Nilus: a startup de US$ 18 milhões que traz agentes de IA para a tesouraria

Em janeiro de 2025, a Nilus levantou US$ 10 milhões em uma rodada liderada pela Felicis e Vesey Ventures, elevando seu funding total para US$ 18,6 milhões. A startup israelense, fundada por veteranos do PayPal e da Fundbox, já gerência bilhões de dolares em caixa acumulado para clientes que vão de empresas de médio porte a companhias listadas em bolsa. O diferencial? Em vez de oferecer um TMS tradicional com IA embutida, a Nilus construiu uma plataforma de agentes de IA autônomos que executam tarefas de tesouraria de forma proativa.

Neste post, vamos entender o que a Nilus faz, como seus agentes de IA funcionam na prática e por que essa abordagem pode redefinir o que esperamos de um sistema de tesouraria.

O que é a Nilus

A Nilus é uma plataforma de gestão de tesouraria que unifica conciliação, gestão de caixa e previsão de fluxo de caixa em um único sistema, alimentado por inteligência artificial. Foi fundada por Daniel Kalish (ex-PayPal) e Danielle Shaul (ex-Fundbox), dois profissionais que viveram de perto as limitações dos sistemas financeiros tradicionais.

A base de clientes já inclui empresas como Alloy, Taboola, Made In Cookware e Planned Parenthood -- um mix que demonstra versatilidade para diferentes setores e tamanhos de operação.

Em 2025, a Nilus contratou Matthew Harlan como Chief Treasury Officer, um executivo que liderou tesouraria em empresas como Toast e Samsara. Essa contratacao sinaliza a intenção de construir o produto com a perspectiva de quem realmente opera tesouraria no dia a dia.

O conceito: agentes de IA vs. ferramentas de IA

Antes de mergulhar nas funcionalidades, vale distinguir dois conceitos que frequentemente se confundem:

Ferramentas de IA são funcionalidades específicas que usam machine learning para uma tarefa pontual. Exemplo: um modelo que categoriza transações bancárias automaticamente. Você aciona a ferramenta, ela executa, você confere o resultado.

Agentes de IA são sistemas autônomos capazes de perceber, raciocinar e agir em ambientes complexos sem esperar por comandos humanos. Em vez de responder a uma pergunta, o agente monitora continuamente, detecta situações e toma ações (ou recomenda ações) de forma proativa.

A Nilus aposta na segunda abordagem. Seus agentes não esperam que o tesoureiro pergunte "qual é minha posição de caixa?" -- eles monitoram as posições continuamente e alertam quando algo muda ou merece atenção.

Os agentes da Nilus na prática

A plataforma oferece agentes especializados para diferentes funções de tesouraria:

Agente de Conciliação

• Conecta automaticamente bancos, processadores de pagamento, plataformas de billing e ERPs
• Cruza transações bancárias com registros contábeis em tempo real
• Usa machine learning para detectar padrões e identificar discrepâncias rapidamente
• Sugere ações corretivas quando encontra divergencias
• O tesoureiro sempre sabe o status de cada transação, sem precisar verificar manualmente

Na prática, isso significa que a conciliação deixa de ser um processo de final de mês (ou final de semana) e se torna contínua e automática. A equipe só intervem quando o agente sinaliza uma exceção que não conseguiu resolver sozinho.

Agente Analista

O Analyst Agent e descrito pela Nilus como um "colaborador ativo" que automatiza a fase de construção de relatórios:

• Agrega dados de múltiplas fontes automaticamente
• Detecta anomalias nos padrões de fluxo de caixa
• Redige explicacoes em linguagem natural sobre variações e tendências
• Transforma dados de tesouraria em insights acionaveis instantâneos

Em vez de o tesoureiro gastar horas montando um relatório de posição de caixa, o agente prepara o rascunho e destaca os pontos que merecem atenção. O humano revisa, ajusta e toma decisões -- não coleta dados.

Agente de Previsão

• Utiliza algoritmos avancados para analisar dados históricos de transações e dados de períodos futuros já previstos
• Preve fluxos de caixa futuros com base em padrões identificados
• Otimiza posições de liquidez sugerindo alocações mais eficientes
• Fornece insights em tempo real sobre reservas de caixa
• Incorpora dados de ERPs, CRMs e plataformas de pagamento para maior precisão

A previsão de caixa e historicamente uma das funções mais frustrantes da tesouraria -- manual, imprecisa e rapidamente desatualizada. O agente da Nilus ataca todos esses pontos ao automatizar a coleta de dados e atualizar previsões continuamente.

