“`html
Segundo o relatório State of AI in Business 2024, publicado pela McKinsey & Company, mais de 60% das empresas que adotaram IA em processos de cobrança relataram redução nos custos operacionais — mas o mesmo relatório aponta que menos de 30% dessas empresas mapearam os riscos regulatórios antes de implementar. Esse número me pegou de surpresa quando li pela primeira vez. Não porque fosse surpreendente no sentido estatÃstico. Mas porque eu era exatamente uma dessas empresas.
Durante anos, fui cético sobre automação de cobrança. Achava que era coisa de banco grande, que pequena e média empresa não tinha volume pra justificar, que o relacionamento humano era insubstituÃvel nesse processo. Ficou assim por muito tempo — até que a inadimplência bateu em patamares que forçaram uma reavaliação honesta. E foi nessa reavaliação que descobri que meus medos antigos eram menores do que os riscos que eu estava ignorando ao adotar a IA sem critério.
Esse artigo não é um manual técnico. É o que eu gostaria de ter lido antes de errar.
—
Mito: “A IA cobra melhor porque não tem emoção”
Essa é a promessa mais sedutora. A ideia de que um sistema automatizado vai ser consistente, imparcial, incansável — sem o cansaço do operador humano no final do turno, sem o mal-humor de segunda-feira. Na teoria, faz sentido. Na prática, a ausência de emoção pode virar um problema sério.
Um sistema de cobrança por IA tende a seguir padrões aprendidos em dados históricos. Se esses dados foram coletados num perÃodo de crise econômica, o modelo aprende a ser mais agressivo. Se foram coletados em perÃodos de inadimplência setorial especÃfica — digamos, entre pequenos lojistas do varejo — o modelo vai carregar esse viés pra qualquer devedor que se pareça com esse perfil, mesmo que a situação seja completamente diferente.
A falta de emoção não é equivalente a falta de viés. É só a ausência de empatia que poderia corrigir esse viés em tempo real.
Eu vi isso acontecer num processo de automação de régua de cobrança: clientes que estavam inadimplentes por razões documentadas — doença na famÃlia, por exemplo — continuaram recebendo mensagens automáticas com tom de urgência máxima porque o modelo não diferenciava o contexto. O resultado foi cancelamento de contrato, reclamação no Procon e, em um caso, uma queixa formal.
Mito: “Basta configurar uma vez e deixar rodar”
Esse mito é o mais caro. Literalmente.
A cobrança por IA não é uma torneira que você abre e esquece. É um sistema que aprende — e aprende com o que você alimenta. Se os dados de entrada têm inconsistências, o modelo vai amplificar essas inconsistências com uma eficiência que nenhum operador humano conseguiria.
Um exemplo concreto: sistemas de cobrança automatizados que operam via SMS, e-mail e WhatsApp precisam respeitar regras do Código de Defesa do Consumidor (Lei nº 8.078/1990) e, mais recentemente, as diretrizes da Lei Geral de Proteção de Dados (Lei nº 13.709/2018). A LGPD, em particular, exige que o titular dos dados tenha clareza sobre como suas informações estão sendo usadas — inclusive no processo de cobrança. Um disparo automatizado que usa dados de comportamento do consumidor pra definir o horário e o tom da mensagem pode facilmente cruzar linhas que a empresa nem percebe.
Quando eu entendia “configurar uma vez”, estava pensando como se fosse um filtro de spam. A IA de cobrança é mais parecida com um funcionário novo que você precisa treinar, acompanhar e corrigir. Só que esse funcionário processa milhares de interações por hora.
Realidade: o risco regulatório é mais imediato do que parece
O Brasil tem um arcabouço de proteção ao consumidor que, na prática, cria armadilhas especÃficas pra cobrança automatizada. Não estou falando de multa teórica — estou falando de exposição real, que vi acontecer.
O artigo 42 do CDC proÃbe cobrança vexatória ou que exponha o consumidor ao ridÃculo. A interpretação do que é “vexatório” em ambiente digital ainda está sendo construÃda pelos tribunais brasileiros, mas há precedentes de que mensagens excessivamente insistentes — especialmente quando enviadas em horários inadequados ou com linguagem de ameaça velada — já foram enquadradas nessa categoria.
Sistemas de IA mal calibrados podem, facilmente, enviar seis mensagens num dia. Podem usar linguagem que foi eficaz em teste A/B com uma amostra pequena, mas que escala de forma agressiva. Podem contatar terceiros por erro de base de dados — e esse erro, quando cometido por humano, é tratado de uma forma; quando cometido por IA em escala, o impacto é multiplicado.
A SENACON e os Procons estaduais têm recebido volumes crescentes de reclamações relacionadas a cobrança digital. A empresa que adota IA sem governança está, essencialmente, apostando que não vai cair nessa estatÃstica.
Mito: “Só grandes empresas precisam se preocupar com isso”
Esse foi exatamente o meu erro por mais tempo do que quero admitir.
A lógica era: grandes bancos e financeiras têm departamento jurÃdico, equipe de compliance, auditoria. Eles precisam se preocupar com regulação. Eu, com uma operação de médio porte, estava fora do radar.
Acontece que o risco regulatório não escala com o tamanho da empresa — ele escala com o volume de cobranças automatizadas. Uma empresa de médio porte que processa mil cobranças por mês via IA tem mil pontos de exposição. E o consumidor que se sentir prejudicado não vai checar o CNPJ pra decidir se vai ou não registrar uma reclamação.
Tem mais: startups e fintechs que usam APIs de comunicação e plataformas terceirizadas de cobrança por IA frequentemente transferem a responsabilidade operacional pra esses fornecedores — mas a responsabilidade legal continua sendo da empresa que cobra. A plataforma não vai responder no Procon. Você vai.
