REDA One Centro de ajuda
PT
Idioma
English EN Español ES Português PT Italiano em breve Français FR Deutsch em breve العربية em breve
reda.one ↗
Início / REDA Financials AI / IA e automação / Conciliação bancária com IA / Treinando as regras de correspondência

Treinando as regras de correspondência

"Treinamento", na correspondência da REDA Financials, não é um projeto de ciência de dados — são três hábitos concretos que se somam: suas correspondências ensinam a IA, seus padrões viram regras, e suas regras aposentam categorias inteiras de trabalho. Aqui está o guia prático para sair de "nós correspondemos manualmente" para "a conciliação praticamente se faz sozinha".

Como chegar lá. Os hábitos acontecem em duas telas, ambas acessadas pelo Iniciador de aplicativos (o ícone de grade no canto superior esquerdo de qualquer página): você corresponde e executa a IA em REDA Financials AI → a guia Conciliações Bancárias, e escreve as regras que promovem esses padrões em uma conta bancária em REDA Financials Admin → a guia Contas Bancárias.
Acesso que você precisará. Conciliar e criar Regras de conta bancária exige o conjunto de permissões Accounting Admin v2 ou Accounting Controller v2. Os conjuntos Accounts Payable v2, Accounts Receivable v2 e Read Only v2 podem visualizar, mas não alterar essas regras.

O ciclo de melhoria

Corresponda de forma consistente — você está escrevendo o livro-texto

Cada correspondência manual que você aplica entra no contexto de aprendizado da IA (que estuda até mil das suas decisões anteriores). A consistência é o currículo: sempre corresponda a liquidação do lojista ao recebimento (não a um lançamento contábil), sempre lance as tarifas como ajustes — e as sugestões da IA convergem para o seu estilo da casa.

Promova padrões recorrentes a regras

Tudo que se repete mensalmente merece uma Regra de conta bancária: um trecho de texto característico, um tipo de documento, sua conta contábil e, opcionalmente, Contabilização automática. A IA até propõe candidatas a regra quando percebe formatos recorrentes — aceite a ideia criando a regra. A partir daí, essa linha passa a corresponder na velocidade da máquina, para sempre, sem precisar de IA.

Audite o que a automação faz

As regras trazem seu próprio placar — Vezes aplicada, Vezes substituída e a data da última aplicação — e cada linha correspondida registra como ela foi correspondida (Auto, Rule-Based, AI-Suggested, Manual, Adjustment). Uma revisão mensal dos acertos das regras detecta um padrão desatualizado antes que ele contabilize algo errado.

A arte de escrever regras

  • Trechos característicos vencem trechos curtos: "MONTHLY ACCOUNT SERVICE FEE" em vez de "FEE"; use o formato de expressão regular (regex) para formatos precisos.
  • Prioridade = especificidade: a primeira correspondência vence, então a regra mais restrita supera a mais genérica.
  • Contabilização automática é conquistada: regras novas rodam em modo revisado (rascunhos) por um ou dois ciclos, e só depois são promovidas.
  • Uma conta por vez: as regras pertencem a uma conta bancária — os padrões da conta operacional não são os da conta de folha de pagamento.
Os noventa dias da Meridian. Mês 1: tudo revisado, a tarifa lançada como ajuste manual. Mês 2: regra da tarifa criada (modo rascunho), referências padronizadas nos recebimentos. Mês 3: a regra da tarifa contabiliza automaticamente, a correspondência automática baixa os pagamentos dos locatários pela referência, a IA sugere as duas exceções — o tempo de conciliação caiu de uma tarde inteira para vinte minutos. As ferramentas não mudaram; o treinamento, sim.

O que "treinamento" é — e o que não é

Vale a pena ser preciso, porque a palavra carrega bagagem. Na REDA Financials, a IA aprende a partir de contexto, montado do zero a partir dos seus próprios registros a cada execução — não há nenhum modelo sendo retreinado com seus dados, nenhum console de treinamento, e nada para um administrador configurar:

Treinamento é…Treinamento não é…
Suas correspondências manuais anteriores (até mil delas), mostradas à IA como exemplos resolvidos em cada execuçãoUm projeto de ciência de dados com conjuntos de dados para rotular ou enviar
Suas regras ativas, mostradas lado a lado, para que as sugestões não dupliquem o que a automação já cobreUm modelo que se desvia sozinho — o contexto é reconstruído a partir dos seus registros a cada execução
Fazer o trabalho de forma consistente, porque a consistência é o currículoUma página de configurações — não há controles de treinamento para ajustar, nem nada para ativar
Reversível: corrija seus hábitos daqui para frente e o contexto acompanhaPermanente: nenhuma decisão ruim fica cravada para sempre

