A classificação de gastos com IA precisa demonstrar mais que acerto em uma apresentação comercial antes de orientar negociações. Para decidir se a ferramenta pode apoiar a gestão de categorias, Compras deve testar uma base independente, medir erros por quantidade de registros e valor financeiro e contabilizar a revisão humana. O objetivo é verificar se o resultado melhora a análise sem transferir trabalho para os compradores.
Prepare os dados e a regra de classificação
Comece pela taxonomia: a estrutura de categorias e subcategorias que receberá os gastos. Documente o significado de cada grupo, suas exclusões e exemplos de enquadramento. Sem essa referência, comprador e ferramenta podem usar critérios diferentes para o mesmo item.
Defina também a unidade de análise. Uma nota fiscal com materiais e serviços não deve receber uma categoria única se a decisão depende dos itens. Preserve os identificadores que ligam cada linha ao pedido, à nota e ao fornecedor, evitando contar a mesma compra duas vezes.
Descrições como “diversos” devem ser sinalizadas, não completadas por suposição. Normalize cadastros inconsistentes e mantenha o dado original. A categoria gerencial não substitui a classificação fiscal: uma divergência de NCM exige validação própria.
Separe configuração de avaliação
Monte uma amostra de referência revisada pelos compradores responsáveis pelas categorias. Resolva divergências antes de usá-la como parâmetro e registre a justificativa das decisões.
Separe essa amostra dos registros usados para configurar a ferramenta. Se houver ajustes após a avaliação, reserve outra base independente para o teste final.
Inclua categorias de maior gasto, fornecedores recorrentes, descrições incompletas e itens ambíguos. Caso os registros difíceis sejam selecionados em proporção maior que na operação, apresente seu desempenho separadamente: o resultado bruto desse conjunto não representa automaticamente toda a base.
Meça registros, valor e esforço humano
Nenhum indicador isolado deve decidir a aprovação. Use o mesmo período, a mesma taxonomia e um escopo financeiro definido; trate devoluções e estornos separadamente para não distorcer os denominadores.
| Indicador | Cálculo ou registro |
|---|---|
| Acerto por categoria atribuída | Registros corretos na categoria ÷ registros classificados nela |
| Cobertura da categoria | Registros corretos na categoria ÷ registros que deveriam pertencer a ela |
| Gasto corretamente classificado | Valor dos registros corretos ÷ valor total avaliado |
| Revisão humana | Tempo total de conferência e correção, incluindo exceções |
Reporte ainda a parcela sem classificação. Não a retire silenciosamente do cálculo de desempenho.
Em um exemplo hipotético, a ferramenta pode acertar numerosas compras de baixo valor e colocar um contrato relevante na categoria errada. O acerto por registro pareceria satisfatório, mas a distribuição financeira poderia alterar a concentração por categoria e a prioridade de negociação.
Meça a revisão também por tipo de problema. Corrigir uma descrição insuficiente pode exigir consultar documentos; mudar uma categoria evidente é outra tarefa.
Teste a operação, não apenas o algoritmo
O IMTC — Índice de Maturidade Tecnológica em Compras, da Inbrasc, de 2026 — aponta capacitação da equipe como barreira à evolução tecnológica para 53% das empresas respondentes; qualidade de dados aparece com 36% e sistemas legados e integração, com 32%. Esses achados ajudam a justificar um piloto que avalie pessoas, dados e integração, além da classificação.
Defina quais resultados exigem validação humana, quem resolve divergências e quem mantém a taxonomia. Registre categoria original, sugestão da IA, decisão final, responsável e versão das regras.
Antes de enviar resultados ao ERP, teste rejeições, reprocessamento e recuperação do estado anterior. Verifique também a portabilidade dos dados do sistema de compras, para preservar histórico e correções.
Amplie somente com evidências documentadas
Compare licença, implantação, integração, manutenção da taxonomia e revisão com o custo do processo atual, no mesmo período e escopo. Registre prazo previsto e realizado, retrabalho e uso efetivo pelos compradores.
A decisão de expansão deve seguir critérios definidos antes do piloto. Demonstração comercial não comprova implantação: peça evidências de operação real e mantenha a validação humana onde o erro comprometer decisões de sourcing.
Este conteúdo foi produzido com apoio de inteligência artificial e revisado pela equipe editorial da Live University.
Rafael Quintanilha Doria é o especialista de mercado de tecnologia do Portal do Supply Chain. Cobre implantações pelo resultado medido, incluindo as que deram errado, e acompanha as movimentações dos fornecedores de compras e supply chain. Não assina conteúdo patrocinado.
