% de lançamentos óbvios e foca nos 10-15% complexos. Ganho de tempo: 3 a 5 horas semanais em empresa com 200 a 500 lançamentos mensais.

Casamento (matching) de lançamentos contra contas a pagar/receber

Como funciona: o sistema cruza cada crédito no extrato bancário com as contas a receber abertas, e cada débito com as contas a pagar. Quando encontra correspondência — valor, CNPJ e data dentro de tolerância configurada — sugere a baixa automática.

O que exige para funcionar: tolerância de data configurada por categoria (fornecedor pode ter 1-3 dias de tolerância, cliente de varejo 0 dias), threshold por valor (abaixo de R$ X baixa automático, acima de R$ Y sempre revisão humana) e base de cadastro de fornecedores e clientes atualizada. Base com CNPJ limpo e nome padronizado = acerto de 88 a 96%. Base bagunçada = acerto de 60 a 70%.

Onde falha: empresa com fornecedores cadastrados com nome diferente da descrição bancária (razão social vs nome fantasia), duplicatas no cadastro ou lançamentos com valor líquido diferente do bruto por descontos não mapeados. O casamento não fecha e o sistema ou erra ou não sugere nada.

Resultado real com base limpa: baixa manual de contas a pagar/receber cai de 4 a 6 horas semanais para 40 a 60 minutos de revisão dos casos que o sistema não resolveu com confiança alta.

Leitura de boleto, NF e PDF de fornecedor

Como funciona: OCR (reconhecimento óptico) combinado com modelo de linguagem extrai os campos relevantes de um boleto ou nota fiscal em PDF — valor, vencimento, CNPJ do emitente, número do documento, chave de barras. O sistema preenche automaticamente a conta a pagar antes que o financeiro termine de abrir o e-mail.

O que exige para funcionar: validação humana obrigatória na primeira ocorrência de cada fornecedor novo. Depois do primeiro, o padrão está aprendido. Boleto digital (linha digitável em texto) tem acerto de 90 a 97%. PDF de NF antiga escaneada em baixa resolução pode cair para 75 a 85% — nesses casos, fila humana.

Onde falha: PDF escaneado de qualidade ruim, boleto em imagem sem camada de texto, NF de consórcio ou documento atípico sem padrão. Nesses casos, o sistema deve reconhecer que não entendeu e jogar para revisão — não inventar valores.

Resultado real: o financeiro para de digitar dados de boleto e NF manualmente. Tempo poupado por empresa com 50 a 150 documentos mensais: 2 a 3 horas semanais.

As 4 tarefas onde IA não cabe (e os riscos reais de delegar)

Aqui está a parte que nenhum pitch de plugin menciona.

Decisão de pagamento

Por que IA não decide: “pago hoje ou aguardo mais 5 dias?” não é uma pergunta de padrão — é uma pergunta de contexto de caixa, prioridade estratégica com o fornecedor e capacidade de negociação do momento. Um fornecedor que merece tratamento diferenciado pode ser prejudicado por decisão automática. Um momento de caixa apertado pode exigir renegociação que IA não detecta.

O modelo correto: IA executa a instrução de pagamento. Humano decide quando e quanto. A ordem de quem decide não inverte.

Classificação fiscal e tributária

Por que IA não classifica: CFOP, CST, regime de apuração, alíquota de CBS e IBS pós-reforma tributária de 2026 — cada escolha tem implicação no SPED, na apuração e na declaração. IA pode sugerir a classificação com base em padrão histórico. Contador valida e aprova. Sem essa validação, a empresa acumula inconsistências que aparecem só na malha fiscal, com multa e juros.

O modelo correto: IA categoriza para agilizar revisão do contador. Contador aprova cada lançamento tributário. Ponto final.

Aprovação de crédito para cliente

Por que IA não aprova: cliente novo pede prazo de 30 dias. IA pode trazer histórico de pagamentos de outros compradores com perfil parecido, score de crédito público, CNPJ ativo ou não. Mas a decisão envolve relacionamento estratégico, tolerância a risco específica desse cliente, margem do pedido e capacidade de cobrança da empresa se não pagar. Decisão errada de crédito por IA sem supervisão pode expor a empresa a inadimplência que não estava no orçamento.

O modelo correto: IA subsidia a decisão com dados. Humano decide. IA não tem acesso ao botão de “aprovar crédito”.

Comunicação de cobrança sem revisão humana

Por que IA não dispara sem revisão: cobrança automática sem revisão já gerou processo contra empresa por abordagem indevida. Mensagem enviada com tom errado para cliente com situação especial (falecimento de sócio, problema de saúde, acidente) quebra relacionamento de anos e pode virar processo por constrangimento.

O modelo correto: IA rascunha a mensagem de cobrança com dados do cliente e histórico de relacionamento. Humano revisa antes de enviar, pelo menos para casos acima de determinado valor ou para clientes com mais de X meses de relacionamento.

Por que plugin genérico de “IA financeiro” falha em 90 dias

A pergunta mais honesta antes de qualquer compra: o plugin conhece sua empresa ou só sabe categorizar texto?

