O score aprovou. O pedido cabe no risco que sua empresa aceitou?

O cliente envia um pedido de R$ 48 mil e precisa da mercadoria hoje. O cadastro mostra limite de R$ 100 mil; o vendedor conclui que “ainda cabe”. Só depois o financeiro encontra R$ 62 mil em títulos abertos, R$ 24 mil em pedidos já liberados e uma nota de crédito de R$ 8 mil que ainda não foi validada. O número no cadastro existe, mas não responde à decisão daquele momento.

É tentador colocar IA nessa etapa para resumir documentos, consultar bureaus, calcular um score e liberar mais rápido. O risco é automatizar a pergunta errada. Score não é limite, limite não é disponibilidade e disponibilidade não é autorização. Uma decisão de crédito B2B precisa ligar identidade, exposição, comportamento, condição comercial, evidência, validade e alçada — e continuar sendo acompanhada depois da venda.

Este artigo apresenta o método LIMITE, um protocolo para usar IA na revisão de crédito comercial sem transformar probabilidade em certeza. A unidade de valor não é “análise concluída”; é pedido decidido dentro da política, com exposição reconciliada, justificativa rastreável e resultado monitorado.

Por que o tema ficou mais urgente em 2026

O Indicador de Inadimplência das Empresas da Serasa Experian registrou mais de 9 milhões de negócios negativados em maio de 2026, com R$ 229,9 bilhões em dívidas. Micro e pequenas empresas eram 8,5 milhões desse total. O indicador não descreve a carteira específica de uma distribuidora, mas mostra por que limite estático e revisão apenas anual são controles fracos em um ambiente de caixa pressionado.

Ao mesmo tempo, a IA avança sobre análises financeiras. Em pesquisa divulgada no Relatório de Estabilidade Financeira do Banco Central, instituições que usam IA apontaram como riscos principais o risco legal ou de não conformidade (66,0%), o operacional (65,4%), a má qualidade dos dados (64,8%) e o reputacional (61,7%). Embora uma distribuidora não seja um banco, os quatro riscos atravessam qualquer operação que use modelos para influenciar concessão de prazo e exposição.

O alerta mais recente é operacional. No 3º Relatório Parcial do Sandbox Regulatório de IA, publicado pela ANPD em 16 de outubro de 2026, a autoridade recomenda distinguir controles efetivamente verificados, medidas apenas documentadas ou declaradas e providências ainda pendentes de validação. Essa disciplina serve diretamente para crédito: documento anexado não é dado validado; regra cadastrada não é controle testado; parecer gerado não é decisão autorizada.

Quatro números que não podem virar um só

1. Limite cadastrado: teto vigente no sistema oficial, com moeda, validade, escopo e autoridade que o aprovou.
2. Exposição reconciliada: obrigações abertas e compromissos já assumidos, sem duplicidade e ajustados apenas por créditos ou garantias elegíveis segundo a política.
3. Disponível calculado: limite vigente menos exposição reconciliada. É fotografia temporal, não promessa permanente.
4. Valor em decisão: parcela do novo pedido que excede o disponível ou aciona outra regra de risco, prazo, concentração ou alçada.

Uma fórmula operacional possível é: exposição = títulos abertos + pedidos aprovados ainda não faturados + outros compromissos previstos na política − créditos elegíveis confirmados. Depois, disponível = limite vigente − exposição. Cada empresa precisa definir os componentes e impedir dupla contagem: uma nota faturada que já virou título aberto não pode aparecer nas duas parcelas.

A IA pode reconciliar chaves, apontar divergências e simular cenários. Mas a fórmula precisa existir antes do modelo, com fonte oficial, horário de corte, tratamento de disputa, regra para atraso, grupo econômico, garantia, devolução e cancelamento.

Método LIMITE: da solicitação ao aprendizado da carteira

1. L — Ligar identidade e pedido: confirme CNPJ, filiais, grupo econômico, pagador, garantidores quando aplicável, vendedor, itens, valor, margem, prazo, condição e urgência. Nome parecido não resolve identidade; o pedido é a unidade concreta da decisão.
2. I — Integrar a exposição: reúna títulos, pedidos liberados, faturamentos em trânsito, devoluções, créditos, acordos, disputas e compromissos relacionados. Registre a regra que evita duplicidade e o instante de cada consulta.
3. M — Medir comportamento e contexto: observe pontualidade, atrasos por faixa, utilização do limite, concentração, sazonalidade, recorrência de disputa e informações externas autorizadas. Separe fato observado, indicador calculado e explicação sugerida.
4. I — Indicar incerteza e validade: mostre campos ausentes, dados vencidos, divergências entre fontes e sensibilidade do resultado. Um bureau consultado há 90 dias e o contas a receber atualizado há cinco minutos não têm a mesma validade.
5. T — Travar pela política e alçada: aplique regras de valor, prazo, atraso, concentração, exceção e autoridade. A IA prepara cenários; a pessoa ou instância designada aprova, condiciona, reduz, divide ou recusa quando a decisão ultrapassa a autonomia permitida.
6. E — Encerrar e evoluir: grave decisão, justificativa, fontes, versão da política e condições. Depois, acompanhe faturamento, pagamento, atraso, contestação, override e perda para revisar regras e desempenho por coorte.

