Toda empresa que opera com múltiplas Convenções Coletivas de Trabalho (CCTs) conhece o risco: uma verba calculada errada, um adicional esquecido, um reflexo que não bateu com a jornada registrada no ponto. Quando a divergência é descoberta internamente, corrige-se. Quando é descoberta por um tomador de serviço, vira glosa — receita retida. Quando aparece em uma fiscalização ou processo trabalhista, vira passivo.
O problema não é falta de competência do departamento pessoal. É que a conferência manual, feita em planilhas por uma ou duas pessoas, simplesmente não escala. Empresas com milhares de colaboradores, distribuídos em dezenas de contratos e sujeitos a CCTs distintas, precisam de uma abordagem diferente — uma que combine a precisão de regras de cálculo com a capacidade de interpretar textos normativos complexos.
É exatamente isso que a Inteligência de Conformidade da Folha de Pagamento faz.
O cenário que gera o problema
Empresas de facilities, segurança patrimonial, limpeza e manutenção predial compartilham uma realidade operacional específica: operam com grandes contingentes de colaboradores, frequentemente alocados em contratos com tomadores de serviço exigentes — como órgãos públicos e grandes corporações — e sujeitos a múltiplas CCTs com regras distintas de adicionais, jornada, reflexos e benefícios.
Nesse cenário, três riscos se acumulam silenciosamente:
- Glosa por não conformidade: o tomador audita a folha, encontra divergência frente à CCT ou à legislação e retém parte do pagamento. A empresa precisa montar uma defesa técnica — muitas vezes sem ter a rastreabilidade necessária para provar que o cálculo estava correto.
- Passivo trabalhista: colaboradores que receberam menos do que a CCT determina podem acionar a empresa judicialmente. O custo de uma ação trabalhista vai muito além do valor da verba: inclui honorários, multas e dano reputacional.
- Custo invisível de pagamento a maior: o oposto também acontece. Sem conferência automatizada, verbas pagas acima do exigido passam despercebidas — e se repetem mês a mês, contrato a contrato.
A conferência manual, por mais competente que seja o profissional, tem limites físicos. Uma pessoa não consegue cruzar, a cada ciclo de folha, milhares de registros de ponto com milhares de linhas de holerite, à luz de dezenas de cláusulas de CCTs diferentes. E quando essa pessoa sai de férias, fica doente ou deixa a empresa, o processo simplesmente para.
A solução: inteligência híbrida
A Inteligência de Conformidade da Folha de Pagamento é um sistema que cruza automaticamente três fontes de dados — ponto eletrônico, folha de pagamento calculada e CCTs + legislação trabalhista — para detectar divergências antes que elas gerem prejuízo.
O diferencial está na abordagem híbrida: dois motores de inteligência trabalham juntos, cada um fazendo o que faz melhor.
Motor determinístico: o contador rigoroso
O motor determinístico compara verbas, horas, adicionais e reflexos contra parâmetros exatos. A resposta é sempre binária: está conforme ou não está. Não há ambiguidade, não há interpretação — é matemática pura.
Cada apontamento gerado pelo motor tem trilha completa: qual verba foi conferida, qual era o valor esperado, qual foi o valor encontrado, qual a regra aplicada. Isso torna o resultado 100% auditável e reproduzível.
Exemplo prático: o colaborador registrou 10 horas extras no mês. A CCT determina adicional de 50%. A folha pagou com adicional de 40%. O motor detecta a divergência, aponta o valor correto e registra a evidência.
IA generativa (Amazon Bedrock + RAG): o advogado trabalhista
CCTs são documentos em PDF, escritos em linguagem jurídica, com cláusulas que variam por sindicato, categoria profissional e data-base. O motor determinístico não consegue "ler" esse tipo de texto — mas a IA generativa com RAG (Retrieval-Augmented Generation) sim.
Usando o Amazon Bedrock, a IA:
- Interpreta cláusulas de CCTs e legislação trabalhista
- Correlaciona a exigência normativa com o que foi efetivamente calculado na folha
- Redige justificativas em linguagem natural, prontas para responder a auditorias e fiscalizações
A técnica de RAG garante que a IA busca a informação diretamente nos documentos reais (CCTs e leis) antes de gerar qualquer resposta — não inventa, não alucina. A fundamentação está sempre ancorada no texto normativo original.
Exemplo prático: "A CCT do Sindicato X, Cláusula 12, determina adicional noturno de 25% para jornadas iniciadas após 22h. O colaborador Y trabalhou nesse turno e recebeu apenas 20%. Recomenda-se correção conforme fundamentação normativa."
Por que dois motores?
Porque cada natureza de problema exige uma tecnologia diferente:
- O que é numérico e tem regra fechada → motor determinístico
- O que é textual, interpretativo e varia por contexto → IA generativa
A combinação dos dois é o que torna a análise confiável e auditável ao mesmo tempo.
Dois modos de operação
A solução opera em dois modos complementares, cobrindo todo o ciclo de conformidade:
Modo preventivo — antes do fechamento da folha
A cada ciclo de folha, o sistema roda automaticamente e sinaliza divergências de verbas, horas e reflexos antes que o cálculo seja fechado. O departamento pessoal recebe os apontamentos com tempo hábil para corrigir.
O ganho é direto: a não conformidade nunca chega à auditoria do tomador. A glosa é evitada na origem.
