IA vertical: onde a IA especializada protege o caixa quando o dinheiro aperta

O que é IA vertical e por que ela importa quando o dinheiro aperta?

A IA vertical é a inteligência artificial treinada e configurada para um tipo de trabalho só, com as regras e os sistemas daquele trabalho. Quando o dinheiro aperta, ela importa porque o aperto aparece primeiro em tarefas repetitivas do financeiro, que a equipe faz mal justamente quando está sobrecarregada.

A palavra "vertical" vem do jargão de software. Programa vertical é o que atende um ramo ou uma função de ponta a ponta, como o sistema de uma clínica ou o módulo financeiro de um ERP (o sistema de gestão que reúne vendas, estoque e contas). Programa horizontal é o que qualquer empresa usa para qualquer coisa, como planilha, e-mail e os assistentes de conversa de uso geral.

A diferença prática aparece num exemplo simples. Um assistente genérico ajuda a escrever um e-mail de cobrança se alguém colar os dados do cliente e revisar o texto. Uma IA vertical de contas a receber já sabe quem venceu ontem, quanto cada cliente costuma atrasar e qual mensagem saiu da última vez. Ela prepara a cobrança do dia inteiro, e uma pessoa aprova.

O título "escudo contra a crise" precisa de uma correção logo no começo. Nenhuma ferramenta protege a empresa de juros altos, de queda de vendas ou de uma margem errada. O que a IA vertical protege é mais modesto e mais concreto: o dinheiro que já foi vendido e ainda não entrou, e o tempo da equipe que cuida dele.

Por que o caixa das empresas brasileiras está mais pressionado agora?

O caixa das empresas brasileiras está mais pressionado porque a inadimplência entre empresas chegou ao maior nível da série da Serasa Experian. Em agosto de 2026, 9,3 milhões de CNPJs estavam negativados, somando R$ 244,4 bilhões em dívidas, e quase todos eram micro e pequenos negócios (Serasa Experian, 20/10/2026).

Os números do mesmo levantamento mostram onde o problema se concentra. Das empresas inadimplentes, 8,8 milhões eram micro e pequenas; serviços respondiam por 56,0% e comércio por 32,0%. O ritmo de alta desacelerou, de 28,7% para 14,3% ao ano, mas o nível segue recorde (Serasa Experian, 20/10/2026).

Para quem vende a prazo para outras empresas, isso tem uma leitura direta: o cliente que atrasa com o banco também tende a atrasar com o fornecedor. Inadimplência de um vira problema de caixa do outro, em cadeia.

O sinal mais grave vem dos processos de recuperação judicial, o pedido que a empresa faz à Justiça para renegociar dívidas sem fechar as portas. Em 2025 foram 977 processos, o maior volume desde 2016, envolvendo 2.466 empresas, recorde da série (Serasa Experian, 07/04/2026).

Em quais rotinas financeiras a IA especializada ajuda a proteger o caixa?

A IA especializada ajuda a proteger o caixa nas rotinas financeiras que se repetem todo dia, envolvem muito documento e têm regra clara para conferir o resultado. As quatro mais comuns são a cobrança de clientes, a conciliação bancária, a previsão de fluxo de caixa e a conferência de contas a pagar.

• Cobrança de clientes. A IA ordena quem cobrar primeiro, pelo valor e pelo histórico de atraso, e redige a mensagem certa para cada caso. Cobrar cedo e na ordem certa costuma pesar mais do que cobrar com mais força.
• Conciliação bancária. É o trabalho de bater cada lançamento do extrato com a conta correspondente no sistema. A IA faz a maior parte das combinações e separa só as que não fecham, que são as que alguém precisa olhar.
• Previsão de fluxo de caixa. Com o histórico de recebimentos e pagamentos, a IA projeta o saldo das próximas semanas e avisa quando ele vai ficar negativo. Saber disso com três semanas de antecedência muda a conversa com o banco.
• Conferência de contas a pagar. A IA lê boletos, notas fiscais e pedidos de compra e aponta divergências: valor diferente do combinado, cobrança em duplicidade, fornecedor com dados bancários alterados.

