Arquitetura em camadas para conciliar extrato e contas a receber com IA: regras primeiro, agente nos casos ambíguos, confiança por faixa e fila de exceções.
Conciliar o extrato bancário com o contas a receber é um dos processos em que mais se justifica automatizar: alto volume, regras bastante estáveis, exceções que dão trabalho. É também onde mais se erra ao começar pelo agente. A arquitetura que funciona é em camadas, e o agente de IA ocupa uma só delas.
Este texto descreve essa arquitetura, para quem vai construir e para quem vai avaliar uma solução pronta.
Dois lados a conciliar: o extrato (arquivo OFX ou CSV do banco) e o que a empresa espera receber (faturamento, contas a receber, o export do ERP). Antes de qualquer lógica, normalize: data no mesmo formato, valor com o mesmo sinal, descrição limpa, um identificador comum quando existir (nosso número, número da nota). Boa parte dos erros de conciliação automática nasce aqui, não no modelo.
Os dados têm valores reais e nomes de clientes, o que os coloca no amarelo do semáforo de dados: ambiente corporativo, ou base anonimizada.
Mesmo valor, mesma data e mesmo identificador: concilia sem discussão. Essa camada é determinística, sem IA, e costuma resolver a maior parte do volume. Qualquer um que comece pelo agente está pagando por inteligência onde bastava uma comparação.
Valor dentro de uma tolerância (tarifa bancária, pequeno desconto), data dentro de uma janela de dias úteis, um crédito que paga vários títulos, um título pago em duas parcelas. Ainda é regra: cada uma é escrita, testada e explicável. É a mesma lógica discutida em agente de IA ou automação por regra.
Agora sim. O que sobrou são lançamentos com descrição livre: um nome de pagador abreviado, uma referência incompleta, um valor que não bate com nenhum título isolado. O agente recebe o lançamento e os candidatos e devolve três coisas: o par proposto, um grau de confiança e a justificativa em uma frase. A justificativa é o que permite revisar rápido.
A confiança vira roteamento. Um desenho comum:
Esses números são um ponto de partida. Calibre durante um mês, comparando o que o agente propôs com o que a pessoa decidiu, e ajuste as faixas.
Cada conciliação confirmada por uma pessoa é informação: vira exemplo para o agente ou regra nova. Cada decisão gera registro: o que foi proposto, quem aprovou, quando, com qual evidência, o que a trilha de auditoria de um processo automatizado exige. E quem aprova a conciliação não deve ser quem a configurou, o básico da segregação de funções.
Quatro métricas acompanham a saúde do processo: percentual conciliado automaticamente, percentual confirmado sem alteração, tempo até o fim da conciliação e divergências remanescentes no fechamento.
Construir faz sentido quando o time vai manter as regras, os logs e a calibração ao longo do tempo. Se esse custo de manutenção for o obstáculo, uma solução pronta pode ser o caminho mais curto. Em ambos os casos, as camadas acima são a régua de avaliação: pergunte onde estão as regras exatas, como é calculada a confiança e como a fila de exceções é tratada.
Se preferir não construir do zero, conheça o Agente de Conciliação & DRE Mensal: concilia o extrato contra o faturamento em D+0, sinaliza divergências por materialidade e monta a DRE do mês para o seu time validar.
Acessar a plataforma gratuitamente →
O CFOs.AI é uma plataforma de AI Finance Transformation: toda formação percorre os estágios do framework F.I.A.M. — Fundamentação, Instrumentação, Aplicação e Mensuração.
Prefere medir antes? Faça o diagnóstico gratuito (25 perguntas, cerca de 10 minutos) · Ver planos →
Todo domingo: um artigo aprofundado, um caso real e uma automação pra testar na segunda. Sem ruído, sem venda.
Escrita pela equipe CFOs.AI · +2.400 líderes financeiros
Plataforma de formação e implementação de IA aplicada a finanças corporativas.