O método evita dois extremos ruins: a recusa mecânica de todo pedido fora do padrão e a aprovação informal porque “o cliente sempre compra”. Crédito operacional é uma escolha de risco e retorno com memória verificável.

Sete estados para não confundir análise com aprovação

1. Solicitado: pedido e condição comercial foram registrados.
2. Identificado: cliente, grupo, pagador e vínculos relevantes foram reconciliados.
3. Exposto: exposição total foi calculada com fontes e horário de corte visíveis.
4. Analisado: evidências, comportamento, incertezas e regras aplicáveis foram reunidos.
5. Proposto: há recomendação de aprovar, condicionar, dividir, reduzir ou recusar, ainda sem efeito no sistema.
6. Decidido: a alçada competente registrou decisão, validade, condições e motivo.
7. Monitorado: pedido, faturamento, recebimento e eventual atraso foram reconciliados com a decisão original.

“Analisado pela IA” não pode liberar pedido. “Aprovado no chat” não pode substituir o registro oficial. E “faturado” não encerra o ciclo: sem retorno de pagamento, a política aprende apenas com aprovações, não com resultados.

Matriz confiança da evidência × consequência da decisão

• Alta confiança, baixa consequência: a IA pode preparar e encaminhar a decisão pela rota normal; liberação automática só cabe se a política já autoriza explicitamente aquela faixa.
• Alta confiança, alta consequência: exigir alçada reforçada, visão de concentração e teste de cenário, mesmo que score e histórico sejam favoráveis.
• Baixa confiança, baixa consequência: pedir o dado faltante ou oferecer condição conservadora e reversível, sem inventar precisão.
• Baixa confiança, alta consequência: bloquear efeito, escalar e registrar exatamente o que impede a decisão.

Consequência combina valor, prazo, margem, concentração, reversibilidade, impacto no caixa e custo de recuperação. Confiança depende de identidade, completude, atualidade, origem e reconciliação — não do tom convincente do parecer.

Ficha mínima da decisão de crédito

• cliente, CNPJ, filiais, grupo econômico, pagador e vínculos relevantes;
• pedido, itens, valor, margem, prazo, condição, canal e data necessária;
• limite vigente, moeda, validade, escopo e aprovador original;
• títulos abertos por vencimento, atraso, acordo e situação de disputa;
• pedidos já liberados, faturamentos em trânsito e regra contra dupla contagem;
• créditos, devoluções e garantias com elegibilidade e evidência;
• fontes internas e externas, horário de consulta e prazo de validade;
• indicadores calculados, versão do modelo, limitações e dados ausentes;
• regra acionada, cenários possíveis e efeito de cada um na exposição;
• decisão, condições, alçada, justificativa, autor e validade;
• resultado posterior: faturado, pago, atrasado, renegociado, contestado ou perdido.

Exemplo: um pedido de R$ 48 mil que aparentemente “cabe”

Considere um caso hipotético de distribuidora. O cliente tem limite cadastrado de R$ 100 mil. O agente encontra R$ 62 mil em títulos abertos e R$ 24 mil em pedidos aprovados ainda não faturados. Há uma nota de crédito de R$ 8 mil mencionada por e-mail, mas a devolução correspondente ainda aguarda inspeção.

1. Sem descontar o crédito ainda não elegível, a exposição reconciliada é de R$ 86 mil e o disponível é de R$ 14 mil. Dos R$ 48 mil pedidos, R$ 34 mil exigem decisão adicional.
2. O agente mostra que R$ 20 mil dos títulos vencem em dois dias, identifica um atraso recente já regularizado e sinaliza que o dado externo foi consultado dentro da janela prevista na política.
3. Em vez de emitir “aprovado” ou “reprovado”, prepara três cenários: liberar R$ 14 mil agora; liberar uma parcela adicional condicionada à baixa confirmada; ou encaminhar aumento temporário com prazo e alçada definidos.
4. O analista verifica a causa do atraso, a margem do pedido, a concentração e a validade da nota de crédito. A autoridade competente aprova uma entrega dividida, com expiração automática da exceção.
5. O ERP recebe a condição aprovada; faturamento e recebimento voltam ao cartão da decisão. Se a exceção não expirar ou a parcela atrasar, o evento entra no placar e reabre a revisão.

O valor da IA está em reduzir procura manual e tornar a decisão comparável, não em esconder incerteza atrás de um número com duas casas decimais.

Dados pessoais e explicação: trate antes de colocar em produção

Crédito entre empresas pode envolver dados pessoais de sócios, garantidores, representantes e contatos. O artigo 20 da LGPD assegura ao titular o direito de solicitar revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, incluindo decisões destinadas a definir perfil de crédito. Também prevê informações claras e adequadas sobre critérios e procedimentos, observados os segredos comercial e industrial.