O que as quatro têm em comum é o critério de conferência. Em todas existe uma resposta certa que uma pessoa do financeiro reconhece em segundos. É isso que torna a tarefa adequada para uma IA: ela faz o volume, e a pessoa confere a exceção.

Quanto de ganho dá para esperar de uma ferramenta de IA no trabalho?

O ganho de uma ferramenta de IA no trabalho depende de quem a usa. No estudo mais citado sobre o tema, com 5.179 atendentes de suporte, a produtividade subiu 14% em média, mas o salto foi de 34% entre os novatos e quase nulo entre os mais experientes (NBER, working paper 31161).

O estudo, de Erik Brynjolfsson, Danielle Li e Lindsey Raymond, mediu chamados resolvidos por hora depois que a empresa adotou um assistente de IA, e a versão final saiu no Quarterly Journal of Economics em 2025. O mecanismo que os autores descrevem é útil para pensar o financeiro: a ferramenta espalha o jeito de trabalhar dos melhores para quem ainda está aprendendo.

Na prática, isso quer dizer que a IA rende mais onde o conhecimento está concentrado em poucas pessoas. Se só uma pessoa do financeiro sabe quais clientes pagam com atraso e quais somem, a ferramenta que registra esse padrão protege a empresa também contra a saída dessa pessoa.

A cautela é que o estudo mediu atendimento ao cliente, e não cobrança ou conciliação. O número não deve ser transportado para o financeiro como promessa. O que se transporta é a direção: ganho maior para a equipe menos experiente, ganho pequeno para quem já domina a tarefa.

Daqui para baixo o texto entra na parte técnica: do que essa IA é feita e onde costuma estar o trabalho de verdade.

Como funciona por dentro uma IA vertical aplicada ao financeiro?

Uma IA vertical aplicada ao financeiro funciona juntando três peças: os dados do sistema de gestão e do banco, as regras do negócio escritas de forma explícita e um modelo de linguagem que lê documentos e redige mensagens. O modelo é a peça mais fácil de trocar; as duas primeiras são as que dão trabalho.

Os dados. A IA precisa ler o contas a receber e o contas a pagar do ERP e os lançamentos do banco. Essa leitura acontece por API (a porta pela qual um sistema conversa com outro) ou por arquivo de extrato baixado todo dia. Sem essa ligação automática, alguém continua exportando planilha, e o ganho some.

As regras. Quanto de desconto pode ser oferecido, a partir de quantos dias de atraso o cliente sai da régua amigável, qual valor exige duas aprovações. Essas decisões ficam escritas fora do modelo, como regras fixas. A IA aplica; não inventa.

O modelo de linguagem. É o LLM (sigla em inglês para modelo de linguagem de grande porte, o tipo de IA por trás dos assistentes de conversa). Ele lê o PDF do boleto, entende o e-mail do cliente pedindo prazo e escreve a resposta. Para prever o saldo, um modelo estatístico simples sobre o histórico costuma funcionar melhor do que pedir a previsão ao LLM.

A orquestração. É a camada que encadeia os passos: buscar os vencidos, classificar, redigir, pedir aprovação, enviar e registrar. A VT Sávio monta esse encadeamento com o n8n, ferramenta de automação que liga sistemas diferentes, e deixa um ponto de aprovação humana antes de qualquer mensagem sair para o cliente ou qualquer pagamento ser liberado.

Por onde uma empresa pequena começa a usar IA no financeiro?

Uma empresa pequena começa a usar IA no financeiro escolhendo uma única rotina, a que mais consome horas ou mais deixa dinheiro parado, e medindo o antes e o depois. Na maioria dos casos, essa rotina é a cobrança ou a conciliação bancária, porque as duas têm dado disponível e resultado fácil de conferir.

A área administrativa é também por onde as empresas maiores começaram. Na indústria, o uso de IA subiu de 16,9% para 41,9% das empresas entre 2022 e 2024, e a administração foi a área que mais usava, com 87,9% (Agência Brasil, sobre a Pintec Semestral do IBGE, 24/09/2025). O levantamento cobre indústrias com 100 ou mais empregados, então descreve empresas maiores que a média brasileira.

