A maior parte das empresas brasileiras não sofre de falta de dado. Sofre de falta de decisão. Os sinais de crédito de uma PJ chegam de dez fontes, em dez formatos, e morrem numa planilha que ninguém versiona.
Decision Intelligence inverte essa lógica. Em vez de produzir mais relatórios, ela conecta dado, modelo e ação numa única linha rastreável, onde cada concessão de crédito carrega a explicação de por que foi tomada. Num ano de quase 9 milhões de empresas inadimplentes (Serasa Experian, abr/2026), rastrear a decisão deixou de ser refinamento e virou defesa.
O que é Decision Intelligence aplicada a crédito PJ
Decision Intelligence é a disciplina que trata a decisão como produto: define a pergunta de negócio, organiza os dados que a respondem, aplica modelo e regra, e registra o desfecho para aprender com ele. No crédito PJ, a pergunta é simples de enunciar e difícil de responder: esta empresa paga, e em que condição.
Ela difere de analytics tradicional em um ponto. Analytics descreve o passado em painéis; Decision Intelligence fecha o ciclo até a ação e mede o resultado da ação. O dado não é o entregável. A decisão rastreável é.
O cenário de 2026 torna isso urgente. A dívida média por devedor chegou a R$6.728,51 em março de 2026 (G1, mai/2026), e o total de dívidas do país ficou em torno de R$557 bilhões. Conceder crédito com base em cadastro estático, sem fluxo transacional nem monitoramento, é apostar contra a base.
O fluxo ponta a ponta, de dado bruto a decisão
Decision Intelligence no crédito PJ, de dado bruto a decisão rastreável
Ver descrição do fluxo
- Ingestão de sinais — NF-e, Pix, cadastro CNPJ, quadro societário
- Enriquecimento multifonte — societário, fiscal, judicial, geolocalização
- Modelo de risco e política — score, capacidade de pagamento, limites
- PJ apta a tomar crédito?
- Sim: Conceder e monitorar
- Dúvida: Revisão humana (HITL)
- Não: Recusar com trilha de auditoria
O fluxo ponta a ponta tem cinco estágios: ingestão de sinais, enriquecimento multifonte, modelagem de risco, decisão com política e monitoramento. Cada estágio entrega um artefato versionado para o seguinte, e cada transição registra quem ou o que agiu. É esse encadeamento que transforma dado bruto em decisão auditável.
No primeiro estágio, sinais entram de fontes heterogêneas: NF-e, comportamento de Pix, situação cadastral do CNPJ, quadro societário, protestos e dados judiciais. No segundo, o enriquecimento cruza essas fontes e resolve divergências, montando um registro único com data e procedência de cada atributo.
No terceiro, o modelo calcula risco e capacidade de pagamento. No quarto, a política aplica limites, exceções e gatilhos de revisão humana. No quinto, o monitoramento acompanha a PJ ao longo do tempo, reabrindo a decisão quando um sinal muda. O ciclo não termina na concessão. Ele continua na carteira.
Por que a decisão precisa ser rastreável
Serasa Experian e G1, 2026
A decisão precisa ser rastreável porque, sem rastro, a empresa não consegue explicar uma recusa ao cliente, defender a concessão perante o regulador, nem aprender com o erro. Rastreabilidade é o que separa um modelo de crédito de uma aposta cara com cara de ciência.
A exigência tem base legal direta sobre os critérios da decisão.
O controlador deverá fornecer, sempre que solicitadas, informações claras e adequadas a respeito dos critérios e dos procedimentos utilizados para a decisão automatizada, observados os segredos comercial e industrial. (Lei Geral de Proteção de Dados, Lei 13.709/2018, Art. 20, parágrafo 1)
Rastreabilidade também é eficiência. Quando cada decisão guarda seus insumos e seu desfecho, o time descobre quais sinais previram inadimplência e quais só fizeram ruído. A carteira vira laboratório, e o modelo melhora com evidência, não com palpite.
