Governança de IA na cobrança: como auditar o que a IA propõe

Quando a inteligência artificial entra na operação de cobrança, o comitê de risco faz as mesmas perguntas que faria a qualquer modelo. A IA pode passar por cima da política? Dá para provar o que ela avaliou? O número que ela apresenta existe? E o dado pessoal, para onde vai?

A pergunta útil não é se a IA erra, porque erra. É até onde o erro pode chegar e quem o detecta antes que chegue ao cliente. No revo360, a IA da retaguarda trabalha sob uma regra: ela propõe, e a equipe decide. A Sarah, que negocia com o cliente no WhatsApp, segue outra trava, descrita em 5 IAs para cobrança: não calcula valor nenhum e só escolhe entre as opções que o sistema calculou pela política do credor. Este texto mostra como a regra da retaguarda vira controle em três lugares: na fila, na ligação e no painel.

1. A IA pode alargar a política?

Na estação do negociador de cobrança, o Collection Omni Studio, a régua nasce em português, escrita pela equipe: quem acionar, em que ordem e por qual motivo. Uma IA converte o texto em regras, uma vez, a pedido do supervisor. Cada etapa da régua compilada guarda o trecho literal do texto que a originou, e o servidor confere. Se a IA parafrasear o texto, citar um termo fora do vocabulário ou recusar um trecho, a compilação inteira é descartada e a régua anterior continua valendo.

Depois disso, a IA sai de cena. A fila é recalculada a cada 15 minutos por um motor determinístico, sem chamada a modelo de linguagem. Algumas travas ficam fora do alcance do texto: contrato suspenso, devolvido, em assessoria ou com retorno marcado para o futuro não entra na fila, diga a régua o que disser. E uma regra com erro nunca alarga a fila: o critério inválido desliga a etapa inteira.

Nas campanhas, o jAcob monta a fila de contato do dia a partir da régua de cada credor, compilada uma vez por IA e executada por motor determinístico. Onde a carteira tem histórico, um modelo de machine learning estima a chance de pagamento de cada contrato. O modelo é validado num período posterior ao do treino, calibrado quando a amostra permite e registrado em versões, cada uma com a impressão digital do conjunto de contratos e datas que a treinou. Um monitor diário de desvio alerta os administradores quando a carteira muda de perfil.

A ordem da fila de contato, o canal sugerido e o teto de desconto saem de regras escritas aplicadas sobre essa probabilidade. O detalhe do que um modelo desses prevê, e do que não prevê, está em Machine learning na cobrança.

E o lote que o jAcob monta não sai sozinho: espera a autorização da equipe no Control Desk, que registra quem autorizou e quando.

2. Dá para provar o que a IA avaliou?

Na ligação feita pela ekovox, a plataforma de voz da marca irmã, contratada à parte, a IA de qualidade confere a conversa com o checklist da operação ao fim de cada atendimento em que o copiloto esteve ligado. A instrução dela é dar, para cada item, a frase da transcrição que prova e o minuto em que ela aparece; sem frase que prove, ela não pode afirmar que o item foi cumprido. O supervisor confere a frase na gravação. Nos checklists que descontam pontos por item, a nota não é a do modelo: o servidor a recalcula a partir dos itens.

A falta grave tem tratamento próprio. Ameaça, constrangimento, dívida revelada a quem não é o titular e oferta fora das permitidas ficam fora da nota, para que uma nota alta não esconda uma conduta que o credor não aceita.

O resultado fica ligado ao acionamento: nota e parecer ao lado da gravação e da transcrição, e o checklist item a item na ficha do contrato. É ali que a supervisão audita, e o credor também, quando a operação roda no revo360 dele.

No WhatsApp a lógica é a mesma. A Simmone lê a conversa e sugere a tabulação dentro do vocabulário de ocorrências do credor; sugestão fora da lista perde o código, e quem grava é o operador. O CPF e o CNPJ do cadastro não entram no que vai ao provedor de IA. Para a supervisão, a Simmone QA dá nota ao atendimento tabulado, de WhatsApp ou de ligação transcrita, com a mesma rubrica para toda a equipe.

3. O número que a IA apresenta existe?

A Môzi é a analista que lê os painéis do revo360 e responde em quatro lentes: Geral, CEO, Operação e Data Science. A instrução dela é usar só os números do painel, dizer de qual gráfico saiu cada um e, quando falta um dado, escrever que falta. Na tela, cada ponto da análise aparece ao lado do gráfico que o sustenta, e é ali que se confere. Cada análise declara o grau de confiança, traz as objeções à própria conclusão e fecha com um bloco de método e ressalvas, que diz o que não dá para concluir com aqueles dados.

Cada leitura fica gravada no banco do próprio cliente, com o painel, a lente, o modelo e o texto completo, o que permite comparar a análise de hoje com a do mês passado. A leitura do painel trabalha sobre os números agregados da tela, sem dado individual de cliente.

Um cuidado: o copiloto que analisa uma consulta, e não um painel, envia ao modelo, como arquivo, todas as linhas do resultado filtrado, nas colunas que estão na tela, inclusive os dados pessoais. Quem usa escolhe o filtro e as colunas.

4. E o dado pessoal?

Na supervisão ao vivo da central de atendimento, que vem da ekovox, o número do cliente sai do servidor com só os quatro últimos dígitos no telão, e a exportação não traz número nenhum. Os modelos de IA do revo360 são nomeados no inventário de subprocessadores, com país e finalidade. E cada agente entra na operação por decisão do cliente.

O quadro para o comitê

A regra que amarra os três lugares

Na fila, na ligação e no painel, a estrutura se repete. A IA faz a parte cansativa e propõe; uma pessoa, ou uma regra determinística que uma pessoa escreveu, decide o que vale. É isso que permite responder ao comitê com evidência.