IA na contabilidade: o que é real, o que é marketing (guia para CFOs)

Todo fornecedor de software contábil e de BPO virou, da noite para o dia, uma "empresa de IA". O mesmo produto do ano passado ganhou um sufixo, o site ganhou a palavra "inteligência" e a proposta comercial ganhou 20% de preço. Para o CFO que precisa decidir onde investir, o desafio deixou de ser encontrar IA: é separar o que tem substância do que é só rótulo.

A boa notícia é que a distinção é possível, e não exige entender de arquitetura de modelos. Exige saber onde a tecnologia comprovadamente entrega hoje, onde ainda é promessa, e quais perguntas expõem um fornecedor em cinco minutos. É esse mapa que este guia oferece, necessário justamente porque, nas frentes certas, a transformação é real: o que ocupava uma equipe por semanas hoje é executado em horas.

Onde a IA já entrega resultado real

Em quatro frentes o ganho é mensurável e verificável hoje:

• Conciliação da cauda difícil. Regras simples resolvem os 80% fáceis de qualquer conciliação: mesmo valor, mesma data, mesmo identificador. O custo sempre esteve nos 20% restantes: pagamentos agrupados, valores com desconto ou juros, descrições truncadas, datas deslocadas. É exatamente aí que os modelos de linguagem funcionam bem, porque o problema é de interpretação, não de cálculo. E o diferencial das boas implementações é que a máquina não entrega só o "match": entrega a explicação da causa da diferença, que é o que o contador levaria horas para reconstruir.
• Redação a partir de números. Releases de resultados, relatórios gerenciais, notas explicativas, comentários de variação. Transformar um balancete em texto analítico é tarefa que a IA executa em minutos com qualidade de primeira versão sólida: o humano edita em vez de redigir do zero.
• Classificação de lançamentos. Sugerir conta contábil, centro de custo e natureza a partir do histórico e do contexto, com precisão que melhora conforme o modelo aprende o plano de contas da empresa.
• Detecção de anomalias. Apontar o lançamento fora do padrão, a variação de saldo sem precedente, o fornecedor novo com valor atípico: a triagem que nenhuma equipe tem braço para fazer sobre 100% dos lançamentos.

O traço comum: são tarefas de volume alto e ambiguidade média, onde errar uma sugestão custa pouco porque há revisão depois. É o terreno ideal da tecnologia atual.

Onde ainda é promessa

Três territórios seguem fora do alcance, e desconfie de quem prometer o contrário:

• Julgamento contábil complexo. Decidir se um contrato configura receita ao longo do tempo ou em momento único, mensurar uma provisão para contingência, avaliar impairment. São decisões que dependem de contexto de negócio, documentos e interpretação normativa combinados: a IA ajuda a organizar os insumos, mas não substitui o julgamento.
• Responsabilidade técnica. Demonstrações contábeis são assinadas por um profissional habilitado, que responde civil e regulatoriamente por elas. Nenhum modelo assume CRC. Qualquer fornecedor que sugira dispensar essa camada está transferindo risco para o cliente sem dizer.
• Decisões fiscais estratégicas. Escolher regime tributário, estruturar uma reorganização, decidir se aproveita uma tese fiscal. O custo do erro é alto demais e o contexto necessário é amplo demais para delegar a um sistema, hoje e no futuro previsível.

O modelo que funciona: regras, IA e humano, nessa ordem

As implementações que dão certo em contabilidade não são "IA em tudo". São uma arquitetura em três camadas, cada uma no lugar em que é imbatível:

1. Regras determinísticas para o match exato. Quando valor, data e identificador batem, a conciliação deve ser feita por regra, porque regra é auditável, reproduzível e não erra do nada. Usar IA generativa onde uma regra resolve é gastar mais para ter menos confiabilidade.
2. IA para a interpretação e os casos difíceis. A cauda que as regras não alcançam: descrições ambíguas, agrupamentos, divergências que exigem hipótese de causa. Aqui a IA propõe, com justificativa.
3. Curadoria humana antes de qualquer entrega. Um profissional revisa o que a máquina produziu, corrige, aprova e assume a responsabilidade. Não é um enfeite de compliance: é a camada que transforma sugestão estatística em informação confiável.