Plugin genérico de R$ 197 a R$ 497/mês foi treinado em padrões genéricos de extrato bancário do mercado. Não conhece:

• Seu plano de contas (que pode ter 80 a 400 categorias específicas do seu negócio)
• Seus fornecedores recorrentes (CNPJ, variações de nome na descrição bancária, padrão de vencimento)
• Seu fluxo de aprovação de pagamento (quem aprova, acima de qual valor, exceções por fornecedor)
• Sua tolerância a erro por categoria (erro em custo fixo é diferente de erro em imposto)
• Sua integração com ERP (se não integra, o dado fica em silo — financeiro ainda exporta planilha)

Com essas lacunas, o que acontece: ferramenta categoriza 70% de forma aceitável (parece bom), mas os 30% errados são exatamente os mais complexos. Lançamentos fiscais, fornecedores novos, transferências entre contas próprias, adiantamentos. Esses 30% entram errados. Financeiro descobre na conciliação do mês. Corrige manualmente. E o plugin de R$ 297/mês virou despesa sem retorno.

Em 90 dias, em 60 a 70% dos casos que ouço do mercado, a empresa abandona o plugin e volta ao processo manual.

Como IA financeiro bem feito funciona na prática

A diferença está em integração + threshold + aprendizado contínuo. Quando esses 3 elementos estão presentes, IA financeiro deixa de ser “mais uma ferramenta que não funcionou” e vira parte da operação.

1. LLM integrado ao plano de contas da empresa: não categoriza por padrão genérico — categoriza pelo vocabulário real da empresa. Primeira semana de uso, o sistema aprende com as correções do financeiro. Em 30 dias, o acerto sobe de 80% para 90-95%.

2. Threshold de confiança por categoria: regras diferentes por tipo de lançamento. Gasto recorrente de fornecedor antigo (alta confiança, entra automático). Lançamento em conta de imposto (baixa confiança, sempre revisão humana, independente do valor). Lançamento acima de R$ X (revisão humana, independente do acerto estimado).

3. Fila humana clara: o financeiro não olha os 85-90% óbvios. Olha só a fila de baixa confiança — que em empresa bem cadastrada corresponde a 10-15% dos lançamentos. Tempo de revisão: 30 a 60 minutos por dia em vez de 8 a 15 horas por semana.

4. Aprendizado contínuo das correções humanas: cada vez que o financeiro corrige uma categorização, o sistema aprende. Não é RLHF complexo — é feedback loop simples de “o humano marcou X, eu tinha marcado Y, registra e ajusta”. Em 90 dias bem operados, o acerto está estabilizado e o drift de qualidade não acontece.

5. Auditoria mensal de percentual de acerto: todo mês, relatório de quantos lançamentos foram automáticos vs revisados, e qual foi o percentual de correção. Se o acerto cair abaixo de 85%, sinal de que algo mudou — novo fornecedor, nova categoria de despesa, mudança de ERP. Isso não é dashboard bonito — é controle operacional necessário.

Quem opera esse sistema é engenharia + financeiro juntos. Não é o vendedor do plugin configurando em 30 minutos.

Por que isso é projeto de casa de software, não de SaaS de prateleira

A Adrion usa Claude Code e agentes na operação interna há 12 meses. Parte disso inclui automação financeira — categorização de extrato, casamento de lançamentos, leitura de NF. Não uso plugin. Uso sistema integrado à operação real, com threshold configurado e fila humana.

A diferença técnica é clara: integrar IA ao financeiro de uma empresa exige conexão com o ERP específico dela (Bling, Tiny, Omie, TOTVS, ou sistema sob medida), mapeamento das categorias reais do plano de contas, configuração de regras de threshold por tipo de lançamento e monitoramento de drift ao longo do tempo.

Isso não é coisa que plugin de prateleira entrega — porque plugin foi construído pra escalar para milhares de empresas, não pra conhecer profundamente a sua. Integração real exige casa de software que entende tanto de código quanto do processo financeiro da empresa.

Não é trabalho de 1 dia. É projeto de 4 a 6 semanas para a primeira versão funcional, com 90 dias de ajuste fino. Mas depois de estabilizado, o financeiro para de fazer trabalho chato e começa a fazer análise — que é o que conta.

Segundo relatório do Gartner sobre IA em finanças corporativas, 67% das implementações de IA em finanças que falham têm em comum a ausência de integração com sistemas de gestão existentes e a falta de regras de revisão humana para casos de baixa confiança. Não é problema de IA — é problema de implementação.

Como começar sem virar refém de plugin

Antes de contratar qualquer coisa, faça esse mapeamento em 30 minutos:

1. Liste as 5 tarefas financeiras que mais consomem tempo por semana. Não as estratégicas — as operacionais repetitivas. Categorizar extrato, conferir boleto, lançar NF de fornecedor, baixar contas a receber, reconciliar caixa.

2. Das 5, identifique quais se encaixam nas 3 tarefas onde IA cabe. Categorização de extrato? Casamento de lançamentos? Leitura de boleto/NF? Essas têm resposta técnica concreta.

