Radar IA 19 de outubro de 2026
✨ IA MÁGICA Agentes · Modelos · Automação
ÚLTIMAS
Automação e Ferramentas

Notas fiscais com IA: como revisar divergências antes do lançamento

Notas fiscais com divergências devem sair do fluxo automático e entrar em uma fila de revisão antes do lançamento. A IA pode explicar diferenças entre.

Notas fiscais com IA: como revisar divergências antes do lançamento
Imagem: capa editorial — Automação e Ferramentas

Notas fiscais com divergências devem sair do fluxo automático e entrar em uma fila de revisão antes do lançamento. A IA pode explicar diferenças entre documentos e sugerir o próximo passo, mas a liberação precisa de evidências: arquivo de origem, campos comparados, regra que falhou e responsável pela decisão.

Este guia trata dessa fila de exceções no recebimento de documentos. O objetivo é impedir que um dado incompleto vire lançamento aprovado e permitir que uma nota corrigida volte ao fluxo sem duplicidade. A implantação da captura está no guia de triagem de NF-e XML no n8n; aqui o foco começa quando a captura encontra um problema.

Resumo rápido

  • Separe documento recebido, dados extraídos e decisão de lançamento.
  • Crie motivos objetivos para interromper o fluxo, como campo ausente ou conflito entre fontes.
  • Mostre a evidência original ao revisor, junto da sugestão da IA.
  • Não use a confiança declarada pelo modelo como autorização.
  • Registre a correção e confira se o documento já foi lançado antes de reprocessar.

Quais divergências devem interromper o lançamento

Uma fila útil começa com uma lista pequena de motivos reconhecíveis. “Erro na nota” é amplo demais: não diz quem deve agir nem o que falta. Prefira “XML ausente”, “identificação do destinatário diferente do cadastro”, “valor extraído diferente da fonte” ou “documento possivelmente já lançado”.

Separe três situações. A primeira é falha de leitura: o sistema não conseguiu obter um campo que existe no arquivo. A segunda é conflito documental: dois arquivos apresentam informações incompatíveis. A terceira é dúvida de enquadramento: os dados estão legíveis, mas a equipe não sabe como tratá-los. Cada uma exige uma resposta diferente.

Na falha de leitura, peça outro arquivo ou melhore a extração. No conflito, confronte a fonte oficial e solicite esclarecimento ao fornecedor. Na dúvida fiscal, encaminhe ao responsável contábil. Pedir ao modelo para “resolver tudo” mistura problemas e dificulta explicar a decisão depois.

Motivo da pendência Evidência necessária Próximo responsável
Campo ilegível na imagem Trecho original e campo não identificado Recebimento, para pedir arquivo melhor
Valor extraído não corresponde ao original Campo original e resultado da extração Revisor operacional
Pedido e documento não correspondem Pedido, itens e referência do documento Compras ou solicitante
Possível duplicidade Identificador e registro anterior localizado Financeiro
Dúvida sobre retenção ou enquadramento Documento e contexto contratual Responsável contábil ou fiscal

Essa tabela é uma proposta de organização interna, não uma regra tributária. A empresa deve ajustar responsáveis, critérios e prioridades à sua operação.

Como montar o pacote de evidências

O revisor precisa entender o caso sem caçar mensagens em várias caixas de entrada. Para cada pendência, reúna o documento original, sua origem, a data do recebimento, os campos extraídos e o motivo do bloqueio. Guarde também a versão da regra ou do processo que apontou a diferença.

Se houver XML, mantenha-o separado do texto interpretado. Se houver apenas imagem, mostre o recorte que contém o campo discutido e permita abrir o documento completo. OCR, sigla para reconhecimento óptico de caracteres, produz uma leitura da imagem; não transforma automaticamente essa leitura em informação confirmada.

Evite tratar todo documento fiscal como se tivesse o mesmo leiaute. A NF-e de mercadorias e a NFS-e de serviços têm estruturas e mecanismos de consulta próprios. O Portal da NFS-e reúne acesso à consulta e à documentação do padrão nacional. Direcione a conferência ao sistema correspondente ao documento recebido.