A arquitetura: conectividade como fundacao

Um agente de IA só e tao bom quanto os dados que recebe. A Nilus entendeu isso é investiu pesadamente em conectividade:

• Bancos: conexão direta com instituições financeiras para importação automática de saldos e transações
• ERPs: integração com sistemas como NetSuite, QuickBooks e outros
• Processadores de pagamento: Stripe, PayPal, Adyen e similares
• Plataformas de billing: para empresas SaaS e de assinaturas

Todos os dados são centralizados em um único painel, independente de quantas contas, entidades ou moedas a empresa opera. Essa centralização é o que permite que os agentes funcionem -- sem dados unificados, não há contexto suficiente para IA tomar decisões inteligentes.

O diferencial: por que agentes importam mais que features

A maioria dos TMS do mercado compete em features -- "nós temos previsão de caixa", "nós fazemos conciliação", "nós consolidamos posições". O problema é que essas features ainda dependem de um humano para aciona-las, interpretar resultados e agir.

Agentes de IA invertem a lógica:

Essa mudança de paradigma e similar ao que aconteceu em outras areas de TI. Monitoramento de infraestrutura, por exemplo, evoluiu de "verificar logs manualmente" para "agentes que detectam e resolvem incidentes automaticamente". A tesouraria esta seguindo o mesmo caminho.

O contexto competitivo

A Nilus não esta sozinha. Outras plataformas de tesouraria com IA incluem:

• Trovata: focada em visibilidade de caixa e APIs bancárias, levantou mais de US$ 50 milhões
• Embat: forte na Europa, com IA para conciliação e contabilização automática
• FIS Neural Treasury: suite enterprise com Treasury GPT para consultas em linguagem natural
• HighRadius: foco em cash application e previsão, voltada para grandes corporações
• Kyriba: TMS enterprise com funcionalidades de IA em evolução

O que diferencia a Nilus nesse cenário:

• Abordagem "agent-first" em vez de "feature-first"
• Foco no mid-market: empresas que são grandes demais para Excel mas pequenas demais para Kyriba
• Time fundador com experiência operacional em fintech (PayPal, Fundbox)
• Preço e implementação acessíveis comparados a soluções enterprise

Os riscos e limitações

Transparência e importante. Eis os pontos de atenção:

• Startup em estagio inicial: com US$ 18,6 milhões em funding, a Nilus ainda não é uma empresa consolidada. Há risco de continuidade, como em qualquer startup.
• Base de clientes ainda pequena: embora inclua nomes como Taboola e Alloy, a escala ainda e limitada comparada a players estabelecidos.
• Agentes autônomos exigem confiança: para que agentes de IA funcionem, a equipe precisa confiar nas recomendações do sistema. Isso requer um período de validação e calibracao.
• Cobertura bancária: a conectividade bancária pode variar por regiao. Para empresas com operações no Brasil, e fundamental verificar se os bancos locais são suportados.
• Complexidade regulatoria: agentes que tomam ações proativas em tesouraria levantam questoes sobre controles internos e segregacao de funções que precisam ser endereçadas.

O que isso significa para o Brasil

O modelo de agentes de IA para tesouraria ainda não chegou ao Brasil de forma nativa. Nossas opções locais de TMS (como o proprio Kobana para boletos e cobrança) focam em funcionalidades específicas. Mas a tendência e global e inevitável.

Para empresas brasileiras que operam internacionalmente, plataformas como a Nilus já são uma opção viável -- especialmente para gestão de caixa em dolares e euros. Para operações puramente domesticas, o conceito de agentes de IA pode ser implementado progressivamente usando ferramentas como RPA combinado com modelos de machine learning.

Ações práticas

1. Mapeie suas tarefas reativas de tesouraria. Liste todas as atividades que sua equipe executa de forma reativa -- conciliação manual, coleta de saldos, montagem de relatórios. Essas são as candidatas naturais para automação por agentes.
2. Avalie sua conectividade de dados. Agentes de IA precisam de dados centralizados. Se você ainda coleta saldos bancários manualmente ou exporta dados do ERP em CSV, comece por resolver a conectividade antes de pensar em IA.
3. Experimente o conceito com ferramentas existentes. Você não precisa da Nilus para testar agentes. Ferramentas de RPA como UiPath ou Power Automate podem automatizar tarefas repetitivas de tesouraria. Comece com a conciliação bancária -- é a função com maior volume de trabalho manual na maioria das empresas.
4. Acompanhe o ecossistema de startups de tesouraria. Nilus, Trovata, Embat, Tesorio -- essas startups estão definindo o que será o TMS do futuro. Mesmo que você não adote nenhuma delas agora, entender seus modelos vai informar suas decisões de tecnologia nos próximos anos.
5. Defina seu apetite por autonomia. Agentes autônomos exigem uma decisão organizacional: até que ponto estamos confortaveis com IA tomando ações proativas em tesouraria? Comece a discutir essa questao com seu CFO e com auditoria interna agora, antes que a tecnologia chegue e pegue todos desprevenidos.