O estado inicial
Quando assumi o financeiro da Sanfarma, a rotina de fechamento mensal durava 12 dias úteis. O processo envolvia:
- Exportar extratos de três bancos diferentes em PDF
- Digitar cada lançamento manualmente no ERP
- Conferir saldos no olho, célula por célula
- Cruzar com as notas fiscais de entrada impressas
O time financeiro passava a primeira quinzena do mês fazendo trabalho que um script faria em 40 segundos.
A decisão
Eu poderia ter contratado uma consultoria de R$ 80 mil para implementar um módulo de conciliação. Em vez disso, passei três semanas estudando a documentação de OAuth dos bancos e escrevendo um script em Python.
A escolha não foi sobre dinheiro — foi sobre controle. Se eu terceirizasse, cada alteração futura dependeria de um chamado, um orçamento e uma reunião. Escrevendo o código, eu viro a fonte.
O que construí
O pipeline tem três estágios:
- Extração: um container Docker com certificados mTLS puxa extratos de três bancos via API
- Classificação: cada lançamento passa por um motor de regras determinísticas + LLM para categorização contábil
- Conciliação: o resultado bate contra o razão do ERP via consulta SQL direta
Tudo roda num cronjob diário às 7h. O resultado chega no meu Telegram com um resumo e uma lista de divergências — se houver.
O resultado
Em 90 dias, o fechamento caiu de 12 para 3 dias úteis. Mas o número que mais me interessa é outro: zero lançamentos digitados manualmente.
O tempo que o time ganhou não virou ócio — virou análise. Agora eles investigam por que uma conta divergiu em vez de se divergiu.
O que aprendi
Empresa tradicional não é avessa à tecnologia — é mal instrumentada. As pessoas querem trabalhar melhor. Só não têm as ferramentas.
E a melhor ferramenta que eu já entreguei para o meu time não foi um dashboard bonito. Foi um script que roda sozinho às 7h da manhã e entrega o trabalho pronto antes mesmo de eles chegarem.