Sosys cria agente financeiro privado com IA e dados multifontes

A Sosys é uma integradora de tecnologia e ISV (Independent Software Vendor) pioneira no desenvolvimento de ecossistemas inteligentes de negócios. Operando no modelo B2B enterprise, a companhia atende a uma carteira de clientes de médio e grande porte distribuídos em múltiplos setores verticais que demandam processamento de alta fidelidade analítica.

A operação da Sosys sustenta-se na entrega de governança, conformidade regulatória e visibilidade transacional. Diante de um cenário macroeconômico complexo, impulsionado pela iminente Reforma Tributária e pela necessidade de consolidação de dados fiscais e operacionais, a Sosys enfrentou o desafio de escalar sua oferta de valor. O objetivo central consistia em transitar de relatórios analíticos estáticos para uma arquitetura de tomada de decisão preditiva e descentralizada, eliminando a dependência de workflows manuais e consultas demoradas aos bancos de dados relacionais de seus clientes.

Problema real

No modelo operacional tradicional dos clientes da Sosys, as tomadas de decisões críticas sofriam com a latência de dados gerada por silos de informação. As variáveis fundamentais para o cálculo de run rate, projeção de fluxo de caixa e necessidade de capital de giro encontravam-se fragmentadas em múltiplos ambientes: bases relacionais de sistemas ERP, registros de interações em CRM e planilhas descentralizadas.

Gargalos operacionais e limitações técnicas

• Latência analítica excessiva: a consolidação de relatórios gerenciais estruturados dependia de processos manuais de extração e cruzamento de dados. Respostas a perguntas estratégicas, como simulações de quebra de contrato ou impactos de inadimplência no fluxo de caixa, demandavam dias de processamento interno e reuniões técnicas consecutivas.
• Fragmentação e inconsistência de schema: a ausência de uma camada unificada de saneamento de dados causava divergências métricas entre o faturamento registrado no CRM e a conciliação contábil do ERP.
• Riscos de compliance e fraude: a manipulação direta de dados financeiros sensíveis por operadores humanos aumentava a superfície de ataque para fraudes e inconformidades fiscais, violando preceitos de governança corporativa e segurança da informação.
• Impacto financeiro direto: a incapacidade de projetar cenários dinâmicos com base em prazos de recebimento e pagamento (DSO e DPO) resultava em alocações ineficientes de capital, gerando custos de oportunidade e descolamento do fluxo de caixa previsto versus executado.

Arquitetura da solução

Para sanar essas limitações, a Sosys utilizou o Skyone Studio, uma plataforma de integração inteligente e IA que unifica ferramentas de iPaaS, Lakehouse, Agentes de IA e interfaces conversacionais com BI. A arquitetura implementada para criar a Nanda, a CFO virtual da Sosys, estruturou-se em cinco camadas principais dentro do fluxo de processamento do Skyone Studio:

Componentes e stack tecnológica

1. Pipelining via iPaaS (Integration Platform as a Service): conexão assíncrona por meio de pipelines de dados integrando as APIs do ERP, CRM e sistemas legados de mercado. Os fluxos automatizados executam a ingestão de dados em tempo real, padronizando schemas heterogêneos.
2. Camada Lakehouse e Data Management: utilização do repositório gerenciado do Skyone Studio para organizar a jornada analítica. Os dados brutos (Raw DB) passam por processos automatizados de transformação e limpeza (Data Cleaner 2.0) para serem persistidos em views otimizadas (Prepared DB) e segmentados em Data Marts por cliente.
3. Orquestração de Agentes de IA (Agentic Workflow): implementação de um módulo autônomo baseado em Large Language Models (LLMs) privados. O agente de orquestração é capaz de entender objetivos textuais complexos, planejar sequências de ações, selecionar ferramentas (skills específicas de consulta) e realizar varreduras via prompts estruturados no banco de dados analítico.
4. Camada de Segurança, Governança e Antifraude: toda a transição e manipulação de payloads ocorre sob um ecossistema blindado. Regras estritas de validação barram requisições não autorizadas e auditam inconsistências transacionais antes de enviar o dado à interface final.
5. Distribuição Multicanal Omnichannel: integração nativa do Skyone Studio com mensageria corporativa, disponibilizando as capacidades do agente inteligente via WhatsApp corporativo, Microsoft Teams e ambientes de chat privados estruturados.

Desafios técnicos

A engenharia por trás do agente Nanda exigiu a mitigação de trade-offs de arquitetura de dados e IA generativa:

• Saneamento baseado em tokenização: modelos de linguagem operam sob restrições estritas de contexto (onde 1 token = 4 caracteres ou 0,75 palavras). Alimentar um LLM com tabelas financeiras brutas extrapolaria a janela de contexto e elevaria os custos operacionais. O Skyone Studio resolveu isso aplicando sumarização estruturada e tradução nativa de linguagem natural para consultas SQL (text-to-SQL) diretamente nos Data Marts preparados, otimizando o consumo de tokens.
• Garantia de determinismo analítico: modelos generativos puros estão sujeitos a alucinações, um risco inaceitável para balanços contábeis. A arquitetura implementou técnicas de RAG (Retrieval-Augmented Generation) acopladas a validações cruzadas. A inteligência artificial só responde com base em dados rigorosamente estruturados e validados contidos no Data Lake interno da solução.
• Segregação de contextos de dados sensíveis: para evitar o vazamento de dados (data leakage) entre diferentes corporações atendidas pela Sosys, o Studio isolou logicamente as bases de conhecimento em partições criptografadas individuais, mantendo chaves de acesso exclusivas vinculadas ao ID de cada organização usuária.

