Onde a IA já funciona no financeiro de uma PME — e onde ainda não

O que a IA consegue fazer no financeiro de uma empresa pequena, hoje

Ela consegue ler. É essa a capacidade que amadureceu, e é ela que resolve a parte mais cara do financeiro de uma PME: transformar arquivo em número sem ninguém digitar. Extrato bancário vira lista de lançamentos, comprovante de Pix vira registro com pagador, valor e data, nota fiscal vira custo ou receita amarrada a um pagamento.

O que ela não consegue é decidir. Previsão de faturamento, concessão de prazo a cliente e escolha de tratamento tributário continuam sendo julgamento humano — não por conservadorismo, mas porque a informação necessária não está em documento nenhum.

Entre os dois extremos existe uma faixa cinzenta, que é onde quase todo anúncio de produto exagera: categorização e conciliação funcionam bem com regra e histórico, e mal quando são vendidas como adivinhação. A tabela abaixo separa as três faixas tarefa por tarefa.

As 14 tarefas do financeiro, com quem confere cada uma

Leia a terceira coluna com atenção. Ela é a parte que quase nenhum fornecedor publica, e é a que define se você está comprando trabalho feito ou trabalho terceirizado de volta para você.

Tarefa	Automatizável hoje?	Quem confere
Ler o extrato bancário e virar lista de lançamentos	Sim	você, pelo saldo final
Reconhecer comprovante de Pix ou TED (valor, data, partes)	Sim	você, por amostragem
Ler o XML da nota fiscal e validar a chave de acesso	Sim	a própria validação, mais você no que ficou de fora
Detectar lançamento ou arquivo importado duas vezes	Sim, quando existe chave natural	você, no saldo
Montar o fluxo de caixa realizado do mês	Sim	você, contra o extrato
Ler nota em PDF ou foto (DANFE, NFS-e, cupom)	Em parte	você, no que veio de imagem
Classificar despesa por categoria	Em parte	você, no que ficou ambíguo
Amarrar comprovante ao lançamento do extrato	Em parte	você, nos empates de valor e data
Conciliar extrato com o controle interno	Em parte	você, na diferença que sobrou
Montar DRE gerencial a partir do que foi lido	Em parte	você e o contador
Separar despesa da empresa de despesa pessoal	Não	só você — a intenção não está no documento
Decidir o tratamento tributário de uma nota	Não	o contador, com responsabilidade técnica
Prever o faturamento dos próximos meses	Não	ninguém, com a confiança que costumam vender
Decidir prazo e crédito para um cliente	Não	você, com contexto comercial

Cinco linhas com Sim, cinco com Em parte, quatro com Não. E nenhuma linha sem alguém conferindo. Se um fornecedor apresentar uma tabela equivalente sem a terceira coluna, a terceira coluna existe assim mesmo — só não está escrita.

O que já está resolvido: leitura, extração e classificação de documento

A tecnologia que amadureceu não foi a de prever, foi a de ler. Isso aparece até nos dados públicos de adoção: na pesquisa TIC Empresas 2025, do Cetic.br/NIC.br, o uso de IA por empresas brasileiras subiu de 13% em 2024 para 17% em 2025, e entre as pequenas (de 10 a 49 pessoas) de 10% para 15%. O que mais cresceu dentro desse grupo foram justamente as capacidades de texto: mineração de texto e análise de linguagem escrita passaram de 33% para 38%, e geração de linguagem natural de 20% para 30%. Coleta entre fevereiro de 2025 e janeiro de 2026, com 4.174 empresas.

Na prática do financeiro, "ler" se decompõe em cinco etapas nomeáveis, e todas as cinco já rodam sem digitação: leitura do extrato, reconhecimento do comprovante, conferência da nota, amarração do caixa e o fechamento do mês montado a partir do que as quatro anteriores produziram.

Alguns números das nossas próprias medições, para dar escala ao que "resolvido" significa:

• Velocidade não é o gargalo. A leitura de um comprovante real de teste, extraindo os campos que importam, levou 96 ms. O tempo de máquina é irrelevante diante do tempo humano que ela substitui.
• Validação estrutural funciona bem. Num lote de teste de documentos fiscais, 10 de 10 chaves de acesso foram lidas e validadas corretamente. Chave de acesso é registro com campos posicionais e dígito verificador — dá para conferir, não só extrair.
• Mas ler não é o mesmo que ler certo. Num extrato real de teste, 41 de 74 lançamentos entravam com o sinal invertido quando lidos por regra ingênua, acumulando R$ 5.732,21 de erro num único mês — porque no extrato brasileiro o sinal costuma vir depois do valor (6,50 (-), 52,80-). O problema não era o modelo: era o formato do documento.

Método: medições internas da esteira de leitura de documentos da Systa sobre extratos, comprovantes e notas brasileiros reais de teste, apuradas até 09/08/2026. Amostra pequena e não representativa do mercado — o valor está no padrão, não na estatística.

A conclusão útil dessa terceira linha é a que menos aparece em material de vendas: a diferença entre uma implementação boa e uma ruim não está no modelo, está no tratamento do documento brasileiro. O caminho completo, do arquivo até o caixa, está em do extrato ao fluxo de caixa.