Realidade: o viés algorÃtmico afeta quem você menos imagina
Esse ponto mudou minha visão de forma mais profunda do que qualquer questão legal.
Sistemas de cobrança treinados em dados históricos brasileiros herdam as desigualdades estruturais desses dados. Isso não é especulação — é um problema documentado em pesquisas de fairness em machine learning, incluindo estudos publicados por grupos de pesquisa de IA no Brasil.
Na prática: se o histórico de inadimplência de uma empresa é concentrado em determinados CEPs, perfis de renda ou segmentos de consumidor, o modelo vai aprender a tratar essas caracterÃsticas como preditores de risco. O resultado é um sistema que cobra de forma mais agressiva exatamente os consumidores que já têm menos recursos pra lidar com cobrança intensiva — e que são, por isso, mais vulneráveis a danos reputacionais e emocionais.
Não é que o algoritmo seja maldoso. É que ele aprende com o que foi dado a ele, e o que foi dado a ele reflete um mundo com desigualdades reais.
Do ponto de vista de risco empresarial, isso cria uma exposição dupla: regulatória (discriminação em cobrança pode ser enquadrada como prática abusiva) e reputacional (a história vaza, e redes sociais amplificam).
Mito: “Transparência? O cliente nem sabe que é IA”
Essa frase eu ouvi em mais de uma conversa com gestores de cobrança. E ela me preocupa mais do que qualquer outro mito nessa lista.
A LGPD estabelece o princÃpio da transparência como um dos pilares do tratamento de dados pessoais. A decisão automatizada — inclusive a decisão de cobrar, de qual canal usar, de qual tom adotar — pode ser questionada pelo titular dos dados, que tem o direito de saber que está interagindo com um sistema automatizado e de solicitar revisão humana.
Esse direito ainda é pouco conhecido pelo consumidor brasileiro, mas está crescendo. E quando crescer de verdade, as empresas que construÃram processos opacos vão ter um problema estrutural pra resolver — não uma ajuste pontual.
Tem um aspecto ético aqui que vai além da lei: fingir que a interação é humana quando não é cria uma assimetria de poder que, no contexto de cobrança — onde o consumidor já está em posição vulnerável — é particularmente problemática. Eu mudei de posição sobre isso. Não por obrigação legal. Por entender que é o tipo de prática que corrói confiança a longo prazo.
Realidade: a falha humana não desaparece — ela se esconde
Uma das ilusões mais perigosas da automação de cobrança é a ideia de que você está eliminando erro humano. Na verdade, você está deslocando onde o erro acontece.
O erro humano de um operador é pontual, identificável, corrigÃvel. O erro humano do engenheiro que treinou o modelo, do analista que definiu os parâmetros, do gestor que aprovou a régua sem teste adequado — esse erro é sistêmico. Ele se replica em cada interação até que alguém perceba o padrão.
Já vi empresas que implementaram IA de cobrança e reportaram redução de reclamações nos primeiros três meses — só pra descobrir, seis meses depois, que o sistema estava simplesmente evitando clientes que apresentavam sinais de contestação, em vez de resolver o problema. O número de reclamações caiu. A inadimplência não.
Isso é o tipo de insight que você só tem se tiver monitoramento contÃnuo, com métricas que vão além da taxa de recuperação. Quantos clientes foram contactados de forma incorreta? Quantas mensagens foram enviadas fora do horário comercial? Quantas interações resultaram em reclamação formal, mesmo que não chegassem a processo? Essas perguntas precisam ter resposta antes de escalar o sistema.
O que mudou na minha cabeça — e o que ainda não mudei
Passei de cético sobre IA em cobrança pra defensor cauteloso. Essa é a trajetória honesta.
A automação bem feita, com governança real, com monitoramento contÃnuo e com respeito à s normas do CDC e da LGPD, pode ser mais justa do que um time humano mal treinado, sobrecarregado e com incentivos tortos. Pode mesmo. Já vi isso funcionar.
O que mudei de ideia: achava que o risco era principalmente operacional (o sistema vai errar). Hoje entendo que o risco mais grave é de governança (ninguém vai perceber que o sistema está errando de forma sistemática).
O que não mudei: continuo achando que a decisão de implementar IA em cobrança sem ter um processo claro de auditoria, sem mapeamento de riscos regulatórios e sem canal de contestação para o consumidor é uma decisão irresponsável — independente do tamanho da empresa ou da sofisticação da plataforma escolhida.
A IA não vai te proteger do risco. Ela vai te dar mais escala — e com mais escala, mais exposição. A proteção ainda precisa vir de você.
—
Uma ressalva que precisa ser dita
Tudo que escrevi aqui vem de experiência aplicada e de acompanhamento do mercado — não de pesquisa acadêmica sistemática. O campo está evoluindo rápido: regulamentações especÃficas pra uso de IA em serviços financeiros e de crédito estão sendo discutidas no Brasil, e o quadro legal de 2026 pode ser diferente do que era há dois anos.
Há casos em que a cobrança por IA funcionou muito bem, com resultados mensuráveis e sem os problemas que descrevi. Não tenho como generalizar que vai dar errado pra todo mundo — o que posso dizer é que os riscos que mencionei são reais, documentáveis e frequentemente ignorados na pressa de implementar.
O que fica em aberto: ainda não existe no Brasil uma jurisprudência consolidada sobre responsabilidade empresarial por decisões automatizadas de cobrança. Quando essa jurisprudência se firmar — e ela vai se firmar — as empresas que construÃram processos com governança vão estar em posição muito mais confortável do que as que apostaram na obscuridade. Mas até lá, há incerteza real. E incerteza não é o mesmo que segurança.
“`