O fine-tuning supervisionado (SFT) de modelos abertos para categorizar despesas no padrão SPED só faz sentido quando existe um histórico rotulado confiável. A tarefa é associar a descrição de um gasto à conta contábil e à natureza fiscal corretas. Sem exemplos revisados por contabilidade, o modelo aprende o ruído do passado em vez da regra que o escritório aplica.
Este guia trata do treino de um classificador próprio com pares de entrada e saída. A conciliação dos documentos em si é outro problema, e está descrita em agentes de conciliação fiscal entre SPED e notas de entrada. Aqui a pergunta é mais estreita: como ensinar um modelo aberto a escolher a conta certa para uma despesa descrita em texto livre.
Resumo rápido
- Trate os lançamentos já escriturados como fonte de rótulos, após revisão humana.
- Separe treino, validação e teste por período e por fornecedor, não por linhas aleatórias.
- Comece com um modelo pequeno e ajustes de baixo custo antes de escalar.
- Meça acerto por classe contábil, não apenas a média geral.
- Mantenha uma regra de recusa para casos ambíguos ou fora do plano de contas.
1. O que muda quando a tarefa é categorizar
Extrair o valor e a data de um documento é uma tarefa de leitura. Categorizar é uma tarefa de decisão: a mesma descrição pode pertencer a contas diferentes conforme o regime tributário, o centro de custo e a natureza da operação. Um modelo que acerta o texto do recibo e erra a conta continua inútil para o fechamento.
O SPED, o Sistema Público de Escrituração Digital da Receita Federal, organiza obrigações como a EFD ICMS/IPI e a EFD Contribuições. O plano de contas e a natureza da operação definem onde cada valor entra. A página oficial do SPED reúne os manuais e layouts vigentes; esses documentos são a referência para validar as classes que o modelo deve prever. Antes de treinar, fixe essa taxonomia em uma lista própria, com o código e o significado de cada conta.
Não confunda este treino com a auditoria de despesas contra políticas internas, tema de agentes de auditoria de despesas contra políticas internas. A auditoria questiona se o gasto deveria existir. A categorização assume que o gasto existe e define onde ele é lançado. São camadas diferentes e convém tratá-las separadamente.
2. Monte o conjunto de treino a partir do histórico real
A matéria-prima é o livro de lançamentos já revisado. Cada linha útil vira um exemplo: de um lado, a descrição como ela chegou no sistema; do outro, a conta contábil escolhida. Descarte lançamentos que foram ajustados depois, salvo se você guardar o par completo, entrada e rótulo final, para não ensinar o erro corrigido.
A revisão humana é o gargalo, não o treino. Peça a um contador que aprove uma amostra das decisões e rejeite os casos em que a regra não está clara. Ambiguidade não some com mais épocas de treino; ela é propagada. Uma prática útil é registrar o motivo da recusa, porque esses casos costumam indicar lacunas na taxonomia. Anote também a data de corte dos dados usados, porque o modelo precisará de um novo ciclo quando o plano de contas ou o regime tributário mudar.
Divida os dados por tempo e por fornecedor. Se o mesmo fornecedor aparece no treino e no teste, o modelo pode decorar o padrão dele e parecer melhor do que é. Use um corte temporal, por trimestre, e reserve no teste fornecedores que não existem no treino. Essa separação é o que separa uma métrica honesta de um número de vitrine. O mesmo raciocínio de montagem de conjunto aparece em classificação de contratos com taxonomia e teste antes do fine-tuning.
3. Escolha o formato do exemplo e a base aberta
Modelos abertos como as famílias Llama, Qwen e Mistral podem ser ajustados localmente quando a política de dados proíbe enviar lançamentos a serviços externos. A escolha do tamanho depende do volume e da latência aceitável, não de um ranking absoluto. Comece pequeno: um modelo de poucos bilhões de parâmetros com um conjunto bem montado supera com frequência um modelo grande alimentado com dados confusos.
Use o mesmo formato de instrução em todo o conjunto. Um par típico declara a tarefa, oferece a descrição e o contexto permitido, e exige a conta como saída. O contexto pode incluir o fornecedor e o centro de custo, desde que estejam disponíveis no momento da inferência. Nunca inclua no treino um campo que a produção não terá.
| Decisão | Ajuste total (full SFT) | Ajuste com LoRA |
|---|---|---|
| Custo de treino | Alto, exige GPU maior | Baixo, cabe em GPU de consumo |
| Dados necessários | Muitos exemplos | Menos exemplos costumam bastar |
| Manutenção | Um artefato por especialidade | Adaptadores leves por especialidade |
| Quando usar | Mudança ampla de comportamento | Uma tarefa estreita e estável |
A biblioteca TRL, do ecossistema Hugging Face, traz o SFTTrainer para o treino supervisionado, e a PEFT concentra os adaptadores de baixo rank. Os conceitos de LoRA estão no artigo original de Hu e colaboradores. Um guia de ajuste eficiente em hardware modesto está em LoRA e QLoRA para fine-tuning eficiente.
