Matching Automático na Conciliação: Regras que Funcionam e Exceções que Ainda Exigem Mão Humana
Descubra como configurar regras de matching automático na conciliação bancária e saiba quais exceções ainda precisam de análise humana.

A conciliação bancária é uma das rotinas mais repetitivas — e mais críticas — da tesouraria corporativa. Quando bem automatizada, libera horas do time para atividades estratégicas. Quando mal configurada, gera retrabalho, atrasos no fechamento e riscos de compliance. O matching automático é o coração dessa automação: regras que cruzam lançamentos internos com movimentações bancárias sem intervenção humana. Mas até onde ele vai? E onde ainda é preciso um analista experiente olhando linha por linha?
O que é matching automático e por que ele importa tanto?
Matching automático é o processo em que um sistema compara registros do ERP ou da tesouraria (contas a pagar, contas a receber, transferências internas) com os lançamentos efetivos nos extratos bancários. Quando os critérios de comparação são satisfeitos — valor, data, CNPJ do pagador, número do documento —, o sistema concilia automaticamente, sem que ninguém precise aprovar manualmente.
O impacto é direto: empresas com boas regras de matching conseguem conciliar automaticamente entre 70% e 95% dos lançamentos diários. Em tesourarias com alto volume — distribuidoras, varejistas, indústrias com centenas de fornecedores — isso significa economizar dezenas de horas por mês e reduzir erros de classificação que contaminam relatórios gerenciais e o fechamento contábil.
Quais critérios de matching funcionam melhor na prática?
Nem toda regra de matching entrega o mesmo resultado. Na prática, as tesourarias brasileiras que alcançam taxas de conciliação acima de 85% costumam trabalhar com uma hierarquia de critérios:
Valor exato + identificador único: É o cenário ideal. Quando o pagamento carrega um número de documento (nosso número do boleto, ID da nota fiscal ou referência interna) e o valor bate exatamente, a taxa de acerto é altíssima — próxima de 100%. É o caso clássico de boletos registrados.
Valor exato + CNPJ/CPF do pagador: Funciona bem para recebimentos de clientes recorrentes que pagam sempre o valor cheio. O sistema cruza o valor com a identificação do remetente no extrato. A eficácia cai quando o mesmo cliente faz múltiplos pagamentos no mesmo valor no mesmo dia.
Valor com tolerância + data próxima: Útil para pagamentos com pequenas diferenças (juros, multas, descontos concedidos). Definir uma faixa de tolerância — por exemplo, R$ 0,50 ou 0,5% do valor — permite conciliar automaticamente sem gerar falsos positivos em excesso.
Regras por tipo de transação: Tarifas bancárias, IOF, rendimentos de aplicação e transferências entre contas próprias seguem padrões previsíveis. Regras específicas para essas categorias costumam ter taxa de acerto superior a 90%, principalmente quando a conectividade bancária entrega os dados com campos padronizados.
Como evitar falsos positivos e falsos negativos nas regras?
O maior risco de uma automação mal calibrada não é a regra falhar — é ela conciliar errado e ninguém perceber. Falsos positivos (matching incorreto aceito como correto) são mais perigosos que falsos negativos (lançamento não conciliado que vai para a fila manual).
Para minimizar falsos positivos, a prática recomendada é usar pelo menos dois critérios combinados. Valor sozinho nunca é suficiente — especialmente em empresas com volume alto, onde coincidências de valores são frequentes. Já para reduzir falsos negativos, é fundamental entender como cada banco formata o campo de histórico no extrato. Bancos diferentes descrevem a mesma operação de formas distintas: "TED", "TRANSF ELET", "CR TED" podem significar a mesma coisa. O sistema precisa de um dicionário de sinônimos ou de normalização prévia dos dados.
Outro ponto frequentemente ignorado: a data. Lançamentos no ERP usam a data de competência; o extrato mostra a data de liquidação. Essa diferença de D+1 ou D+2 gera falsos negativos se a regra exigir data exata. Trabalhar com janela de datas (±2 dias úteis) resolve a maioria dos casos.
Quais exceções ainda precisam de análise humana?
Por melhor que seja a automação, há cenários que resistem ao matching automático — e forçar a conciliação nesses casos gera mais problema do que solução:
Pagamentos parciais: Quando um cliente paga apenas parte de uma fatura, ou agrupa duas faturas em um único depósito, o sistema precisa de lógica de "muitos para um" ou "um para muitos" que raramente funciona sem supervisão. A decisão de como alocar o valor parcial envolve julgamento comercial (qual fatura priorizar, se há acordo de parcelamento).