3. Teste offline por 30 dias antes de comprar plugin. Exporte 3 meses de extrato bancário em CSV. Rode no ChatGPT ou Claude pra categorizar, usando como contexto as categorias do seu plano de contas. Veja qual é o acerto real — não o acerto prometido. Se ficar acima de 80%, tem base para investimento. Se ficar em 50-60%, falta base cadastral ou plano de contas padronizado.

4. Se for plugin, escolha um com integração ao seu ERP específico e plano de contas customizável. Plugin que importa CSV genérico e categoriza sem saber seu plano de contas vai entregar os mesmos 70% com 30% de erro que o exemplo do início do post.

5. Se for sob medida, defina escopo cravado. 1 tarefa primeiro (categorização de extrato). Depois casamento de lançamentos. Depois OCR de NF. Não tente implementar as 3 ao mesmo tempo — resultado vira confuso, ajuste fica impossível de isolar.

6. Independente do caminho, defina antes: qual é o acerto mínimo aceitável? (recomendo 85% como piso). Qual o threshold acima do qual precisa de revisão humana? Quem vai operar a fila de revisão?

Próximos passos concretos

Se você tem 8 a 15 horas semanais indo em conciliação manual e quer entender onde IA cabe na sua operação financeira específica — não no genérico, no seu caso com seu ERP e sua escala de lançamentos — vale uma conversa de 30 minutos antes de qualquer compromisso.

Manda “diagnóstico IA financeiro” no WhatsApp da Adrion. Em 25-35% das conversas a resposta honesta é “seu ERP já tem automação nativa que você não configurou — resolve sem investimento adicional”. Quando é o caso, falo isso diretamente.

Quando faz sentido ir além — integração custom, threshold por categoria, fila humana estruturada — o escopo de primeira versão fica entre 4 e 6 semanas, e a iteração de 90 dias é onde o ganho real aparece.

Perguntas frequentes

IA pode substituir o financeiro da minha empresa?

Não. IA substitui 30 a 40% das tarefas operacionais repetitivas do financeiro — categorização de extrato, casamento de lançamentos, leitura de boleto. Decisão de pagamento, classificação fiscal e tributária, aprovação de crédito e comunicação com cliente em cobrança continuam obrigatoriamente humanas. Empresa que delega essas 4 tarefas para IA sem revisão enfrenta risco fiscal real e risco de processo.

Qual o melhor plugin SaaS de IA financeira para PME?

Plugin genérico tende a falhar na PME porque não conhece seu plano de contas, seus fornecedores recorrentes e seu fluxo de aprovação. O problema não é a ferramenta — é que IA financeiro bem feito exige integração com o ERP da empresa e regras de threshold por categoria. Integração sob medida geralmente entrega resultado mais sustentável do que plugin de prateleira por R$ 297/mês.

Quanto tempo leva construir IA financeiro sob medida para PME?

Para a primeira versão funcional — categorização de extrato e casamento de lançamentos — entre 4 e 6 semanas de implementação. Os 90 dias seguintes são de ajuste fino: aprendizado das correções humanas, calibração de threshold por categoria, monitoramento de drift no percentual de acerto. Sem essa fase de ajuste, o acerto cai de 90% para 70% em 3 meses.

IA financeiro PME precisa de contador?

Sim. Classificação fiscal e tributária — CFOP, CST, enquadramento de CBS e IBS pós-reforma tributária, regime de apuração — continua responsabilidade do contador. IA pode sugerir, mas jamais aprovar sozinha. A reforma tributária com CBS e IBS criou novas regras de apuração que exigem julgamento técnico humano em cada operação.

Posso usar ChatGPT para categorizar extrato bancário no Excel?

Para teste pessoal ou POC de 30 dias, sim — e vale fazer para entender o conceito antes de investir. Em produção, sem guardrails, sem fila de revisão humana para baixa confiança e sem integração com ERP, ChatGPT no Excel vira despesa de erro: os 10 a 15% de lançamentos errados entram direto no conciliado e o financeiro descobre na virada do mês. Produção exige sistema com threshold de confiança e fila humana clara.

Leitura complementar:

• IA na cobrança de boleto e inadimplência — onde IA em cobrança funciona (e onde não) com números reais
• Por onde começar com IA em empresa pequena em 2026 — os 4 passos honestos antes de qualquer investimento
• Custos escondidos de IA em produção na PME — o que ninguém menciona no pitch de IA
• Agente de IA vs chatbot tradicional: qual a diferença real — conceitos básicos antes de decidir o que implementar
• A Joana que sabe tudo e você não quer perder — sobre dependência de pessoa-chave na operação financeira
• Mapeie a regra da Joana antes do orçamento — o passo que antecede qualquer sistema financeiro sob medida

Lucas Américo dos Reis é fundador do Grupo Adrion. Atua em telecom corporativo e arquitetura de sistemas desde 2008 (GVT, Brasil Telecom, Oi, Claro, Embratel, Vivo). Usa Claude Code em produção na operação Adrion há 12 meses. LinkedIn