O pacote também precisa dizer o que não foi encontrado. Em vez de preencher uma referência faltante com um número parecido, registre “não identificado”. A ausência explícita permite cobrar o dado correto e evita que uma suposição ganhe aparência de cadastro oficial.

Dados mínimos para a decisão

  • Identificador interno da pendência e vínculo com o documento.
  • Campo questionado, valor extraído e fonte comparada.
  • Regra que falhou e consequência do bloqueio.
  • Responsável atual e próxima ação esperada.
  • Histórico das decisões, sem sobrescrever o original.

Não copie automaticamente documentos completos para alertas por e-mail. Uma mensagem curta com identificação da pendência e acesso restrito ao pacote costuma ser suficiente para o trabalho do revisor.

O que pedir à IA durante a revisão

Use a IA para organizar o caso: resumir a divergência, localizar trechos que merecem conferência e redigir uma pergunta ao fornecedor. Um pedido útil seria: “Compare os campos fornecidos. Liste diferenças, cite o arquivo de cada valor e marque como não identificado o que não estiver nas fontes. Não proponha tratamento tributário”.

A saída pode ter três partes: observações, informações faltantes e sugestão de encaminhamento. O modelo não deve receber acesso para liberar pagamento ou alterar cadastro bancário nessa etapa. Isso mantém o alcance da tarefa coerente com a finalidade de explicar a pendência.

Exija que uma explicação possa ser confrontada com o pacote. “Parece correto” não ajuda. “O total extraído da imagem difere do total apresentado no arquivo original” permite ao humano localizar o problema. Se a ferramenta não consegue apontar uma fonte verificável, a afirmação continua sem confirmação.

A confiança declarada pelo modelo também não basta. Um número alto pode acompanhar uma resposta errada. Para definir quando reduzir a revisão humana, teste primeiro com documentos já conferidos e conte erros por campo e tipo de arquivo. Esse é um critério operacional de qualidade; não substitui a análise fiscal do documento.

Não confunda esse trabalho com cálculo de impostos. Para o recorte tributário, consulte o guia de auditoria de notas de serviços tomados e envolva o profissional responsável pelas regras aplicáveis à empresa.

Como decidir, corrigir e reprocessar

Defina estados que representem trabalho real: aguardando documento, aguardando revisão, aguardando fornecedor, encaminhado ao fiscal e liberado para lançamento. Cada mudança deve registrar quem decidiu e por quê. Evite o botão genérico “resolver” se ele não deixar claro o efeito no sistema.

Uma correção da extração deve preservar o valor anterior e apontar a evidência usada. Uma correção no cadastro precisa passar pelo procedimento de cadastro. Uma informação errada no documento não deve ser “consertada” silenciosamente na cópia interna para fazer o fluxo passar. Nesse caso, peça orientação sobre a regularização apropriada.

Antes de tentar novamente

  1. Confira qual fonte ou decisão mudou desde a tentativa anterior.
  2. Verifique se o documento já tem vínculo com um lançamento.
  3. Execute novamente apenas a etapa afetada pela correção.
  4. Reaplique as validações necessárias e registre o resultado.
  5. Libere o avanço somente para a ação aprovada.

Revisar uma nota não equivale a aprovar seu pagamento. Separe essas permissões na operação e na tela. A pessoa que confirma um campo extraído pode não ter autoridade para reconhecer uma compra ou liberar dinheiro.

Também evite usar nome de arquivo como única identidade. O fornecedor pode reenviar o mesmo documento com outro nome. O controle de duplicidade deve considerar os identificadores adequados ao tipo documental e o registro já existente no sistema.

Como manter regras, acesso e fontes atualizados

Registre a origem das regras fiscais e a pessoa que as validou. Uma recomendação antiga de um assistente não é fonte normativa. Se o processo depende do emissor nacional de serviços, acompanhe a documentação técnica oficial da NFS-e e revise alterações antes de mudar o fluxo em produção.

