Conciliação de cartões com IA: como auditar taxas e recebíveis de adquirentes

O brasileiro pagou mais de R$ 4 trilhões com cartão de crédito e débito em 2024 — mais da metade de todas as transações presenciais e digitais do país. Para o varejo, isso significa que a maior parte da receita não cai direto na conta: passa antes por uma adquirente que desconta a taxa MDR, define o prazo de repasse e, com uma frequência incômoda, erra a conta. A conciliação de cartões existe para pegar esses erros — e é justamente o tipo de tarefa repetitiva, volumosa e cheia de regras em que a IA brilha.

O problema é que poucas empresas conferem de verdade. A taxa MDR no Brasil varia de 1,3% a 5,9%, está entre as mais altas do mundo, e muita gente a trata como "custo fixo e imutável". Não é. É um número negociado por contrato, aplicado transação a transação por sistemas que cometem erros de arredondamento, classificam a bandeira errada ou simplesmente cobram uma taxa diferente da combinada. Sem conferência automática, essa diferença vira margem que some em silêncio.

Por que conciliar cartão é mais difícil que conciliar banco

Na conciliação bancária tradicional, você compara dois lados: o extrato e o seu razão. Com cartões, há pelo menos quatro camadas que precisam bater entre si:

• A venda registrada no seu sistema (PDV, e-commerce, ERP)
• A transação capturada pela adquirente (Cielo, Rede, Stone, Getnet e afins)
• O repasse financeiro que efetivamente cai na conta, já líquido de taxas
• O contrato que define qual taxa e qual prazo deveriam ter sido aplicados

Cada venda parcelada em 12x vira 12 recebíveis com datas diferentes. Cada bandeira tem uma taxa. Crédito à vista, crédito parcelado e débito têm tarifas distintas — e a diferença entre bandeiras pode chegar a 1,5 ponto percentual no parcelado. Some a isso a antecipação de recebíveis, que aplica um segundo desconto sobre o valor já líquido, e você tem um quebra-cabeça que ninguém resolve no Excel com confiança.

A composição da MDR ajuda a entender onde mora o erro. Ela se divide em três pedaços: o emissor fica com 1,0% a 2,5%, a bandeira com 0,2% a 0,5% e a adquirente com 0,5% a 1,5%. Quando a taxa cobrada não corresponde ao contrato, o desvio costuma ser de centésimos de ponto — invisível numa venda, relevante quando multiplicado por dezenas de milhares de transações por mês.

O que a IA realmente faz na conciliação de cartões

Não é mágica. São três funções concretas que substituem o trabalho manual:

1. Matching em escala. Algoritmos de correspondência cruzam venda, transação e repasse mesmo quando os identificadores não batem perfeitamente — NSU, código de autorização, valor bruto, data e bandeira são combinados com scores de confiança. É o mesmo princípio do matching probabilístico da conciliação bancária, aplicado ao volume muito maior de um varejo com várias lojas e várias adquirentes.

2. Auditoria de taxa transação a transação. Aqui está o ganho que mais aparece no caixa. A IA recalcula o valor líquido esperado para cada venda, usando as taxas contratadas, e compara com o que a adquirente efetivamente repassou. Toda diferença vira uma exceção para revisão. O mercado internacional chama esse vazamento de fee drift — a lacuna entre o que o contrato diz e o que é faturado, causada por novos programas de cartão, regras de transações internacionais, mudanças sazonais e erros de classificação (arredondamento, tier aplicado errado, spread de câmbio, markup de gateway).

3. Detecção de anomalias. Em vez de inundar a equipe com milhares de divergências de centavos, modelos de anomalia sinalizam apenas o que é estatisticamente relevante — um corredor de transações em que a taxa subiu de forma consistente, uma bandeira que passou a ser cobrada acima do contrato por vários dias seguidos. A plataforma Optimus, por exemplo, só dispara alerta quando a variância passa de 0,8 ponto-base por cinco dias ou mais, evitando ruído.

Os números justificam o esforço. Empresas que adotam conciliação e automação financeira conseguem reduzir até 20% dos custos com taxas de adquirência, segundo levantamento da Febraban de 2024. E a recuperação de fee drift, que parece pequena — entre 0,5 e 2,5 pontos-base por corredor —, vira economia anual de seis ou sete dígitos para quem processa volume alto.