A arquitetura de dados que sustenta a decisão
A arquitetura que sustenta Decision Intelligence em crédito PJ separa quatro camadas: fonte, semântica, decisão e observabilidade. A camada semântica é a mais negligenciada e a que mais erro evita, porque padroniza o que cada métrica significa antes de qualquer modelo rodar. A tabela resume os papéis.
| Camada | Função | Artefato versionado |
|---|---|---|
| Fonte | Ingerir sinais brutos com data e procedência | Registro PJ unificado |
| Semântica | Padronizar métricas: receita, atraso, exposição | Dicionário de métricas |
| Decisão | Modelo, política e gatilhos de revisão | Versão de modelo e política |
| Observabilidade | Registrar entradas, saídas e desfechos | Trilha de auditoria |
Sem a camada semântica, vendas, risco e cobrança definem inadimplência de três jeitos, e a decisão herda essa contradição. Padronizar o significado é pré-requisito para confiar na automação.
O humano no circuito e a explicabilidade
O humano entra no circuito nos casos de fronteira: exposição alta, confiança baixa do modelo, indício de fraude ou contestação do tomador. Decision Intelligence não remove o analista de crédito; ela direciona o julgamento dele para onde a máquina não deve decidir sozinha, e transforma cada intervenção em dado de aprendizado.
Explicabilidade é a ponte. Um agente de IA agêntica, que está deixando os experimentos para virar infraestrutura central (Gartner, IDC, McKinsey, 2025-2026), pode recomendar e justificar, mas a justificativa precisa ser legível por um humano. Fator de maior peso, contrafactual e grau de confiança são o mínimo para que a revisão seja real, e não carimbo.
O ganho aparece na escala. Para 6 em cada 10 donos de pequenos negócios o Pix é o principal meio de recebimento (Sebrae/Abrasel, 2026), o que dá ao credor um sinal de fluxo de caixa quase contínuo. Decisão assistida por IA com supervisão humana é o que torna possível usar esse volume sem perder o controle da concessão.
As métricas que provam que a decisão funciona
As métricas que provam o valor de Decision Intelligence não são de modelo, e sim de negócio: perda esperada versus realizada, tempo até a decisão, taxa de revisão humana e estabilidade da régua ao longo do tempo. Um modelo com ótima estatística e péssima perda realizada é um modelo que ninguém deveria manter.
- Acurácia econômica. Quanto a carteira perdeu de fato contra o que o modelo previu.
- Latência da decisão. Tempo de dado bruto a decisão, que define experiência e conversão.
- Taxa de exceção. Quantos casos sobem para humano, indicador de calibração do gatilho.
- Deriva. Quanto a distribuição de entradas se afastou do que o modelo viu no treino.
Essas métricas precisam de baseline e de revisão periódica. A reforma tributária, em fase de teste em 2026 e caminhando para o split payment em 2027, muda o fluxo financeiro das PJ e pode mover a régua de risco. Quem não monitora deriva, decide hoje com a régua de ontem.
Métricas também precisam de governança própria. Cada uma exige um baseline registrado, um responsável que age quando ela se deteriora e uma cadência de revisão. Sem isso, o painel vira enfeite: todos olham, ninguém decide. A maturidade de uma operação de Decision Intelligence se enxerga menos na sofisticação do modelo e mais na disciplina com que essas métricas viram ação dentro do prazo certo.
Os sinais que alimentam a decisão de crédito PJ
A decisão de crédito PJ melhora quando combina quatro famílias de sinal: cadastral, fiscal, transacional e relacional. Nenhuma sozinha basta. Um cadastro regular esconde uma empresa sem operação; um bom faturamento esconde concentração perigosa em um único cliente. A força está no cruzamento, e Decision Intelligence existe para orquestrá-lo.
O sinal cadastral é a base: situação do CNPJ, tempo de atividade, porte e consistência dos dados declarados. Ele responde se a PJ existe e está regular, mas não se ela paga. É o piso da análise, nunca o teto.
O sinal fiscal ganha peso em 2026. A reforma tributária entra em fase de teste com CBS de 0,9% e IBS de 0,1%, caminha para o split payment em 2027 e regime normal em 2028. Esse movimento aumenta a transparência do fluxo financeiro das PJ e cria novos sinais de regularidade e de capacidade, que o modelo de crédito precisa incorporar à medida que a régua de mercado muda.