A outra sala de aula: a extração de faturas aprende da mesma forma

A correspondência bancária não é o único recurso que estuda seu histórico. O processamento de faturas por OCR usa a mesma ideia no lado de contas a pagar: quando a IA extrai a fatura de um fornecedor, ela vê as ordens de compra e faturas recentes contabilizadas desse fornecedor — incluindo qual produto e qual conta contábil sua equipe escolheu em cada linha. O resultado é um mapa de produto para conta construído a partir das suas próprias decisões: codifique a cobrança de fornecimento da MetroPower como Utilidades uma vez, e a próxima fatura da MetroPower chega pré-codificada da mesma forma.

A consequência prática é o mesmo roteiro da correspondência:

  • Contabilize de forma consistente — só documentos contabilizados ensinam; uma pilha de rascunhos não contabilizados não ensina nada.
  • Corrija a codificação na hora da revisão, não depois de contabilizar — a correção que você faz no formulário pré-preenchido vira o exemplo que a próxima extração estuda.
  • Espere que a primeira fatura de um novo fornecedor precise de você — ainda não há histórico; é na segunda que o aprendizado aparece.
Seus dados continuam sendo o seu professor. Nos dois recursos, o contexto de aprendizado é formado pelos próprios registros da sua organização, reunidos a cada execução. Os hábitos de nenhuma outra empresa vazam para as suas sugestões — e é exatamente por isso que elas acabam parecendo escritas pela sua própria equipe.

Erros comuns a evitar

ErroPor que isso prejudicaFaça isto em vez disso
Dois funcionários correspondendo o mesmo padrão de duas formas diferentesO livro-texto da IA se contradiz — a confiança cai e as sugestões ficam hesitantesCombinem o estilo da casa uma única vez (tarifas são ajustes, liquidações correspondem a recebimentos) e ambos sigam esse padrão
Deixar tudo por conta da IA quando uma regra resolveriaCada linha previsível custa uma revisão que uma regra teria resolvido instantaneamenteSe você consegue descrever a condição em uma frase, escreva a regra; reserve a IA para as decisões que exigem julgamento
Conceder Contabilização automática a uma regra recém-criadaUm padrão que você ainda não observou vai direto para o livro razãoRode regras novas em modo revisado por um ou dois ciclos; promova-as assim que os acertos estiverem limpos
Nunca auditar os acertos das regrasUm padrão desatualizado continua disparando depois que o banco muda a redação — corresponde errado silenciosamenteRevise mensalmente o Vezes aplicada e a data da última aplicação; aposente ou ajuste o que parecer estranho
Julgar a IA na primeira semanaSem histórico no contexto, as primeiras sugestões são genéricas — e a ferramenta é descartada bem antes de começar a ficar boaDê a ela um mês de correspondência consistente; o contexto de aprendizado é construído exatamente a partir disso

O que vem a seguir

  1. Regras de contas bancárias — o formulário completo da regra.
  2. Algoritmo de Correspondência com IA — o que a IA aprende com você.
  3. Concluindo uma conciliação — onde o resultado aparece.

Perguntas frequentes

A IA pondera seu comportamento recente e consistente — corresponder corretamente daqui para frente supera rapidamente inconsistências antigas. Para as regras, edite ou desative diretamente a regra problemática; a automação muda no instante em que você faz isso.

Se você consegue escrever a condição, escreva a regra — determinística, gratuita e instantânea. O espaço da IA é aquele que você não consegue condicionar: referências bagunçadas, descrições variáveis, pares que exigem julgamento. As organizações mais saudáveis têm regras entediantes e sugestões de IA interessantes.

Não. O contexto de aprendizado é montado automaticamente a partir do trabalho que você já faria de qualquer forma — correspondências manuais no lado bancário, faturas contabilizadas no lado de contas a pagar. Fazer esse trabalho de forma consistente é o programa de treinamento inteiro.

Não — o contexto mostrado à IA é o próprio histórico da sua organização, reunido do zero a cada execução. Suas sugestões refletem os hábitos da sua equipe, e de mais ninguém.

Assim que houver histórico para estudar. No lado bancário, algumas semanas de correspondência consistente já dão à IA exemplos reais para trabalhar; no lado das faturas, cada fornecedor melhora a partir da segunda fatura contabilizada. A trajetória de noventa dias da Meridian, descrita acima, é um ritmo realista.

Isso foi útil?