Há mudanças que afetam o cadastro do fornecedor e o recebimento. A Receita Federal informa que ME e EPP optantes pelo Simples Nacional, nas prestações sujeitas à NFS-e, devem usar o Emissor Nacional a partir de 1º de novembro de 2026. Use a orientação da Receita para alinhar o procedimento com o contador, sem presumir que todo fornecedor ou documento tem o mesmo enquadramento.

Documentos podem conter dados pessoais. A LGPD prevê princípios como finalidade, necessidade e segurança. Na fila, isso se traduz em acesso conforme a função, compartilhamento limitado e política de retenção definida com os responsáveis. Evite guardar cópias em ferramentas que não fazem parte do processo aprovado.

Monitore também a própria fila: idade das pendências, motivo mais frequente, casos devolvidos por falta de evidência e documentos reprocessados que voltaram a falhar. Se um fornecedor concentra falhas de leitura, melhorar a origem do arquivo pode ser mais útil do que trocar o modelo de IA.

Exemplo: distribuidora de peças em Campinas

Imagine uma distribuidora de peças em Campinas que recebe documentos de fornecedores por e-mail. Em um caso ilustrativo, o arquivo extraído mostra um valor diferente do pedido. O sistema cria uma pendência e mantém o lançamento suspenso.

A compradora abre o pacote e vê o pedido, o documento recebido e os campos comparados. Ela identifica que o pedido foi alterado depois da primeira aprovação. Em vez de aceitar a sugestão da IA, localiza a versão aprovada e a inclui como evidência. O responsável confere se os itens recebidos correspondem a essa versão.

Em outro caso, há apenas uma foto com um dígito ilegível. A equipe pede o arquivo ao fornecedor. O assistente pode redigir a solicitação, mas não preenche o dígito por semelhança. Quando o documento chega, o sistema vincula a nova fonte à mesma pendência.

Antes do reprocessamento, o financeiro confere se já existe lançamento associado. As validações voltam a rodar com a fonte correta. O histórico preserva a falha inicial e a decisão. Não há promessa de economia neste exemplo: o resultado esperado é conseguir explicar por que cada documento avançou.

Erros comuns

  • Corrigir o original para passar na regra. Preserve a fonte e registre a interpretação separadamente.
  • Enviar tudo ao contador. Falta de arquivo pode ser resolvida no recebimento; dúvida tributária exige outro responsável.
  • Tratar valor semelhante como confirmação. Consulte identificadores e contexto da compra.
  • Encerrar sem evidência. Uma anotação como “conferido” não explica a decisão.
  • Reexecutar o lote completo. Confira os vínculos anteriores para evitar lançamentos repetidos.
  • Deixar pendências sem dono. Cada estado precisa de uma pessoa ou equipe responsável.

Perguntas frequentes

Uma divergência significa que a nota é inválida?

Não necessariamente. Pode ser falha de extração, pedido desatualizado ou conflito de cadastro. A fila identifica a causa antes da decisão; ela não declara validade fiscal por conta própria.

Posso liberar pela confiança da IA?

Não use esse indicador isoladamente. Confronte os campos com evidências e regras verificáveis. Comece com revisão humana e avalie o desempenho real antes de ampliar a automação.

O que fazer quando só recebo um PDF?

Solicite a fonte eletrônica adequada quando disponível. Se precisar extrair do PDF, mantenha o vínculo com o documento e encaminhe campos ilegíveis para revisão, sem inventar valores.

Quem resolve dúvidas de retenção?

Encaminhe ao responsável fiscal ou contábil com documento, contrato e descrição da operação. A função do assistente nessa etapa é organizar informações para a decisão.

Qual é o melhor primeiro controle?

Comece impedindo o avanço de documentos sem evidência suficiente e atribuindo um responsável à pendência. Depois inclua correção rastreável e conferência de duplicidade no reprocessamento.

Fontes e leitura recomendada

Sobre

A Redação IA Mágica é formada por especialistas e pesquisadores em inteligência artificial aplicada, agentes autônomos, automações no-code/pro-code e grandes modelos de linguagem (LLMs). Nossos conteúdos cobrem implementações reais, análises e tutoriais aprofundados para profissionais e empresas.