O sinal transacional é o mais vivo. O Pix alcançou 170 milhões de usuários pessoa física e 7 bilhões de transações em janeiro de 2026 (Banco Central, 2026), e é o principal meio de recebimento para 6 em cada 10 donos de pequenos negócios (Sebrae/Abrasel, 2026). Esse fluxo quase contínuo permite estimar capacidade de pagamento com base em comportamento real, não em declaração.
O sinal relacional fecha o quadro. Quadro societário, beneficiário final e vínculos revelam risco que o cadastro plano não mostra, como conexão a sócio sancionado ou estrutura de fachada. É o sinal que separa uma PJ que apenas parece saudável de uma que de fato opera de forma idônea.
A disciplina de Decision Intelligence está em pesar esses sinais com critério auditável e em registrar quais pesaram em cada decisão. O Art. 20 da LGPD exige critérios claros sobre a decisão automatizada, e isso só se cumpre quando o modelo documenta os fatores de maior peso. Sinal sem rastro vira caixa-preta; sinal com rastro vira defesa.
Casos de uso onde Decision Intelligence muda o resultado
Decision Intelligence muda o resultado nos pontos do crédito PJ em que a decisão é frequente, sensível ao tempo e dependente de muitas fontes: onboarding, definição de limite, reanálise de carteira e cobrança. Em cada um, a diferença está em decidir com evidência rastreável em vez de cadastro estático.
No onboarding, a decisão é se a PJ entra e em que condição. Decision Intelligence cruza situação cadastral, quadro societário, fluxo transacional e listas restritivas para classificar o risco no instante da entrada, escalando ao humano apenas os casos de fronteira. O ganho é onboarding rápido sem abrir a porta para empresa de fachada.
Na definição de limite, a pergunta é quanto crédito a PJ suporta. Aqui a calibração de probabilidade importa mais que a classificação binária, porque a probabilidade vira preço e teto. Para 6 em cada 10 pequenos negócios o Pix é o principal canal de recebimento (Sebrae/Abrasel, 2026), o que dá um sinal de fluxo de caixa quase contínuo para dimensionar limite com base em capacidade real, não em palpite.
Na reanálise de carteira, a decisão é manter, ampliar ou reduzir exposição. O monitoramento contínuo reabre a decisão quando um sinal muda: queda no fluxo transacional, novo protesto, alteração societária. Numa base com quase 9 milhões de empresas inadimplentes (Serasa Experian, abr/2026), agir cedo sobre a PJ que começa a deteriorar é o que separa perda contida de perda total.
Na cobrança, a decisão é como recuperar com mais chance e menor custo. A timeline da PJ, com localização e capacidade de pagamento, prioriza esforço. O Novo Desenrola Brasil, lançado em maio de 2026 com descontos de 30% a 90% e juros limitados a 1,99% ao mês (G1, mai/2026), criou janela de renegociação que só é aproveitada por quem tem dado organizado para simular cenários e priorizar credores.
Os estágios de maturidade em Decision Intelligence
A maturidade em Decision Intelligence evolui em quatro estágios: relatório, alerta, recomendação e decisão assistida. A maioria das empresas brasileiras está nos dois primeiros, onde o dado descreve o passado mas não fecha o ciclo até a ação. Avançar exige menos tecnologia nova e mais disciplina de processo e governança.
No primeiro estágio, a empresa produz relatórios. Painéis mostram inadimplência, exposição e fluxo, mas a decisão segue manual e desconectada do dado, muitas vezes em planilhas que ninguém versiona. O valor é informativo, não operacional.
No segundo, surgem alertas. O sistema avisa quando um indicador cruza um limite, o que antecipa problemas mas ainda deixa a decisão e o registro a cargo de pessoas, sem trilha estruturada. É um avanço sobre o relatório passivo, porém ainda longe da decisão rastreável.
No terceiro, o modelo recomenda. Diante de uma concessão de crédito, o sistema sugere aprovar, revisar ou recusar, com grau de confiança e fatores de maior peso, e o humano confirma. Aqui a explicabilidade passa a ser requisito, não opção, para cumprir o Art. 20 da LGPD e para que a confirmação humana seja real.
