Como uma análise de crédito caiu de um dia útil para minutos

A análise de crédito de cliente novo levava um dia útil numa operadora de telecom. Quando fomos cronometrar onde o tempo ia, a resposta foi desconfortável: quase tudo era coleta. Abrir sete fontes diferentes, consultar cadastro, tirar print, colar no relatório, repetir. A análise em si — ler o conjunto e formar um juízo — levava minutos.

O gargalo não era julgamento. Era transporte de informação. E transporte de informação é exatamente o que máquina faz melhor que gente.

A tentação que evitamos

O caminho óbvio em 2026 seria jogar os documentos num modelo de linguagem e pedir um parecer. Funcionaria numa demonstração e seria insustentável em produção, por três motivos que não têm a ver com qualidade do modelo:

• Decisão de crédito precisa ser defendida. Quando o cliente questiona uma recusa, alguém tem que apontar a regra aplicada. "O modelo achou" não é resposta que se dê a um órgão regulador.
• Modelo não é reprodutível na margem. Duas execuções sobre a mesma entrada podem divergir, e num processo de risco isso é defeito, não característica.
• Reprocessar ficaria caro. Mudar um critério significaria rodar tudo de novo, inclusive as consultas pagas a bureau.

Quatro estágios, quatro artefatos

O desenho que adotamos separa o processo em quatro etapas independentes. Cada uma recebe um artefato pronto, faz uma coisa só e entrega outro artefato:

documento + 7 fontes
        ↓
  [1 · DADOS]        ──►  dossie.json        o que existe
        ↓
  [2 · REGRAS]       ──►  avaliacoes[]       o que cada regra disse
        ↓
  [3 · DIAGNÓSTICO]  ──►  diagnostico.json   o que isso significa
        ↓
  [4 · DOCUMENTO]    ──►  laudo.pdf          como se lê

A separação parece burocrática até a primeira vez em que alguém pede para mudar um critério. Como o estágio 2 lê um dossiê já montado, dá para alterar uma regra e reprocessar a análise inteira sem tocar no estágio 1 — ou seja, sem pagar de novo pelas consultas de bureau. Num processo em que cada consulta custa dinheiro, isso deixa de ser elegância arquitetural e vira economia direta.

Onde a IA entra — e onde ela para

A IA atua exclusivamente no estágio 1, e só para ler. Ela extrai dados de documentos enviados pelo analista, interpreta prints de sistemas que não têm API, e ajuda a identificar qual das empresas retornadas numa busca é a empresa-alvo — escolhendo entre candidatos, num campo fechado, nunca inventando um nome novo.

Depois do estágio 1, nenhuma chamada a modelo acontece. As regras são código. O diagnóstico é código. O laudo é template. Nenhuma frase do documento final é gerada por modelo.

Em processo que precisa ser defendido, a IA rende mais como leitora do que como juíza.

As regras que não se negociam

Algumas decisões foram escritas como invariantes do sistema, não como preferências. Estas três são as que mais evitaram problema:

Falta de dado nunca é sinal verde

Quando uma fonte não responde, o resultado daquela verificação é indeterminado — e indeterminado jamais é convertido em "não disparou nenhum alerta". Parece óbvio escrito assim, e é exatamente o bug silencioso mais comum nesse tipo de sistema: a ausência de alerta sendo lida como ausência de risco.

Coletor que falha vira lacuna, não erro

Sete fontes externas significam sete pontos de instabilidade. Se qualquer uma delas derrubasse a análise inteira, o sistema seria inútil na prática. Fonte indisponível é registrada como informação faltante, o processo segue, e o laudo mostra explicitamente o que não foi possível verificar.

Cache antes de qualquer chamada paga

Consulta a bureau é cobrada por requisição. O sistema verifica o cache antes de gastar, e a separação em estágios garante que reprocessar por mudança de regra não dispara coleta nova.

O que o analista vê

Do lado de quem usa, a mudança é simples: ele anexa num formulário o mesmo modelo de relatório que já usava e recebe um protocolo na hora. Minutos depois, chega na caixa do time o laudo completo em PDF, com as evidências e os prints anexados no lugar certo.

E há uma linha que o sistema não cruza: ele não conclui. Não aprova e não reprova. O score que aparece no laudo é indicação de atenção, não decisão — a decisão continua sendo de uma pessoa, agora com o material pronto na frente dela.

O que fica dessa arquitetura

O padrão vale para qualquer processo que precise ser auditado: fiscal, jurídico, compliance. Separe a coleta da avaliação, deixe a IA na parte de leitura — que é onde ela realmente resolve um gargalo — e mantenha a conclusão em regra explícita que uma pessoa consiga ler, versionar e contestar.

O ganho de tempo veio de eliminar trabalho braçal, não de terceirizar julgamento. São coisas diferentes, e confundir as duas é o que faz projeto de IA parar no piloto.