Fligoo AI Services

Solução · Cobrança para bancos e fintechs

Cobrança que começa antes da primeira parcela em atraso.

A maioria das estratégias de cobrança ainda funciona com regras e decis: todos no mesmo bucket recebem a mesma ligação, no mesmo dia, com a mesma mensagem. Nós substituímos isso por um sistema de decisão — modelos preditivos que sabem quem vai pagar, quem vai pagar porque você agiu e como alcançá-lo — e agentes que executam o tratamento por WhatsApp, voz, SMS e e-mail, dentro da sua política e das regras do seu regulador.

  • 01 · SharpAI

    Modelos preditivos

    9 modelos · foundation + downstream

  • 02 · AUTONOMY

    Agentes

    9 padrões de agentes neste vertical

  • 03 · FDE

    Serviços de engenharia

    2 engagements anonimizados

O ciclo de vida da inadimplência

A cobrança é onde o problema se torna visível. A inadimplência é onde ele começa.

Cada etapa do ciclo de vida tem sua própria decisão, seu próprio custo de contato e sua própria janela. Um modelo por etapa, uma visão compartilhada do cliente por trás de todos eles.

  1. 01

    Em dia · pré-inadimplência

    Alerta antecipado

    Detecte o estresse de pagamento semanas antes do vencimento, a partir do comportamento do próprio cliente — e não de um gatilho de bureau que chega tarde.

    Decisões que modelamos

    • Score de estresse de pagamento
    • Oferta preventiva ou lembrete
    • Revisão de limite e exposição
  2. 02

    1–30 dias de atraso

    Cobrança inicial

    Separe os clientes que vão pagar por conta própria daqueles que precisam de um empurrão — e deixe o primeiro grupo em paz.

    Decisões que modelamos

    • Probabilidade de autorregularização
    • Momento do lembrete suave
    • Detecção de falsa inadimplência
  3. 03

    31–90 dias de atraso

    Cobrança intermediária

    Concentre o esforço onde a ação muda o resultado: o canal certo, o momento certo e a mensagem certa para cada cliente.

    Decisões que modelamos

    • Uplift do tratamento
    • Melhor canal e momento
    • Acompanhamento da promessa de pagamento
  4. 04

    Mais de 90 dias de atraso

    Recuperação e renegociação

    Ofereça o plano que o cliente realmente consegue cumprir e decida o que trabalhar internamente e o que encaminhar a uma assessoria de cobrança.

    Decisões que modelamos

    • Propensão à renegociação
    • Capacidade de pagamento
    • Desconto ou plano ótimo
  5. 05

    Todas as etapas

    Ciclo de aprendizado

    Cada contato, promessa e pagamento alimenta os modelos. A última conversa não é ruído — é contexto para a próxima ação.

    Decisões que modelamos

    • Challenger vs. champion
    • Otimização de mensagens
    • Limites de saturação de contato

01 · SharpAI · Cobrança

Uma foundation de cliente, um head de decisão para cada pergunta de cobrança.

Os heads de cobrança se conectam ao mesmo Customer Behavior Transformer que usamos em todo o setor bancário. O embedding já codifica como cada cliente ganha, gasta, paga e responde — assim, os modelos de cobrança partem de uma visão rica do cliente em vez de um punhado de variáveis de bureau, e cada head responde a uma pergunta operacional.

Foundation · o que o backbone tokeniza

Cada sinal que a base lê sobre o devedor.

O histórico de eventos do cliente em contas, cartões, empréstimos, canais e interações de cobrança anteriores. Passe o mouse ou toque em qualquer sinal para ver o que ele é.

27 signals

Downstream · o que o head consome

O que o head de uplift do tratamento consome.

O head de uplift não pergunta quem tem probabilidade de pagar. Pergunta quem paga por causa da ação. Passe o mouse sobre qualquer nó — estas são as entradas por trás de uma decisão de tratamento.

13 signals

Foundation models · pré-treinamento self-supervised, backbone congelado reutilizado downstream

  • Customer Behavior Transformer (CBT)

    A base bancária compartilhada. Tokeniza o histórico de eventos de cada cliente — transações, renda, saldos, pagamentos, contatos por canal e interações de cobrança anteriores — em uma sequência que o encoder lê, e produz o embedding do cliente que todos os heads de cobrança consomem.