Implementação

O rollout do projeto executou-se em quatro fases macro estruturadas dentro do ecossistema unificado da Skyone:

Fase 1: mapeamento de operadores sistêmicos e ingestão (iPaaS)

Mapeamento de todas as fontes transacionais dos clientes (tabelas de contas a pagar, receber, faturamento e logs de CRM). Configuração dos conectores pré-construídos e barramentos de API via pipelines de iPaaS do Skyone Studio, garantindo a ingestão automatizada e contínua das informações.

Fase 2: estruturação do lakehouse e saneamento

Centralização dos dados ingeridos na camada Data Lake. Implementação de fluxos de transformação lógica de dados para expurgar duplicidades, tratar campos nulos e converter strings em formatos numéricos padronizados para auditoria financeira.

Fase 3: engenharia de prompts e agentic workflow

Desenvolvimento do fluxo de tomada de decisão do agente inteligente no Studio. Configuração de habilidades (skills) específicas, tais como: gatilhos de simulação de fluxo de caixa, rotinas de verificação de conformidade fiscal e geradores de queries otimizadas para o banco de dados. Integração com os LLMs selecionados e calibração de hiperparâmetros de temperatura para zerar desvios conceituais.

Fase 4: validação de segurança e publicação omnichannel

Homologação da camada antifraude integrada. Ativação dos gateways de publicação multicanal para conectar a Nanda diretamente aos ambientes de produção do WhatsApp e Microsoft Teams dos clientes homologados, permitindo interações corporativas em tempo real por meio de áudio e texto.

Resultados mensuráveis

A transição das operações analíticas para o ecossistema assistido por IA generativa no Skyone Studio gerou melhorias estruturais quantificáveis:

• Redução no tempo de resposta analítica: consultas complexas de planejamento de cenários financeiros e geração de relatórios gerenciais estruturados caíram de dias para segundos, operando em regime de tempo real (24/7).
• Eficiência operacional: redução drástica no retrabalho e na necessidade de reuniões de alinhamento técnico para extração manual de bases corporativas.
• Mitigação ativa de riscos de fraude: implementação de alertas automatizados em tempo real. Caso o agente identifique um título agendado para pagamento sem o respectivo documento de entrada correspondente no ERP, o fluxo gera um gatilho de conformidade protetivo, bloqueando potenciais gargalos ou fraudes operacionais.
• Aumento da disponibilidade da informação: aceleração de decisões táticas em reuniões de comitê executivo, eliminando adiamentos devido à ausência imediata de indicadores macroeconômicos validados.

Lições aprendidas

1. A inteligência depende da estruturação previa: modelos de IA generativa avançados perdem utilidade operacional se aplicados sobre bancos de dados desorganizados ou corrompidos. O sucesso da Nanda residiu na capacidade do Skyone Studio de tratar, sanear e organizar os dados na camada Lakehouse antes da exposição ao LLM.
2. Abordagem focada na camada de aplicação: o desenvolvimento ágil de soluções enterprise inovadoras não exige que companhias construam modelos fundamentais de IA do zero. O real valor corporativo é destravado ao orquestrar a infraestrutura de LLMs existentes com os dados privados e específicos do negócio.
3. Segurança como pré-requisito para escalar IA: no segmento B2B enterprise, o processamento inteligente de dados sensíveis só é viável sob rígidos frameworks de governança e ambientes isolados que garantam conformidade regulatória contínua.

FAQ

O que é um agente financeiro privado com IA?

Trata-se de uma arquitetura inteligente baseada em modelos de linguagem (LLMs) que opera em ambiente corporativo fechado. Diferente de inteligências artificiais públicas, o agente privado consome dados internos exclusivos de uma empresa (como ERP e CRM), garantindo total sigilo, governança Zero Trust e respostas de alta precisão analítica sem compartilhamento externo de informações.

Como o Skyone Studio garante a segurança de dados financeiros sensíveis?

O Skyone Studio atua unificando camadas de segurança, conformidade e barreiras antifraude no fluxo de dados. Os dados das companhias passam por isolamento lógico em estruturas dedicadas de Lakehouse, impedindo acessos cruzados ou vazamento de contextos (data leakage), mantendo total rastreabilidade transacional em conformidade com normas rígidas de governança corporativa.

Como funciona o processo de integração de dados multifontes no Skyone Studio?

A plataforma atua por meio de uma solução de iPaaS integrada que centraliza e orquestra fluxos de informação de mais de 400 sistemas de mercado (como ERPs, CRMs e bancos de dados externos). Esses pipelines extraem, saneiam e padronizam dados estruturados e não estruturados, carregando-os de forma automatizada em um Lakehouse unificado para consumo imediato pelos agentes de IA.

O uso de IA Generativa em finanças corporativas pode causar erros em relatórios?

Para evitar erros ou alucinações analíticas, a arquitetura de dados aplicada no Skyone Studio adota técnicas avançadas de RAG (Retrieval-Augmented Generation). Isso significa que o agente de inteligência artificial é tecnicamente limitado a responder perguntas utilizando exclusivamente dados reais, limpos e validados contidos no Data Lake privado da organização, garantindo determinismo matemático nas respostas.