No quarto, a decisão é assistida. O sistema executa os casos de baixo risco e escala ao humano apenas as exceções, com cada desfecho registrado. Chegar a esse estágio em crédito PJ exige histórico, métricas estáveis e trilha de auditoria madura, sobretudo num ano de quase 9 milhões de empresas inadimplentes (Serasa Experian, abr/2026), quando o custo de uma decisão automatizada ruim é imediato e mensurável.
O erro frequente é querer pular do segundo estágio direto para o quarto. Sem passar pela recomendação supervisionada, falta o histórico que justifica confiar na automação. A evolução de maturidade é sequencial por um motivo prático: cada estágio constrói a evidência que torna o próximo defensável.
Integração com o stack de dados existente
Decision Intelligence não exige jogar fora o stack atual; ela se integra como uma camada de decisão sobre as fontes, o data warehouse e os sistemas operacionais que a empresa já tem. O esforço maior não é tecnológico, é semântico: alinhar o significado das métricas antes de automatizar a decisão.
A integração começa pela ingestão. Fontes internas, como ERP e histórico de pagamentos, e externas, como bureaus e dados públicos de CNPJ, alimentam o registro unificado da PJ. Cada atributo entra com data e procedência, requisito para que a decisão seja auditável e para cumprir a exigência de critérios claros do Art. 20 da LGPD.
A camada semântica vem em seguida e é o ponto de maior retorno. Quando vendas, risco e cobrança definem receita, atraso e exposição de formas diferentes, qualquer modelo herda a contradição. Um dicionário de métricas comum, versionado, é o que permite confiar na decisão automatizada. Sem ele, automatiza-se a inconsistência.
A camada de decisão conecta modelo e política aos sistemas que executam, como o motor de crédito e o fluxo de onboarding. Aqui entram os gatilhos de revisão humana e o registro de cada desfecho. A IA agêntica, que migra de experimentos para infraestrutura central (Gartner, IDC, McKinsey, 2025-2026), consome essa camada para orquestrar decisões em sequência, sempre com a trilha preservada.
A observabilidade fecha o ciclo. Cada decisão guarda entradas, versão de modelo, saída e desfecho, alimentando o monitoramento de deriva e a avaliação de qualidade. É essa camada que transforma a carteira em laboratório: o time descobre, com evidência, quais sinais previram inadimplência e quais só produziram ruído, e melhora o modelo com base em resultado real.
Roteiro para operacionalizar em 2026
O roteiro para operacionalizar Decision Intelligence começa por uma única decisão de alto volume, instrumentada de ponta a ponta, e só expande depois de provar valor mensurável. Tentar reformar todas as decisões de crédito de uma vez é o caminho mais rápido para um projeto que nunca entra em produção.
Escolha a decisão, mapeie os sinais que ela exige e construa a camada semântica antes do modelo. Ligue a observabilidade desde o primeiro caso, mesmo que a decisão ainda seja manual, para acumular histórico. Introduza o modelo como recomendação, mantenha o humano na confirmação e só passe para decisão assistida com perda realizada estável.
O resultado de um ciclo bem feito não é um painel mais bonito. É uma concessão de crédito que você consegue explicar, defender e melhorar. Em 2026, com a inadimplência de PJ em níveis recordes, essa é a diferença entre crescer carteira e crescer prejuízo. O dado já existe em abundância; a vantagem competitiva está em transformá-lo em decisão que você consegue explicar e melhorar, ciclo após ciclo, com a supervisão humana no ponto certo e a trilha de auditoria sempre pronta para a próxima pergunta do regulador. Em um mercado de crédito sob pressão de inadimplência recorde, decidir bem e conseguir provar como decidiu deixou de ser virtude opcional e passou a ser condição de operação.
Leia também no DataHub
Fontes
- Serasa Experian - Inadimplência das empresas (2026)
- G1 - Raio-x da inadimplência e Novo Desenrola (2026)
- Banco Central do Brasil - Pix em números (2026)
- Sebrae - Pagamentos digitais em pequenos negócios (2026)
- Lei Geral de Proteção de Dados (Lei 13.709/2018) (2018)
- Gartner - Decision Intelligence (2026)
- IDC - Worldwide AI and Analytics (2026)