Devoluções e estornos atípicos: Estornos de TED, chargebacks de cartão e devoluções de Pix fora do padrão costumam chegar com descrições genéricas no extrato. Sem um identificador claro, o matching automático não consegue vincular ao lançamento original.
Lançamentos judiciais e tributários: Depósitos judiciais, levantamentos de alvarás, compensações tributárias e restituições federais têm formatos imprevisíveis e valores que não correspondem diretamente a nenhum registro no contas a receber.
Operações financeiras complexas: Liquidação de derivativos, ajuste de margem, amortização de dívida com juros variáveis — essas operações exigem cálculo e conferência que vai além de um cruzamento simples de campos.
Erros bancários: Por mais raro que seja, bancos cometem erros: créditos duplicados, débitos indevidos, tarifas cobradas em valores incorretos. Esses casos só aparecem quando um analista revisa a fila de exceções com atenção.
Qual é o papel de ferramentas como ERPs e plataformas de tesouraria nesse processo?
A maioria dos ERPs de mercado (SAP, Oracle, TOTVS Protheus) oferece módulos de conciliação bancária, mas com limitações conhecidas: regras pouco flexíveis, dificuldade de lidar com múltiplos bancos simultaneamente e interfaces que exigem customização pesada para cada cenário. Ferramentas especializadas como Kyriba, Banco.b e GTreasury avançam mais na sofisticação das regras, mas a qualidade do matching depende diretamente da qualidade dos dados de entrada.
É aqui que a camada de conectividade faz diferença. Quando os extratos chegam padronizados, com campos normalizados e em tempo real — não em arquivos CNAB processados uma vez por dia —, as regras de matching funcionam melhor e a taxa de conciliação automática sobe significativamente. Plataformas que centralizam extratos de múltiplos bancos com estrutura unificada eliminam o problema de cada banco ter seu próprio formato de descrição.
Como medir se o matching automático está realmente funcionando?
Três indicadores são essenciais para monitorar a saúde da conciliação automatizada:
Taxa de conciliação automática: Percentual de lançamentos conciliados sem intervenção humana. Abaixo de 70%, as regras precisam ser revisadas. Acima de 85%, o sistema está bem calibrado. Acima de 95%, questione se não há falsos positivos passando despercebidos.
Tempo médio de resolução de exceções: Quanto tempo um item fica na fila manual até ser resolvido. Se a fila cresce mais rápido do que é consumida, o time está subdimensionado ou as regras estão gerando exceções demais.
Taxa de erro pós-conciliação: Quantos itens conciliados automaticamente precisaram ser desfeitos depois. Esse é o indicador mais revelador — se está acima de 1%, há regras gerando falsos positivos que precisam ser ajustadas.
Existe um equilíbrio ideal entre automação e revisão humana?
Sim, e ele é dinâmico. O objetivo não é chegar a 100% de automação — isso é imprudente. O objetivo é automatizar tudo o que é previsível e repetitivo, e garantir que as exceções genuínas cheguem rapidamente a um analista qualificado, com contexto suficiente para decidir em segundos, não em minutos.
Na prática, a meta saudável para a maioria das tesourarias corporativas brasileiras é manter entre 85% e 92% de conciliação automática, com uma fila de exceções que represente menos de 10% do volume e seja resolvida no mesmo dia. O restante — os 3% a 5% de casos realmente complexos — pode ter prazo de resolução de até 48 horas sem comprometer o fechamento.
Síntese: automação inteligente, não automação cega
O matching automático na conciliação bancária não é um problema de tecnologia — é um problema de dados e de regras bem desenhadas. Empresas que investem tempo em configurar critérios robustos, normalizar dados de entrada e monitorar indicadores de qualidade colhem resultados expressivos. Mas tentar eliminar completamente a intervenção humana é um erro: as exceções existem justamente porque o mundo real não cabe em regras fixas.
A Datanomik endereça esse desafio de ponta a ponta: sua camada de conectividade bancária padroniza extratos de múltiplos bancos em formato unificado — o que, por si só, já eleva a taxa de matching. A partir daí, regras configuráveis permitem que cada empresa ajuste seus critérios de conciliação conforme a realidade do negócio, com dashboards que mostram em tempo real a taxa de conciliação automática e a fila de exceções pendentes. Para quem quer sair do ciclo de planilhas e arquivos CNAB e transformar a conciliação num processo previsível e auditável, é o caminho mais direto.