Isso não significa publicar o modelo nem aplicar automaticamente a mesma regra a toda relação puramente entre CNPJs. Significa mapear se há dados de pessoas naturais, finalidade, base legal, necessidade, acesso, retenção, canal de atendimento e possibilidade real de contestação. A ANPD segue trabalhando na regulamentação de decisões automatizadas; por isso, o desenho precisa ser acompanhado por responsáveis de privacidade e assessoria adequada ao caso.

O Financial Stability Institute, ligado ao BIS, também alerta que técnicas de explicabilidade nem sempre capturam de forma confiável o comportamento de modelos complexos de crédito. Uma lista de “fatores que influenciaram” não substitui qualidade dos dados, validação, governança do modelo e uma explicação operacional que permita revisar o caso.

O que a IA pode fazer — e onde deve parar

• Pode: reunir dados, reconciliar exposição, classificar documentos, detectar campos vencidos, calcular cenários, preparar justificativa e acompanhar prazos.
• Com confirmação: corrigir vínculo de grupo, aceitar crédito ou garantia, alterar classificação de disputa, enviar condição ao cliente e registrar exceção.
• Não deve decidir sozinha: elevar limite relevante, ignorar atraso, usar dado sem finalidade autorizada, contornar alçada, manter exceção indefinida ou transformar ausência de informação em aprovação.

O sistema precisa conseguir se abster. Quando identidade, exposição ou política não fecham, a saída correta é “não é possível decidir com as evidências atuais”, acompanhada da pendência, do responsável e do prazo.

Placar: velocidade sem qualidade vira inadimplência mais rápida

• Tempo até decisão válida: da solicitação completa ao registro pela alçada correta.
• Exposição divergente: decisões em que ERP, contas a receber e pedidos não reconciliaram no primeiro cálculo.
• Dado vencido usado: casos decididos com alguma fonte fora da validade definida.
• Override: recomendações alteradas por humanos, com motivo e resultado posterior.
• Vazamento de alçada: pedidos liberados sem autoridade, condição ou validade exigidas; a meta é zero.
• Atraso por coorte: comportamento em 30, 60 e 90 dias por regra, faixa, setor, vendedor e tipo de exceção.
• Resultado ajustado ao risco: margem de contribuição realizada menos perdas e custo operacional do processo.
• Revisão atendida: contestações recebidas, tempo de resposta e decisões corrigidas.

Compare coortes equivalentes e não comemore apenas taxa de aprovação ou velocidade. Um modelo pode aprovar mais, vender mais e destruir caixa alguns meses depois.

Doze perguntas para um diagnóstico de prontidão

1. Qual evento inicia uma revisão: novo cliente, pedido excedente, atraso, mudança cadastral ou revisão periódica?
2. Qual sistema guarda o limite oficial e quem pode alterá-lo?
3. Quais componentes formam a exposição e como a dupla contagem é evitada?
4. Como filiais, grupos econômicos, pagadores e garantidores são reconciliados?
5. Qual a validade de cada fonte e o que acontece quando ela vence?
6. Quais dados pessoais entram no processo e por qual finalidade?
7. Quais regras são bloqueios, quais são alertas e quais admitem exceção?
8. Quem aprova por faixa de valor, prazo, atraso e concentração?
9. Como uma exceção expira e como seu efeito é revertido?
10. Que explicação o analista, o comercial e o cliente precisam receber?
11. Como pagamento, atraso e perda retornam ao histórico da decisão?
12. Qual resultado provará que o piloto melhorou crédito, venda e caixa ao mesmo tempo?

Piloto assistido de 20 dias úteis

1. Dias 1–5: escolha uma carteira e uma faixa de pedido; documente política, fontes, exposição, alçadas, validade e linha de base.
2. Dias 6–10: rode o agente em modo sombra, sem alterar limite nem liberar pedido; compare cálculos e evidências com analistas.
3. Dias 11–15: use a ficha LIMITE para preparar decisões reais, sempre com confirmação humana e reconciliação diária dos efeitos.
4. Dias 16–20: teste exceções, dados vencidos, grupo econômico, cancelamento e indisponibilidade; revise métricas e mantenha monitoramento das coortes.

Interrompa a ampliação se o ERP não representa a exposição real, o time aprova fora do fluxo, a política vive apenas na cabeça de uma pessoa ou o agente não mostra a origem de cada campo. IA só gera retorno quando processo, dados, responsável, rotina de revisão e implantação operacional caminham juntos.

Fontes consultadas

• Serasa Experian — inadimplência das empresas em maio de 2026.
• ANPD — 3º Relatório Parcial do Sandbox Regulatório de IA, outubro de 2026.
• Banco Central do Brasil — pesquisa sobre uso e riscos de IA no sistema financeiro.
• Lei nº 13.709/2018 — LGPD, especialmente o artigo 20.
• ANPD — resultados da tomada de subsídios sobre decisões automatizadas.
• Financial Stability Institute/BIS — regulação, explicabilidade e risco de modelos de IA no setor financeiro.