YonGPT: como a China criou o primeiro LLM empresarial para serviços financeiros

Em julho de 2023, enquanto o Ocidente ainda debatia se LLMs tinham aplicação real em finanças corporativas, a chinesa Yonyou lançou o YonGPT 1.0 — o que a empresa chamou de primeiro modelo de linguagem de grande escala projetado especificamente para serviços empresariais. Um ano depois, em agosto de 2024, veio o YonGPT 2.0, com capacidades aprofundadas em finanças, RH e cadeia de suprimentos. Hoje, o modelo já está integrado a mais de 100 cenários de negócios em 10 domínios empresariais e permite que empresas construam agentes de IA personalizados em menos de 2 horas.

A história do YonGPT é relevante não apenas como caso tecnológico, mas como sinal do que está por vir: LLMs verticais, construídos com dados e processos de um setor específico, que entregam resultados que modelos genéricos não conseguem.

Quem é a Yonyou

A Yonyou Network Technology Co., Ltd. foi fundada em 1988 em Pequim e é uma das maiores fornecedoras de software empresarial e serviços em nuvem da China. Com 35 anos de experiência em sistemas ERP, contabilidade, RH e supply chain, a empresa acumulou um ativo que poucos competidores globais possuem: décadas de dados estruturados de processos financeiros e operacionais de milhares de empresas.

Quando a corrida dos LLMs começou, a Yonyou não partiu do zero. Ela partiu de uma base de conhecimento empresarial que inclui planos de contas, workflows de aprovação, regras fiscais, processos de conciliação e modelos de previsão de caixa — tudo isso alimentou o treinamento do YonGPT.

A arquitetura de três camadas do YonGPT

O que diferencia o YonGPT de modelos genéricos como ChatGPT ou Claude não é apenas o treinamento — é a arquitetura. O modelo opera em três camadas distintas que se complementam:

Camada 1: Modelo de fundação (Foundation Model)

A base é um LLM de grande porte treinado tanto com dados abertos quanto com dados empresariais proprietários da Yonyou. Essa camada lida com compreensão de linguagem natural, geração de texto, raciocínio lógico e processamento de instruções. É o "cérebro geral" do sistema.

A diferença para modelos genéricos é que o YonGPT foi pré-treinado com uma proporção significativa de documentos financeiros, regulatórios e operacionais — demonstrativos contábeis, relatórios de auditoria, políticas de compliance, manuais de processos. Isso faz com que o modelo "entenda" o vocabulário e a lógica do mundo corporativo de forma nativa, sem depender apenas de prompts para contextualização.

Camada 2: Modelos de domínio (Domain Models)

Sobre o modelo de fundação, a Yonyou construiu modelos especializados por área de negócio. Cada modelo de domínio é refinado com dados e regras específicas:

• Finanças: contabilidade, contas a pagar, contas a receber, tesouraria, consolidação, compliance fiscal.
• RH: folha de pagamento, gestão de talentos, planejamento de headcount, benefícios.
• Supply chain: procurement, gestão de estoque, logística, planejamento de demanda.
• Marketing e vendas: CRM, previsão de pipeline, análise de clientes.
• Ativos: gestão de ativos fixos, manutenção preditiva, depreciação.

Essa especialização é o que a Yonyou chama de "deep understanding of enterprise services" — uma compreensão profunda que vai além do que qualquer modelo genérico oferece, porque o treinamento é feito com dados reais de processos reais.

Camada 3: Agentes e aplicações (Agent Layer)

A camada mais visível para o usuário final. Aqui, o YonGPT se manifesta como agentes de IA que executam tarefas específicas dentro dos sistemas da Yonyou. São aplicações prontas para uso — o que a empresa chama de "digital intelligence employees" — que operam dentro do ERP, do sistema de RH ou da plataforma de supply chain.

Exemplos de agentes já disponíveis incluem:

• Agente de conciliação bancária: cruza extratos com lançamentos contábeis e sugere matches automaticamente.
• Agente de análise de variância: compara orçado vs. realizado e gera comentários explicativos.
• Agente de due diligence: analisa contratos e documentos e destaca cláusulas de risco.
• Agente de previsão de caixa: usa dados históricos e variáveis externas para projetar fluxo de caixa.
• Agente de categorização de despesas: classifica transações em contas contábeis com base em descrições e histórico.

A Yonyou desenvolveu mais de 100 aplicações inteligentes cobrindo seus principais domínios empresariais. Essas aplicações incluem produtos como YonMate (assistente de IA integrado), YonKM (gestão de conhecimento) e os chamados "Digital Intelligence Employees" — agentes que executam tarefas operacionais de forma autônoma.