Uma sequência que costuma funcionar:

1. Meça a rotina hoje. Quantas horas por semana, quantos títulos vencidos, quantos dias em média até receber. Sem esse número não há como saber se a IA ajudou.
2. Limpe o cadastro daquela rotina. E-mail e telefone de cobrança atualizados, clientes duplicados resolvidos. A IA amplifica o cadastro que recebe, bom ou ruim.
3. Comece só sugerindo. Nas primeiras semanas a IA prepara, e a equipe aprova tudo. Só depois de conferir os acertos vale liberar envio automático para os casos simples.
4. Compare depois de um ciclo inteiro. Um mês de cobrança, um fechamento de conciliação. Antes disso, o resultado é ruído.

Quando a IA não protege o caixa da empresa?

A IA não protege o caixa da empresa quando o problema não está nas rotinas, e sim no modelo do negócio: preço abaixo do custo, dívida cara demais ou vendas em queda. Nesses casos, cobrar melhor e prever melhor só mostram o buraco mais cedo, o que ajuda a decidir, mas não o fecha.

Outros sinais de que ainda não é a hora:

• O volume é pequeno. Vinte boletos por mês cabem na rotina de uma pessoa. O ganho da IA vem da repetição, e a ligação com os sistemas tem custo de montagem e de manutenção.
• O dado não existe em formato digital. Se o contas a receber vive num caderno ou em planilhas que cada um preenche de um jeito, o primeiro passo é organizar o registro.
• A assinatura pesa no caixa. Parte das ferramentas cobra em dólar ou por volume de uso. Em aperto, um custo variável que cresce junto com a operação precisa estar no orçamento antes de começar.
• Ninguém vai conferir. IA no financeiro sem uma pessoa responsável pela exceção transforma erro pequeno em erro repetido em escala.

Nesses casos, o caminho mais útil é dar um passo antes: digitalizar o registro, padronizar a régua de cobrança e automatizar com regras fixas, sem IA. Quando o volume crescer, a IA entra sobre uma base que já funciona.

Ao mapear processos financeiros para automação, a VT Sávio encontra com frequência o mesmo ponto cego: a empresa acha que o gargalo é redigir a cobrança, e o que mais atrasa o recebimento é o cadastro desatualizado do cliente, que faz a mensagem chegar a quem não paga a conta. Corrigir isso não exige IA nenhuma e costuma ser o primeiro ganho. A IA rende depois, quando o cadastro já merece confiança.

O que ainda não dá para afirmar sobre IA e crise financeira?

Ainda não dá para afirmar quanto a IA reduz a inadimplência ou o custo financeiro de uma empresa brasileira, porque não existe medição pública e independente disso no país. Os dados disponíveis medem o tamanho da crise, a adoção de IA em empresas grandes ou ganhos de produtividade em outras tarefas.

O estudo de produtividade não é sobre finanças. Os ganhos de 14% e 34% vêm de atendimento ao cliente. Ajudam a entender quem ganha mais com a ferramenta, mas não dizem quanto a cobrança melhora.

O dado de adoção é da indústria maior. Os 41,9% do IBGE se referem a indústrias com 100 ou mais empregados. A maior parte das empresas inadimplentes, segundo a Serasa, é micro ou pequena, e para elas não há número equivalente.

O indicador de recuperação judicial mudou de método. A própria Serasa informa que o indicador foi relançado com metodologia atualizada e que o dado de dezembro de 2025 era preliminar no momento da divulgação. Comparações com anos anteriores pedem esse cuidado.

Promessa de percentual é sinal de alerta. Fornecedor que garante redução fixa de inadimplência sem conhecer a carteira de clientes está vendendo uma média de outro lugar. O número que vale é o que a empresa mede na própria rotina, antes e depois.

O que se sustenta com segurança é a direção: em rotinas repetitivas, com dado organizado e uma pessoa conferindo, a IA especializada faz o volume e libera a equipe para a parte do caixa que exige negociação e julgamento.