O maior ROI de AI hoje não está em fazer coisas novas: está em finalmente fazer o básico funcionar

É uma boa ideia deslocar a conversa de “AI impressionante” para “AI que faz a operação parar de sangrar tempo e erro”. O foco deixa de ser “novo” e passa a ser “básico funcionando”. Isso muda a agenda de ROI: menos exceção, menos retrabalho, menos latência humana.

O padrão mais claro hoje está em operações financeiras e de back office: um levantamento de 2025 mostrou que 66% dos respondentes ainda digitam manualmente dados de faturas no ERP, 63% gastam mais de 10 horas por semana só com processamento de invoices, e apenas 29% já usam AI nesses fluxos; além disso, 73% ainda não estão totalmente automatizados. Isso mostra que o problema não é teórico nem “futuro”; é gargalo operacional presente.

Na reconciliação financeira, a Oracle afirma que clientes conseguem automatizar até 90% das reconciliações sem código customizado, e que um cliente reportou até 40.000 horas de esforço manual economizadas em um ano; a própria Oracle também diz que o matching pode lidar com milhões de registros.

No nível regulatório, a pressão para transações estruturadas já existe: a Comissão Europeia informa que, desde a Diretiva 2014/55/EU, administrações públicas na UE devem aceitar e-faturas no padrão europeu para contratos acima dos limites de procurement, e a UNESCAP observa que a adoção global de e-invoicing ainda é relativamente baixa, em torno de 22%, apesar de os volumes globais de invoices tenderem a crescer fortemente até 2028.

Na SAP, o caso mais concreto é o da Deloitte no SAP Innovation Awards 2025: a empresa automatizou um fluxo de finanças e procurement com um bot unattended no SAP Build Process Automation, que busca invoices de uma inbox central, valida e “park” os documentos no SAP S/4HANA Cloud Public Edition, reduzindo erro humano e risco de pagamentos perdidos.

No ecossistema financeiro mais amplo, a BlackLine mostra a mesma lógica de “básico funcionando”: sua plataforma afirma cobrir record-to-report e invoice-to-cash com AI embarcada, e em 30 de setembro de 2025 reportou 4.424 clientes e 385.336 usuários; a empresa lançou o Verity como suíte de AI auditável e obteve certificação ISO/IEC 42001:2023 para o seu sistema de gestão de AI.

Na camada de dados mestres, a Tamr descreve entity resolution como o processo de criar golden records a partir de múltiplas fontes, destacando que isso ajuda a consolidar fornecedores e reduzir duplicatas, silos e trabalho manual de matching.

O maior erro é achar que o valor de AI está em “tomar decisões melhores”. Na prática, boa parte do valor aparece antes da decisão, quando o sistema consegue limpar dados, reconhecer entidades iguais e eliminar exceções falsas. Os números de AP e reconciliação mostram exatamente isso: o gargalo está em entrada manual, discrepâncias e matching, não em falta de dashboards.

Muitas empresas tratam reconciliação como um problema de processo. Muitas vezes é um problema de identidade: o sistema não sabe se “ABC Ltda”, “ABC LTDA” e “ABC Brasil” são a mesma entidade. Entity resolution existe justamente para resolver essa ambiguidade e produzir um registro confiável.

Outro erro comum é superestimar interfaces inteligentes e subestimar a camada invisível de controle. Os casos mais maduros hoje não começam no “chat”; começam em ingestão, validação, matching e auditoria.

Primeiro: o ROI relevante não é “AI que faz coisas novas”; é AI que reduz ambiguidade. Isso muda o foco de inovação para controle operacional, porque o ganho vem de menos exceções, menos retrabalho e menos validação humana.

Segundo: o problema central não é apenas automação, mas consistência entre sistemas. Quando dados mestre e transações não concordam, o negócio paga duas vezes: primeiro em trabalho manual, depois em risco de erro e de compliance. Entity resolution e reconciliation são, na prática, uma única cadeia de valor.

Terceiro: regulação e AI estão andando juntas mais do que parece. A expansão de e-invoicing e padrões estruturados empurra empresas para formatos mais machine-readable; isso faz com que AI seja útil não por “inteligência criativa”, mas por normalização, validação e controle em escala.

Entity resolution: compara atributos como nome, endereço, identificadores fiscais e histórico de transações para estimar se registros diferentes representam a mesma entidade real.

Document AI / invoice extraction: usa modelos de visão + texto para transformar PDFs e imagens em campos estruturados, como número da fatura, data, fornecedor e total.

Transaction matching: pontua candidatos de correspondência entre invoice, pedido, recebimento e pagamento para decidir o que bate automaticamente e o que vira exceção.

Reconciliation automation: fecha ou sinaliza transações com base em regras e níveis de confiança, deixando os casos de menor certeza para revisão humana.

BlackLine Verity: lançado em setembro de 2025 como suíte de AI auditável para finanças; é um dos sinais mais claros de que o mercado está comprando AI “embutida” em fluxo financeiro, não só copilots.

Docling: projeto open source de processamento de documentos com releases muito frequentes e foco em entendimento de PDF; é um bom termômetro do interesse por infraestrutura de extração documental.

Forrester: Top AI Use Cases for AP/AR Automation 2025; o fato de um analista grande estar publicando heatmaps de uso em AP/AR mostra que o tema saiu do “experimento” e entrou no radar de priorização de áreas financeiras.

SAP Build Process Automation em invoice workflows: o exemplo da Deloitte no SAP Innovation Awards 2025 mostra que o mercado já está tratando automação de invoices e validação como caso de produção, não como conceito.

Owen Ryan (co-CEO e Chairman da BlackLine) disse que o ponto não é falar de “trusted AI”, mas provar isso com certificação e governança; a relevância da fala vem do fato de ele liderar uma plataforma usada no Office of the CFO em escala pública.

Jeremy Ung (CTO da BlackLine) afirmou que a visão é levar “autonomous finance” adiante e fazer a AI lidar com o trabalho pesado, deixando as pessoas para revisão e exceções; isso é relevante porque ele fala de dentro de uma empresa que já opera em record-to-report e invoice-to-cash.

Deloitte no SAP Innovation Awards 2025 é um exemplo concreto de decisão corporativa: um bot unattended foi colocado para buscar, validar e estacionar invoices no S/4HANA Cloud Public Edition. A importância está em mostrar que a automação do básico já virou prática premiada em ambiente enterprise.

Comissão Europeia e UNESCAP ajudam a ancorar o pano de fundo: e-invoicing estruturado já é exigência em partes do setor público europeu, enquanto a adoção global ainda é incompleta e cresce sob pressão de compliance e padronização.