Chargebacks: a frente onde a IA paga a conta

Conciliação de cartão não termina no repasse. O estorno (chargeback) é o evento que mais corrói margem e mais consome tempo da equipe financeira. A projeção da Mastercard é que comerciantes percam mais de US$ 54 bilhões com chargebacks em 2026, ante US$ 48 bilhões em 2025. E o custo real é maior do que o valor da disputa: cada estorno de US$ 100 custa cerca de US$ 240 quando se somam tarifas, mão de obra e produto perdido. Pior: estima-se que 45% dos chargebacks sejam fraude de primeira parte — o próprio cliente contestando uma compra legítima.

A IA atua em duas pontas. Na conciliação, ela reconstrói a linha do tempo de cada transação — autorização → captura → liquidação → depósito — para que, quando a contestação chega, o sistema já saiba a qual pedido e a qual taxa ela se refere. Na defesa, agentes automatizados classificam o caso na categoria certa, montam a resposta no formato exigido pela bandeira e avisam a equipe quando falta evidência, reduzindo o tempo de resolução e elevando a taxa de vitória.

O elo brasileiro: registradoras de recebíveis

O Brasil tem uma peça que não existe na maioria dos mercados: desde 2021, todo recebível de cartão precisa ser registrado em uma registradora autorizada pelo Banco Central — CERC, TAG, B3 ou Núclea. Esse registro é o que permite usar os recebíveis como garantia de crédito e antecipá-los com qualquer instituição, não só com a adquirente original.

Para a conciliação, isso muda o jogo. As registradoras são obrigadas a conciliar, no mínimo diariamente, as informações das unidades de recebíveis com os dados de liquidação. A Resolução BCB nº 264 padronizou nomes de tarifas e formas de cobrança, e ajustes de 2025 reforçaram que as câmaras de liquidação devem disponibilizar os dados de liquidação para conferência. Na prática, a empresa passa a ter uma fonte oficial e independente para cruzar contra o que a adquirente informa — e a IA é o que torna esse cruzamento viável no volume real.

Esse elo importa especialmente na antecipação de recebíveis. A taxa de antecipação incide sobre o valor já líquido da MDR, em juros simples, e a diferença de custo efetivo entre prazos de recebimento pode chegar a 30%. Sem conciliar o que foi antecipado contra o que foi efetivamente descontado, é fácil pagar duas vezes ou aceitar uma taxa acima da contratada.

Ferramentas disponíveis no mercado brasileiro

A escolha depende menos da marca e mais do seu perfil: volume mensal de transações, número de adquirentes, quantidade de lojas e integração com o ERP que você já usa. Peça sempre uma demonstração com os seus próprios dados — é a única forma de ver a taxa de matching automático na sua realidade.

Próximos Passos

1. Levante seus contratos de adquirência — reúna as taxas MDR contratadas por bandeira, produto (débito, crédito à vista, parcelado) e os prazos de repasse. Sem isso, não há o que auditar.
2. Padronize os dados de venda — garanta que cada transação tenha data, bandeira, produto, valor bruto, valor líquido e CNPJ da loja. É a base que qualquer ferramenta de IA precisa para fazer o matching.
3. Comece pela adquirente de maior volume — rode um piloto de conciliação automática em uma única adquirente e meça quanto de taxa cobrada a mais aparece nos primeiros 30 dias.
4. Cruze com a registradora — use os dados da CERC, TAG, B3 ou Núclea como fonte independente para validar repasses e antecipações.
5. Defina métricas claras — taxa de matching automático, valor recuperado em taxas indevidas e tempo de resolução de chargebacks. Sem número, a automação vira ato de fé.

Fontes:

• Dattos — 10 maneiras de auditar a taxa MDR corretamente
• Optimus — Killing fee drift: how AI-powered reconciliation detects overcharges
• Mastercard — Chargeback Guide (Merchant Edition)
• Banco Central do Brasil — Resolução BCB sobre registro de recebíveis de arranjos de pagamento
• Mattos Filho — BCB ajusta regulamentação acerca do registro de recebíveis de cartão
• Conciliadora — Taxa de antecipação de recebíveis