O que é meio resolvido: categorização e conciliação funcionam com regra e histórico

Categorizar despesa e conciliar lançamento são tarefas que funcionam bem — desde que você entenda de onde vem o acerto. Ele vem de três fontes, nesta ordem de confiabilidade:

1. Regra explícita. "Toda linha com esta sigla é tarifa bancária." Acerta 100% das vezes porque não está adivinhando nada.
2. Histórico da sua empresa. "Nos últimos seis meses você classificou este fornecedor como insumo." Acerta muito, e melhora sozinho conforme você corrige.
3. Semelhança textual. "Esta descrição parece com combustível." Acerta razoavelmente e erra de forma imprevisível — é a camada que deve ser a última, não a primeira.

Um produto honesto deixa claro qual das três está agindo em cada lançamento, e permite que você promova uma decisão sua a regra permanente. Um produto que não faz isso vira um gerador de palpites confiantes: acerta bastante, erra sem avisar, e você descobre no fechamento.

A conciliação segue a mesma lógica. Ela resolve sozinha os casos com evidência forte — mesmo valor, mesma data, mesmo identificador de transação — e devolve para você exatamente os casos ambíguos: dois pagamentos iguais no mesmo dia, valor parcial, pagamento agrupado. Isso não é falha: é o desenho certo. O catálogo dos casos que sobram está em conciliação bancária: o que fazer quando o extrato não bate.

O que não está resolvido: previsão, decisão de crédito e escolha tributária

Três tarefas que continuam humanas, cada uma por um motivo diferente — e o motivo importa mais do que o veredito:

• Previsão de faturamento. Falta dado. Uma empresa pequena tem dezenas de meses de histórico, não milhares, e o que mais mexe no faturamento dela — perder um cliente grande, ganhar um contrato, mudar de ponto — não está em série temporal nenhuma.
• Decisão de crédito e prazo a cliente. Falta contexto. A informação que decide é relacional: há quanto tempo o cliente compra, o que ele falou na última ligação, se a indicação veio de quem. Nada disso está no seu banco de dados.
• Escolha e tratamento tributário. Falta responsabilidade. Aqui existe um profissional com registro que responde tecnicamente pelo que foi declarado. Um software pode organizar, apontar divergência e preparar material — decidir, não.

Repare que nenhuma das três é impossível "por enquanto, até o modelo melhorar". Duas são limitações de informação, não de tecnologia, e a terceira é de responsabilidade legal. Modelo melhor não resolve nenhuma das três.

Por que "prever o fluxo de caixa com IA" quase sempre é promessa vazia na empresa pequena

A promessa soa moderna e é, na prática, a mais frágil da categoria. Três razões:

Primeira: a maior parte do futuro do seu caixa já é conhecida, e não precisa de previsão. Boleto emitido, salário, aluguel, parcela de empréstimo e imposto do mês são compromissos com data e valor. Isso é agenda, não modelo estatístico. Um sistema que lê os seus documentos e projeta os compromissos já contratados está fazendo aritmética — o que é ótimo, útil e honesto, e não deveria ser vendido como previsão.

Segunda: a parte de fato incerta depende de eventos raros. Numa empresa com vinte clientes, um único atraso de pagamento grande muda o mês inteiro. Não existe volume de histórico que torne esse evento previsível a partir do passado.

Terceira: o erro é assimétrico. Uma previsão otimista errada faz você assumir um compromisso que não tinha como honrar. Numa PME sem colchão, isso não é um relatório impreciso — é um cheque devolvido.

A pergunta útil não é "quanto vou faturar", é "quantos dias de caixa eu tenho se nada entrar". Essa segunda pergunta se responde com aritmética sobre dado que você já tem, e não erra.

Como ler qualquer anúncio de IA financeira com esta tabela na mão

Pegue a página de qualquer fornecedor e faça três operações mecânicas:

1. Classifique cada promessa nas três faixas. Leitura de documento é Sim. Categorização e conciliação são Em parte. Previsão, crédito e decisão fiscal são Não. Se a página coloca as três faixas no mesmo tom de confiança, ela não está descrevendo o produto — está descrevendo o setor.
2. Procure a terceira coluna. Onde está escrito quem confere? Se não estiver em lugar nenhum, pergunte por escrito. A resposta separa quem implementa de quem apresenta.
3. Peça o comportamento no caso de erro. O que acontece quando o documento vem torto, quando o mesmo extrato é enviado duas vezes, quando o PDF não tem camada de texto. Fornecedor que nunca pensou nesses casos vai descobri-los com os seus dados.

Se quiser a versão longa dessa conversa, ela virou um roteiro: 12 perguntas para o fornecedor de IA. E se a sua dúvida é por onde começar antes de comparar fornecedor nenhum, o ponto de partida é implementar IA no financeiro da empresa.

Um último aviso de calibragem: esta tabela tem data. A fronteira entre "Sim" e "Em parte" se move, e algumas linhas de hoje vão mudar de coluna. As quatro linhas com "Não", por dependerem de informação inexistente e de responsabilidade legal, tendem a ficar onde estão por bastante tempo — e desconfiar de quem afirmar o contrário continua sendo uma boa aposta.