    Encoder Transformer sobre os eventos mais recentes do cliente · embedding compartilhado de 256 dimensões · codificação posicional + temporal

    Objetivos de pré-treinamento

    • Modelagem de eventos mascarados
    • Previsão do próximo evento
    • Aprendizado contrastivo temporal

    Corpus · Ajustado (fine-tuning) sobre a carteira de cada instituição dentro da sua própria nuvem · dados pseudonimizados · funciona com os dados disponíveis desde o primeiro dia e melhora à medida que o ciclo retroalimenta

    Inputs tokenizados
    Eventos de contas, cartões e empréstimos · Comportamento de renda e pagamento · Interações de canal e de cobrança
    Outputs
    Embedding comportamental por cliente · Representação de sequência para os heads de cobrança

Heads downstream · fine-tuned sobre o embedding congelado do foundation por instituição e caso de uso

  • Risco de inadimplência

    Probabilidade de entrar em inadimplência em 30, 90 e 180 dias — o sinal de alerta antecipado que abre o ciclo de vida.

    Head de sobrevivência sobre o embedding congelado

    • Alerta antecipado
    • Risco
  • Probabilidade de pagamento

    Quem paga, e quando, sem nenhuma ação — a linha de base contra a qual todo tratamento é medido.

    Head de classificação calibrado

    • Autorregularização
    • Priorização
  • Capacidade de pagamento e estresse

    Estima quanto o cliente consegue realisticamente pagar agora, a partir dos padrões de renda e gastos.

    Head de regressão sobre features de fluxo de caixa

    • Capacidade
    • Acessibilidade financeira
  • Uplift do tratamento

    O efeito incremental de cada ação sobre cada cliente — para que o esforço vá para as pessoas que ele realmente muda, e não para as que pagariam de qualquer forma.

    Modelagem de uplift · T-learner e X-learner

    • Uplift
    • Custo de cobrança
  • Melhor momento de contato

    O canal e a janela de horário em que cada cliente tem maior probabilidade de responder.

    Head de ranking sobre o histórico de resposta por canal

    • Canal
    • Timing
  • Otimização de mensagens

    Escolhe tom, conteúdo e enquadramento da oferta por cliente e continua aprendendo com cada resposta.

    Contextual bandit

    • Mensagens
    • Experimentação
  • Propensão à renegociação

    Quais clientes aceitarão um plano de pagamento ou refinanciamento, e qual estrutura de plano eles têm mais probabilidade de cumprir.

    Head de propensão + ranking de estrutura de plano

    • Renegociação
    • Recuperação
  • Promessa de pagamento

    Probabilidade de que uma promessa seja cumprida, para que o acompanhamento seja agendado onde importa.

    Head de classificação sobre o histórico de conversas e pagamentos

    • Promessa de pagamento
    • Acompanhamento

02 · AUTONOMY · Cobrança

Os foundation models preveem. A AUTONOMY decide, executa e aprende.

A previsão gera insight; a decisão e a execução geram impacto. Uma equipe de agentes especializados, coordenados por agentes supervisores, transforma cada score em um tratamento — e cada tratamento passa pelas regras de política, consentimento e compliance da instituição antes de chegar ao cliente.

9 padrões de agentes · ordenados por maturidade de implantação

  1. A01

    Agente de Alerta Antecipado

    Monitora sinais de estresse de pagamento em contas em dia e abre uma ação preventiva antes do vencimento — um lembrete, uma data de débito reprogramada ou uma oferta.

    Gatilho · Limite do score de estresse

    ↳ Inadimplência prevenida, não perseguida

  2. A02

    Agente de Lembrete Suave

    Envia o lembrete mais leve que seja eficaz a clientes em estágio inicial com probabilidade de autorregularização, e permanece em silêncio onde o silêncio funciona melhor.

    Gatilho · Vencimento / 1–30 dias

    ↳ Menor custo de contato

  3. A03

    Agente de Priorização

    Ordena a carteira diária pela recuperação incremental por contato e atribui cada conta a operadores, discador, canais digitais ou nenhuma ação.

    Gatilho · Atualização diária da carteira

    ↳ Esforço onde move a recuperação

  4. A04

    Agente de Cobrança por WhatsApp

    Conduz a conversa no WhatsApp Business — templates aprovados, opt-in e janela de 24 horas respeitados — explica o saldo, compartilha links de pagamento e responde às dúvidas.

    Gatilho · Tratamento atribuído ao WhatsApp

    ↳ Resolução em autoatendimento

  5. A05

    Agente de Negociação

    Propõe o plano de pagamento que o cliente consegue cumprir, dentro dos limites de desconto e prazo que a instituição autorizou.

