A nota chegou. O XML está íntegro, assinado, autorizado pela SEFAZ — e completamente inútil enquanto alguém não disser o que aquilo é dentro do seu SAP. Que conta contábil recebe? Qual centro de custo? É material ou serviço? O CFOP de entrada é qual? O crédito é recuperável? Vai para imobilizado, para consumo ou para revenda?

Esse é o trabalho que consome o time de escrituração todo mês: não conferir a nota, mas classificá-la. E é um trabalho que a empresa já fez milhares de vezes — porque o mesmo fornecedor, com a mesma descrição de item, foi classificado do mesmo jeito nos últimos três anos. O conhecimento existe. Ele só está espalhado entre documentos antigos e a memória de duas pessoas.

O XML diz tudo, menos o que interessa à sua contabilidade

A nota traz o que o emitente declarou: descrição do produto no catálogo dele, NCM, CFOP da operação de saída, CST dele, valores e impostos destacados. Nada disso é a sua classificação.

O CFOP que vem na nota é o da saída do fornecedor. O seu CFOP de entrada depende da sua operação, do seu regime e do destino do item. A descrição é a do catálogo dele — “PARAF SEXT M8 ZINC” — e você precisa saber se isso é material de manutenção da fábrica ou item de revenda. O NCM ajuda a classificar fiscalmente, mas não diz nada sobre a sua conta contábil nem sobre o centro de custo.

Ou seja: a leitura do XML resolve a extração e não resolve a decisão. É por isso que ferramenta de OCR e “workflow de nota” costuma decepcionar — ela ataca a parte que já estava resolvida.

O que “classificar” significa dentro do SAP

Numa entrada sem pedido — despesa, serviço, material indireto, frete —, alguém precisa preencher, item a item:

• Conta contábil ou material, quando o item é cadastrado.
• Centro de custo, ordem interna ou projeto: quem consome a despesa.
• CFOP de entrada, coerente com a operação e com o que o fornecedor declarou na saída.
• CST e tratamento do imposto: o que é crédito recuperável, o que compõe custo, o que é isento.
• Tipo de operação: consumo, revenda, imobilizado, industrialização, remessa.
• Retenções de serviço, quando é o caso — e é aqui que o erro sai caro.

Multiplique por dezenas de itens e centenas de notas por mês. Esse é o volume que faz o fechamento atrasar.

Ler. O XML vem da caixa fiscal, do portal do fornecedor ou da mensageria e é convertido em estrutura. Aqui não há IA e não deveria haver: transformar XML em campo é trabalho de parser, e parser não inventa valor.

Enriquecer. Antes de classificar, junta-se o contexto que só existe na sua casa: como esse fornecedor foi classificado nas últimas notas, se há pedido associado, o que o cadastro de material diz, qual centro de custo costuma receber esse tipo de despesa, qual foi o tratamento fiscal aplicado da última vez.

Classificar. A IA recebe o item do XML mais esse contexto e devolve a proposta completa — conta, centro de custo, CFOP de entrada, CST, tratamento do crédito — com o nível de confiança e a justificativa: “nas últimas 34 notas deste fornecedor com descrição semelhante, o item foi lançado nesta conta e neste centro de custo”.

Aprovar. Quem responde pela escrituração confirma, ajusta ou recusa. O documento é criado no SAP pelo caminho normal, e a decisão volta para o histórico — que é o que faz a próxima proposta ser melhor.

Por que a IA acerta bem justamente aqui

Classificação de nota é o tipo de problema em que modelo de linguagem é forte: a resposta certa está no passado da própria empresa, escrita em texto livre, com variação de grafia e sem padrão rígido.

“PARAF SEXT M8 ZINC”, “Parafuso sextavado M8 zincado” e “PARAFUSO SEXT. M8” são o mesmo item para qualquer pessoa e três strings diferentes para uma regra exata. É exatamente a diferença que o modelo entende sem que ninguém escreva o dicionário.

Três características tornam esse caso favorável, e vale reconhecê-las porque nem todo caso de IA as tem:

• Há rótulo pronto. Cada nota lançada no passado é um exemplo classificado por um humano. Não é preciso montar base de treinamento: ela já existe no ERP.
• O acerto é verificável. Ou o item foi para a conta certa, ou não foi. Dá para medir a taxa de acerto por fornecedor e por tipo de despesa.
• O custo do erro é contido, desde que a pessoa aprove antes do lançamento. Proposta errada custa um clique; lançamento errado custa retificação.