Modo corretivo — quando a auditoria questiona
Quando o tomador de serviço ou uma fiscalização aponta uma divergência, o sistema monta a resposta automaticamente: cláusula da CCT ou lei aplicável + memória de cálculo + evidência do registro de ponto.
O que antes levava dias de conferência manual passa a ser gerado em horas — com fundamentação normativa que aumenta significativamente a taxa de reversão da glosa.
Analytics conversacional: perguntas em português, respostas em segundos
Além da conformidade, a solução inclui uma camada de analytics conversacional que permite à diretoria e ao departamento pessoal fazer perguntas sobre os dados em linguagem natural — sem saber SQL, sem abrir planilhas, sem esperar relatórios.
O funcionamento é simples:
- O gestor digita a pergunta em português
- O agente de IA (Amazon Bedrock) traduz a intenção em uma consulta estruturada
- A consulta é executada no Data Lake, respeitando as permissões de cada usuário
- A resposta volta em formato claro — número, tabela ou gráfico — com a fonte rastreável
Exemplos de perguntas que o sistema responde:
- "Quantos colaboradores estão no contrato X hoje?"
- "Qual o custo de folha do centro de custo Y no mês passado?"
- "Quem fez hora extra acima do limite da CCT nas últimas 4 semanas?"
- "Qual o turnover do último trimestre por contrato?"
Cada gestor acessa apenas os dados dos contratos e centros de custo que está autorizado a ver — a segurança por linha (row-level security) é aplicada automaticamente.
Arquitetura na AWS: como tudo se conecta
Toda a solução roda na AWS, com dados residentes no Brasil (região São Paulo). A arquitetura é organizada em quatro camadas:
Ingestão: os dados do sistema de ponto (via API), da folha de pagamento (via conexão ao banco do ERP) e das CCTs (PDFs processados por extração de texto) são coletados e padronizados automaticamente.
Dados: um Data Lake centralizado em Amazon S3 armazena todas as informações em camadas organizadas (raw e refined). As CCTs e a legislação são indexadas em uma base vetorial para consulta semântica pela IA.
Inteligência: o motor determinístico executa as regras de cálculo; o Amazon Bedrock interpreta as normas e gera justificativas; o agente conversacional traduz perguntas em consultas ao Data Lake.
Apresentação: dashboards de divergências para o DP, interface conversacional para a diretoria e relatórios de auditoria gerados automaticamente.
O modelo é independente do ERP: os dados são extraídos e normalizados em um formato canônico. Se a empresa trocar de sistema (de Data Master para TOTVS Protheus, por exemplo), apenas a camada de ingestão precisa ser ajustada — toda a inteligência construída sobre os dados permanece intacta.
Segurança e LGPD
A solução foi desenhada com segurança como requisito de arquitetura, não como camada adicional:
- Conectividade protegida: acesso ao ERP on-premises via VPN ou AWS Direct Connect — dados nunca trafegam pela internet aberta
- Isolamento de rede: ambiente em VPC dedicada com sub-redes privadas e controle de tráfego por security groups
- Criptografia ponta a ponta: dados em repouso e em trânsito criptografados com AWS KMS
- Controle de acesso granular: IAM com princípio de mínimo privilégio e segurança por linha — cada gestor vê apenas seus contratos/centros de custo
- Rastreabilidade total: CloudTrail e CloudWatch registram cada acesso e operação
- Aderência à LGPD: tratamento, retenção e finalidade dos dados pessoais alinhados à legislação brasileira
Um ponto crítico: os dados do cliente não treinam modelos de IA. Essa é uma política oficial da AWS para o Amazon Bedrock — os dados são processados, mas nunca utilizados para aprimorar os modelos de linguagem.
Resultados esperados
A implantação da Inteligência de Conformidade da Folha de Pagamento gera retorno em múltiplas dimensões:
- Glosa evitada: divergências corrigidas antes da auditoria do tomador protegem diretamente o faturamento
- Passivo trabalhista reduzido: conformidade preventiva elimina a principal fonte de ações trabalhistas por diferenças salariais
- Custo de folha otimizado: pagamentos a maior, que passavam despercebidos na conferência manual, são identificados e corrigidos
- Resposta rápida a auditorias: de dias de conferência manual para horas, com fundamentação normativa automatizada
- Autonomia executiva: diretoria e DP consultam dados de headcount, folha e turnover em segundos, sem depender de relatórios ou especialistas
O business case se constrói já na primeira fase (POC): ao rodar o motor sobre uma CCT real com dados reais, a empresa quantifica exatamente o volume de divergências — e o valor financeiro associado a cada uma. A decisão de expandir deixa de ser baseada em estimativa e passa a ser baseada em dados.
Próximos passos
Se a sua empresa opera com múltiplas CCTs, atende tomadores que auditam a folha ou simplesmente quer eliminar o risco de uma conferência que depende de planilhas e de uma única pessoa, o primeiro passo é um diagnóstico do cenário atual: quais CCTs se aplicam, como os dados de ponto e folha estão estruturados e onde estão os maiores riscos de exposição.
A Ascendra conduz esse diagnóstico e, a partir dele, estrutura uma POC focada na CCT de maior risco — com resultados mensuráveis em poucas semanas. Se fizer sentido conversar sobre o seu cenário, estamos disponíveis.