    Gatilho · Propensão à renegociação

    ↳ Planos que são cumpridos

  6. A06

    Agente de Promessa de Pagamento

    Registra cada promessa, agenda o acompanhamento e adapta o próximo passo se o pagamento não chegar.

    Gatilho · Promessa registrada

    ↳ Maior taxa de cumprimento

  7. A07

    Agente de Escalonamento

    Transfere o caso a um cobrador humano — com contexto completo e uma recomendação de próximo passo — quando a conversa, o valor ou um sinal de vulnerabilidade exigem.

    Gatilho · Limite de política ou de julgamento

    ↳ Pessoas nos casos que precisam delas

  8. A08

    Agente de Compliance

    Verifica cada ação antes de executá-la: horários de contato, limites de frequência, consentimento, listas de não contato, redação das mensagens e regras de proteção de dados.

    Gatilho · Toda ação

    ↳ Auditável por design

  9. A09

    Agente de Aprendizado

    Lê o resultado de cada contato e o devolve aos modelos e à estratégia, executando testes champion versus challenger de forma contínua.

    Gatilho · Contínuo

    ↳ Uma estratégia que melhora a cada ciclo

03 · FDE · Cobrança

Um challenger de cobrança, operado por engenheiros integrados à sua equipe.

Não pedimos que você desligue o que funciona. Executamos um challenger controlado contra a sua estratégia atual — na sua carteira, na sua nuvem, pelos seus canais — e medimos a recuperação incremental em relação a um grupo de controle. Isto não é body-shopping. É forward-deployed engineering.

Integração com o seu stack de cobrança

Core banking, processadora de cartões, motor de regras, CRM, discador e assessorias de cobrança — conectados primeiro em modo somente leitura. Os resultados dos modelos chegam aos sistemas que sua equipe já opera, substituindo decis fixos por quantos tratamentos os dados sustentarem.

Desenho do challenger

Um grupo de controle na sua estratégia atual e braços de teste que separam o efeito de melhores modelos do efeito de melhor execução — de modo que cada ponto de recuperação seja atribuível.

Execução omnichannel

WhatsApp Business, voz, SMS, RCS, e-mail e call center orquestrados a partir de uma única camada de decisão, com limites de frequência e janelas de contato aplicados na orquestração.

Compliance e proteção de dados

Dados pseudonimizados, gestão de consentimento e opt-out, regras de horário de contato e trilha de auditoria completa de cada decisão — alinhados à regulamentação local de defesa do consumidor e proteção de dados (LGPD no Brasil, Lei 25.326 da Argentina).

KPIs em que as finanças confiam

Taxa de recuperação, recuperação incremental, taxa de promessas de pagamento cumpridas, recuperação por contato e custo de cobrança — com limites de controle para reclamações, opt-outs e saturação de contato.

Caminho de 90 dias até a produção

Duas semanas de escopo, depois modelagem, execução controlada e um business case sustentado por resultados. Podemos começar com dados limitados e ampliar o escopo à medida que o ciclo se comprova.

Engagements anonimizados · a mesma equipe de engenharia end-to-end

  • Banco de varejo · LATAM

    Carteiras de empréstimos e cartões

    Segmentação da carteira de cobrança orientada por modelos, para substituir decis baseados em regras por tratamentos mais finos carregados no motor de regras e no CRM do banco — incluindo a detecção de falsa inadimplência administrativa e de clientes com múltiplos empréstimos. Roda dentro da nuvem do banco.

    Em execução — impacto medido antes/depois em relação às regras atuais.

  • Top 5 telecom · LATAM

    Carteira de faturas B2B

    Previsão de pagamento e não pagamento por fatura, com priorização baseada em probabilidade e estratégia de melhor canal, validada offline sobre os dados históricos da operadora.

    Potencial de aumento de 10,7% na cobrança identificado na validação offline.

Composição da equipe — estrutura FDE típica para este vertical

  • FDE LeadSênior · integrado
  • Cientistas de Dados Seniores2 · risco + uplift
  • Engenheiro de Dados1 · core + canais
  • Engenheiro de Agentes1 · AUTONOMY + WhatsApp
  • Líder de Estratégia de Cobrança0.5 · tratamentos + KPIs
  • Ponto de Contato de Compliance0.5 · política + auditoria

Leve SharpAI, AUTONOMY e FDE para a sua operação.

Engenheiros sênior embarcados, modelos preditivos em produção e agentes que executam sobre cada score.

Fale com nossa equipe
Collections for banking & fintech — Fligoo AI Services