Na prática, os itens repetitivos — que são a maioria do volume — chegam com proposta acertada e alta confiança, e a pessoa passa o dia decidindo as exceções, que é onde ela agrega. É a mesma lógica que descrevemos em conversão de dados com IA: revisar proposta é muito mais barato que redigir do zero.

n8n no meio, SAP como dono do lançamento

Usamos o n8n — orquestrador de automação de código aberto — como maestro do fluxo, e o SAP continua sendo onde o documento nasce. O n8n roda na infraestrutura do cliente: busca o XML, monta o contexto, chama o modelo, apresenta a proposta e devolve a decisão ao ERP pela integração padrão.

Três razões práticas para esse desenho, num processo fiscal:

O dado não sai de casa. Nota tem fornecedor, preço e volume. Com o orquestrador dentro do ambiente, essa informação não transita por nuvem de terceiro — o que simplifica a conversa de privacidade.

A regra é sua. Alçada, limite de confiança e exceção viram configuração versionada e reversível, não um formulário no portal de um fornecedor que ninguém sabe quem mudou.

O custo acompanha o uso. Classificação de nota tem volume alto e valor unitário baixo; licenciamento por transação penaliza justamente o caso que mais se beneficia da automação.

O contraponto honesto: n8n exige quem saiba operar, monitorar e versionar. Sem isso, vira mais um sistema órfão — a mesma disciplina de dados e integração, onde fluxo é produto e não script de uma vez.

Quando a mensagem do sistema aponta para o lugar errado

Vale um caso real, porque ele explica um cuidado de projeto. Num ambiente SAP de um cliente, a verificação de fatura de entrada recusava um documento com erro que apontava para o domicílio fiscal do centro recebedor. A leitura óbvia era jurisdição ou município faltando no cadastro.

Não era. Cadastramos a jurisdição, confirmamos no banco, o erro persistiu. Testamos a hipótese seguinte, de uma nota técnica do fabricante sobre condição marcada como manual, e descartamos com evidência: nenhuma condição daquele esquema estava manual.

A causa só apareceu com depuração. Uma condição de base de ICMS que precisa existir a 100% para o imposto ser reconhecido tinha registro de validade começando em junho de 2026 — e a nota era de abril de 2025. Sem ela válida na data, o cálculo não gerava a linha que o financeiro procura, e o sistema devolvia uma mensagem sobre domicílio fiscal. O texto não tinha relação com a causa.

A lição para quem automatiza: a mensagem do ERP é pista, não diagnóstico. Automação que roteia chamado pelo texto do erro manda metade da fila para a pessoa errada. Por isso a IA, no nosso desenho, trabalha sobre o documento e o histórico — e não sobre a mensagem. O método completo desse tipo de investigação está em troubleshooting de SAP com IA.

Como começamos

1. Medir o hoje. Quantas notas por mês, quantos itens, quanto tempo de classificação e quantas retificações no último ano. Sem linha de base, ganho vira opinião.
2. Extrair o histórico. As notas já lançadas viram a base de exemplos. É o passo que mais entrega e o mais subestimado.
3. Rodar em sombra. A IA classifica em paralelo, sem entrar no fluxo, e comparamos com o que a pessoa fez. Isso dá a taxa de acerto real por fornecedor e por tipo — antes de qualquer promessa.
4. Abrir por faixa. Primeiro os fornecedores e tipos de despesa com acerto consistente. O resto continua manual até merecer.
5. Acompanhar. Painel de taxa de aceite, de correção e do que caiu para revisão. Acerto que cai é sinal de que algo mudou no negócio.

O que fica depois

O ganho visível é o fechamento que deixa de atrasar. O que dura é outro: o critério de classificação sai da cabeça de duas pessoas e vira histórico consultável, com justificativa. Quando alguém sai de férias, a nota continua entrando.

E fica a trilha: para cada item, o que a automação propôs, com que confiança, quem aprovou e com qual ajuste — o mesmo material que responde auditoria e discussão com fornecedor.

O limite honesto: isso não conserta cadastro ruim. Se o material está cadastrado errado, a classificação correta vai para o lugar errado do mesmo jeito. A classificação automática costuma ser justamente o que revela o tamanho da inconsistência do cadastro — descoberta incômoda, mas que é o começo da correção.

Para preparar o terreno, dois caminhos na Inove Academy. O e-book de Reforma Tributária e SAP mostra por que o volume de regra fiscal vai crescer — e regra que cresce em planilha vira fila. E se o seu ambiente ainda depende do GRC NFE, a conversa começa antes: veja SAP DRC e Reforma.