Quando um fornecedor descreve o produto dessa forma (dizendo explicitamente o que é regra, o que é modelo e onde entra gente), é sinal de maturidade. Quando tudo é descrito como "a IA faz", geralmente ou é regra antiga com rótulo novo, ou é modelo sem supervisão, e as duas hipóteses são ruins.

As perguntas certas para avaliar um fornecedor

Quatro perguntas separam substância de marketing em uma reunião comercial:

• "O matching exato é feito por IA ou por regras?" Resposta boa: "por regras determinísticas; a IA entra só nos casos que as regras não resolvem". Resposta ruim: "é tudo IA", o que indica ou desconhecimento do próprio produto ou uma arquitetura desnecessariamente frágil.
• "O que acontece quando a IA erra?" Resposta boa: taxa de erro medida, processo de revisão, correções que realimentam o sistema. Resposta ruim: "nossa IA praticamente não erra". Todo modelo erra; quem não mede não sabe quanto.
• "Há revisão humana antes da entrega? Feita por quem?" Resposta boa: sim, por profissional de contabilidade identificado, com responsabilidade técnica clara. Resposta ruim: revisão opcional, cobrada à parte, ou "o próprio cliente valida".
• "Onde ficam meus dados e quem os acessa?" Resposta boa: infraestrutura nomeada, criptografia, acesso restrito e contratualizado, e compromisso explícito de não usar os dados para treinar modelos de terceiros. Resposta ruim: vaguezas sobre "nuvem segura" sem detalhes por escrito.

Um fornecedor sério responde às quatro sem desconforto. Duas respostas evasivas em quatro perguntas encerram a avaliação.

Segurança e LGPD: o mínimo inegociável

Dados contábeis carregam informação sensível: folha, fornecedores, margens, movimentação bancária. Antes de qualquer piloto, três exigências por escrito: criptografia em trânsito e em repouso; garantia contratual de que os dados da empresa não serão usados para treinar modelos (nem do fornecedor, nem dos provedores de IA que ele usa); e controle de acesso restrito, com registro de quem viu o quê. Sob a LGPD, a empresa segue como controladora dos dados que entrega ao fornecedor: o vazamento dele é um problema dela. Cláusulas de tratamento de dados no contrato não são formalidade jurídica; são o instrumento que aloca essa responsabilidade.

Como começar pequeno

O erro clássico é começar com um projeto de transformação. O caminho sensato é o oposto: um processo, uma amostra, um resultado medido. Escolha uma dor concreta e delimitada: a conciliação de uma conta bancária problemática, o release do próximo trimestre, o cruzamento fiscal de uma competência. Entregue os dados, receba o resultado e compare com o processo atual em três medidas: horas consumidas, erros encontrados e qualidade do que foi entregue.

Em duas ou três semanas há veredicto, com risco próximo de zero e sem integração de sistemas. Foi para viabilizar exatamente esse tipo de teste que serviços como a Reconcile.ai passaram a operar por demanda, processo a processo, em vez de exigir implantação. Se o piloto entrega, expande-se para o processo vizinho; se não entrega, descartou-se um fornecedor pelo custo de uma amostra. Nos dois cenários, o CFO decide com base em resultado observado, que é, no fim, a única resposta definitiva para a pergunta sobre o que é real e o que é marketing. E quando é real, o veredicto costuma ser contundente: a era do batalhão de planilhas terminou. O processo que prendia quatro ou cinco pessoas por semanas passa a ser executado em horas, e ao time sobra exatamente o que máquina nenhuma assume: o julgamento e a responsabilidade.