O framework Agent + RAG

Um dos diferenciais técnicos do YonGPT é a combinação de duas tecnologias que potencializam o modelo:

Agentes (Agent Framework)

Os agentes do YonGPT não são simples chatbots. Eles seguem workflows pré-definidos, tomam decisões baseadas em regras de negócio e podem executar ações dentro dos sistemas — como lançar um pagamento, aprovar uma requisição ou gerar um relatório. A Yonyou afirma que um usuário pode construir um agente empresarial em menos de 2 horas, combinando conhecimento corporativo, workflows e o modelo de linguagem em uma aplicação funcional.

RAG (Retrieval-Augmented Generation)

O YonGPT usa RAG para acessar bases de conhecimento específicas da empresa — manuais, políticas, histórico de transações — no momento de gerar respostas. Isso reduz alucinações porque o modelo não depende apenas de seu treinamento pré-existente: ele consulta fontes atualizadas e contextuais antes de responder.

A Yonyou descreve isso como um "continuous data feedback loop" — os dados reais das operações alimentam o modelo continuamente, melhorando suas respostas ao longo do tempo.

YonGPT e DeepSeek: a convergência

Em um movimento recente, a Yonyou integrou os modelos DeepSeek-V3 e DeepSeek-R1 à sua plataforma BIP, acelerando a inteligência digital empresarial. Essa integração permite que o YonGPT combine seu conhecimento empresarial especializado com as capacidades de raciocínio avançado do DeepSeek — uma abordagem que reflete a tendência global de combinar modelos genéricos poderosos com camadas de especialização vertical.

O que o YonGPT significa para o mercado global

O YonGPT é um caso de estudo importante por várias razões:

LLMs verticais são o futuro

Modelos genéricos como GPT-4 ou Claude são extraordinariamente versáteis, mas para tarefas financeiras que exigem precisão regulatória, conformidade com normas contábeis locais e integração com sistemas legados, LLMs verticais têm vantagem. O YonGPT mostra que empresas de software empresarial que acumularam décadas de dados de domínio estão em posição privilegiada para construir esses modelos.

A China está liderando em IA empresarial

Enquanto a atenção do Ocidente se concentra em modelos de propósito geral (OpenAI, Anthropic, Google), a China está avançando rapidamente em IA aplicada a processos corporativos. A Yonyou, a Kingdee e outras empresas chinesas estão construindo soluções que já atendem milhares de empresas em produção — não em provas de conceito.

O modelo de agentes é escalável

A abordagem de agentes pré-construídos que podem ser customizados rapidamente é mais pragmática do que esperar que CFOs e controllers aprendam a usar um chatbot genérico. Em vez de pedir ao usuário que escreva prompts, o YonGPT entrega agentes prontos que já sabem o que fazer dentro de cada processo.

Limitações e questões em aberto

Como todo modelo, o YonGPT tem limitações que precisam ser consideradas:

• Disponibilidade geográfica: o modelo foi treinado primariamente com dados de empresas chinesas e normas contábeis da China. Sua aplicabilidade para empresas que operam sob IFRS ou GAAP americano ainda é limitada.
• Transparência do treinamento: não há informações públicas detalhadas sobre o dataset de treinamento, o que dificulta auditar possíveis vieses ou lacunas.
• Dependência do ecossistema Yonyou: os agentes funcionam dentro da plataforma BIP da Yonyou. Empresas que usam SAP, Oracle ou outros ERPs não conseguem aproveitar diretamente esses recursos.
• Regulação de dados: a legislação chinesa de proteção de dados tem particularidades que podem afetar empresas multinacionais que considerem usar o YonGPT em operações fora da China.

Ações práticas para profissionais de finanças

1. Acompanhe a evolução dos LLMs verticais — o YonGPT é o primeiro, mas não será o último. SAP, Oracle, Workday e outros grandes fornecedores de ERP estão construindo seus próprios modelos especializados. Entenda como seu fornecedor atual está se posicionando.
2. Avalie se seu ERP oferece capacidades de agentes — verifique se a plataforma que você usa já tem agentes de IA disponíveis para tarefas financeiras. Se sim, faça um piloto em um processo de baixo risco, como categorização de despesas ou conciliação bancária.
3. Considere a abordagem de camadas para sua própria stack — mesmo sem acesso ao YonGPT, você pode replicar a lógica: use um modelo genérico (ChatGPT, Claude) como fundação, alimente-o com dados da sua empresa via RAG, e construa workflows automatizados para tarefas específicas.
4. Mapeie seus dados proprietários — o maior ativo da Yonyou foram 35 anos de dados empresariais estruturados. Seu equivalente são os dados financeiros, processos documentados e históricos de transações da sua empresa. Organize-os — eles serão o combustível de qualquer solução de IA que você adotar.