O que é determinístico deve continuar determinístico: o que o contas a pagar com IA da Snowflake acerta

Existe um jeito tentador de automatizar o contas a pagar com IA: dar a um agente acesso à caixa de e-mail, ao ERP e ao sistema de pagamentos, descrever a política em um prompt e deixá-lo trabalhar. Funciona bem na demo. E é muito difícil de auditar, testar ou explicar para a controladoria.

O relato da Snowflake sobre o InvoiceIQ, uma aplicação de contas a pagar que a empresa construiu e usa internamente, segue o caminho oposto. O próprio resumo da Snowflake é a melhor frase do texto: manter determinístico o que é determinístico e usar a IA como uma camada de um sistema maior, em vez de transformar o fluxo inteiro em um agente opaco.

Como o InvoiceIQ funciona

Segundo a Snowflake, as faturas chegam por integração de e-mail ou carga manual e passam por seis etapas: classificação, extração, tradução, conciliação, enriquecimento e decisão.

O interessante é quais etapas usam IA e quais não usam:

• IA onde a entrada não é estruturada. Funções de IA descartam documentos que não são faturas, extraem campos estruturados, traduzem faturas em outros idiomas e conciliam semanticamente as linhas da fatura com as linhas do pedido de compra.
• Lógica determinística onde a resposta é conhecida. O nome do fornecedor é resolvido por correspondência exata de texto e por uma função padrão de correspondência aproximada. O enriquecimento busca dados estruturados de sistemas corporativos cujos dados já estão na plataforma.
• Um conjunto claro de desfechos. Cada fatura termina aprovada, rejeitada, marcada como duplicada ou encaminhada a um analista.

Cada ação, de IA ou humana, grava um evento em uma tabela de auditoria, com histórico consultável do que aconteceu com cada fatura. As exceções chegam aos analistas com contexto estruturado, e não com uma tela em branco. O time acompanha latência por etapa, tokens por chamada de IA, erros e novas tentativas, e testa a qualidade com regressões contra um gabarito validado por pessoas.

A Snowflake diz que, no rollout interno, a maior parte das faturas de fornecedores passou a ser processada pelo InvoiceIQ. É a descrição da própria empresa sobre o próprio uso, na própria plataforma.

1. Classificar o documento
2. Extrair e traduzir campos
3. Identificar fornecedor por regras
4. Conciliar linhas com o pedido
5. Enriquecer com dados do ERP
6. Desfecho ou revisão do analista

Etapa com IAEtapa determinística

Por que o padrão funciona

As etapas probabilísticas ficam contidas. Quando a extração erra, as etapas determinísticas ao redor podem pegar a inconsistência: o fornecedor não é encontrado, os totais não batem com o pedido. Um agente de ponta a ponta não oferece esses pontos de checagem.

Cada etapa pode ser testada sozinha. Precisão da extração, qualidade da conciliação e distribuição dos desfechos são métricas separadas. Quando o modelo muda, o time sabe qual etapa testar de novo.

A trilha de auditoria faz parte do desenho. Controladoria e auditoria não perguntam se a IA é boa. Perguntam o que aconteceu com a fatura 4471 e quem aprovou. Um evento por ação responde isso diretamente.

A revisão humana é direcionada. O objetivo não é eliminar as pessoas. É que elas gastem tempo com os casos que exigem julgamento, com a informação já reunida.

Os dados ficam onde são governados. Rodar o fluxo ao lado dos dados de que o enriquecimento precisa evita copiar dados financeiros para outro sistema, com outro modelo de acesso.

O mesmo princípio aparece nos agentes de segurança do Google: combinar IA com validação determinística e entregar o resultado dentro de um processo em que as pessoas já confiam.

O que isso significa no Brasil

No Brasil, o padrão faz ainda mais sentido, por um motivo concreto: a maior parte das notas fiscais de produtos já chega estruturada. A NF-e é um XML validado pela Sefaz, com CNPJ, itens, impostos e totais em campos definidos. Usar IA para “ler” esses dados seria trocar uma informação exata por uma estimativa. Ali, extração e identificação do fornecedor são determinísticas por natureza.

A IA ganha espaço nas bordas do processo:

• notas de serviço, que historicamente seguem modelos diferentes conforme o município, e documentos que chegam em PDF;
• faturas de fornecedores estrangeiros, em outros idiomas e formatos;
• conciliação de itens com pedidos de compra quando a descrição do fornecedor não bate com o cadastro interno;
• preparação do contexto para o analista nas exceções.

E há uma razão a mais para manter regras explícitas: a reforma tributária está mudando campos e cálculos dos documentos fiscais ao longo da transição. Regras versionadas e testáveis acompanham essas mudanças com muito mais segurança do que um prompt.

O que fazer agora

1. Mapeie o processo em etapas e marque quais têm resposta conhecida. Essas continuam determinísticas, a começar pelos dados do XML.
2. Use IA só onde a entrada é desestruturada ou a conciliação é aproximada, e coloque uma checagem determinística logo depois.
3. Grave um evento de auditoria para cada ação, de IA ou humana, desde o primeiro dia.
4. Defina os desfechos possíveis e as condições exatas para encaminhar a uma pessoa.
5. Monte um gabarito com faturas que os analistas já processaram, e rode de novo a cada mudança de modelo ou de prompt.

Em resumo

O InvoiceIQ não chama atenção por usar IA. Chama atenção por usar IA com parcimônia, nas etapas que precisam dela, dentro de um fluxo que continua testável e auditável. Em processos financeiros, é isso que significa estar pronto para produção. O conjunto completo de controles está no nosso guia do stack de 2026.