CustomAutomation
Folha de Pagamento. Conferência Automática
Detecta anomalias na folha antes do pagamento: horas extras anômalas, VR duplicado, INSS errado. Reduz revisão de 1 dia para 2 minutos.
O problema
Fechamento de folha é o evento mais estressante do mês de RH/financeiro. Múltiplas planilhas, lançamentos manuais, tabelas de INSS/IRRF que mudam, vale-refeição que duplica, hora extra que não bate com ponto. Um erro pode custar milhões em ações trabalhistas.
A maioria dos times faz revisão visual amostral. o que deixa erros sistemáticos passarem.
A solução
Um motor de anomalia statistical + rules-based que analisa cada linha da folha antes da aprovação:
- Compara cada colaborador com a média móvel dele (rolling 6 meses). flags +/- 2 desvios padrão
- Cruza com sistema de ponto (Pontomais, Senior, Acerto) para detectar HE inconsistentes
- Valida tabelas de INSS/IRRF/FGTS contra a versão oficial da receita (atualizada automaticamente)
- Detecta benefícios fora da faixa (VR/VA/VT acima do esperado pelo cargo)
- Identifica encargos calculados de forma errada (admissão proporcional mal calculada, férias com 1/3 errado)
Como funciona
[Folha gerada pelo sistema atual] → [Motor de validação]
|
┌─────────────────────────────┼──────────────────────────┐
↓ ↓ ↓
[Statistical ] [Rules engine ] [Anomalies dash]
[outlier detect ] [INSS, FGTS, etc ] [com severity ]
↓ ↓ ↓
[Painel de revisão]
↓
[Aprovar folha (gestor)]
Métricas em produção
Cliente B2B (184 colaboradores):
- Tempo de revisão pré-pagamento: 1 dia → 2 minutos
- R$ 28K/mês recuperados em erros que antes passavam (HE duplicada, VR errado)
- Zero passivo trabalhista nos últimos 8 meses desde implementação
- 5-9 anomalias detectadas por folha em média (sempre houve erros. só não viam)
O que vem incluso
- Motor Python + Pandas versionado e auditável
- Conectores prontos para Senior, TOTVS Folha, Gusto, Convenia, Sólides
- Tabelas oficiais (INSS, IRRF, FGTS, salário-mínimo) sincronizadas automaticamente com Receita
- Painel de aprovação com timeline + comentários por anomalia
- Audit trail completo: quem aprovou, quando, com qual justificativa
- Relatório mensal de anomalias para diretoria (governança)
Stack
- Python 3.13 + Pandas + Pydantic v2
- Postgres para histórico
- n8n para orchestration
- Vercel Functions para o painel (Next.js)
Compliance
- eSocial-ready: relatórios formatados para conferência cruzada
- LGPD: dados sensíveis (CPF, salário) criptografados at-rest
- SOX-friendly: trilha de auditoria imutável (quem aprovou, quando, por quê)
Tempo de implementação
3 semanas:
- Sprint 1: conector com sistema de folha + análise histórica (baseline por colaborador)
- Sprint 2: regras estatísticas + rules engine de INSS/IRRF/FGTS
- Sprint 3: painel + workflow de aprovação + testes em paralelo
Perguntas frequentes