4. Treine com SFT e meça por classe contábil
O objetivo do SFT é ajustar o comportamento do modelo a partir dos exemplos. Configure uma taxa de aprendizado pequena, acompanhe a perda de validação e interrompa quando ela parar de cair. Salvar o melhor ponto, e não o último, evita decorar o treino. Registre a versão do modelo base, dos dados e dos hiperparâmetros junto com cada artefato.
Meça acerto por classe. Uma média alta pode esconder uma conta rara que o modelo nunca acerta. Monte a matriz de confusão e olhe as trocas mais frequentes: elas revelam descrições parecidas que a taxonomia trata de forma diferente. Se duas contas se confundem sempre, talvez falte contexto ou a regra precise de uma pergunta adicional ao usuário.
Antes de trocar o modelo, compare com alternativas simples. Uma busca por similaridade sobre lançamentos históricos, ou um prompt com poucos exemplos, pode resolver boa parte dos casos a custo baixo. A decisão entre ajustar e apenas recuperar documentos está em fine-tuning ou RAG. Se a alternativa simples já atinge a meta, o treino dedicado não se justifica.
Defina um limite de confiança. Quando o modelo não está seguro, ele deve encaminhar o caso para revisão em vez de escolher uma conta qualquer. Essa regra de recusa protege o fechamento e cria a fila de exemplos que alimentará o próximo ciclo de treino. Revise essa fila com regularidade e transforme os casos já resolvidos em novos exemplos, fechando o ciclo entre operação e modelo.
5. Exemplo: escritório de contabilidade em Campinas
Considere um escritório fictício de Campinas que atende pequenos comércios. As despesas chegam por planilha, com descrições como “compra de material de limpeza” ou “serviço de manutenção do ar”. Este exemplo é ilustrativo e não descreve uma implantação nem apresenta ganhos medidos.
A equipe exporta dois anos de lançamentos revisados, monta o plano de contas em uma lista única e marca os casos ambíguos para revisão. Separa 2023 para treino e 2024 para teste, garantindo que fornecedores novos apareçam no teste. Treina um modelo pequeno com LoRA e compara com uma busca por similaridade sobre os mesmos dados.
A decisão não sai da média geral: o contador examina os erros por conta. Se a confusão está concentrada em despesas de manutenção, eles acrescentam o centro de custo ao formato do exemplo e repetem o ciclo. Cada versão aprovada é publicada com uma ficha que registra data, dados e resultado, para poder voltar atrás se a qualidade cair.
Erros comuns
Treinar com rótulos não revisados. O histórico contém correções e exceções. Usá-lo sem curadoria ensina o modelo a repetir decisões que a própria equipe já considerou erradas. A revisão humana é parte do pipeline, não uma etapa opcional.
Dividir os dados de forma aleatória. Linhas do mesmo período e do mesmo fornecedor em treino e teste inflam a métrica. O corte por tempo e por fornecedor testa o que interessa: generalizar para o que ainda não foi visto.
Medir só a média. A média esconde a conta rara que sempre erra. Avalie por classe e acompanhe as trocas mais comuns antes de aprovar uma versão.
Esquecer a confiança. Um classificador sem limite de recusa decide no escuro. Estabeleça quando encaminhar para revisão e acompanhe o volume dessa fila como indicador de qualidade.
Perguntas frequentes
Preciso de um modelo grande para essa tarefa?
Não necessariamente. A categorização de despesas é uma decisão com poucas saídas possíveis. Um modelo pequeno, bem ajustado e com dados limpos, costuma ser suficiente. Comece pequeno e escale só se a métrica por classe exigir.
Posso usar um modelo aberto de outra família?
Sim. O critério é a disponibilidade de treino local e a licença compatível com o uso. Verifique a licença de cada base antes de colocar em produção. A escolha não depende de qual família tem mais destaque no momento.
Quanto dado é preciso?
Não existe um número fixo. O que importa é a cobertura das contas e a variedade das descrições. Um conjunto menor, com todas as classes representadas e revisado, vale mais do que milhares de linhas repetidas.
Como tratar despesas com descrição ambígua?
Não force uma escolha. Encaminhe para revisão humana e registre o motivo. Com o tempo, esses casos mostram onde falta contexto ou onde a taxonomia precisa mudar. Ambiguidade é sinal, não obstáculo a contornar no treino.
O modelo substitui o contador?
Não. Ele sugere a conta e reduz o trabalho repetitivo. A responsabilidade pela escrituração continua sendo de quem assina. O ganho está em liberar tempo para os casos que exigem julgamento.
