Classificação de clientes com ML: do CNAE aos embeddings

Um problema silencioso mora na controladoria de quase toda empresa: o cliente é cadastrado à mão no grupo de produto errado. A venda entra na categoria errada, o relatório sai torto e alguém precisa corrigir, um por um, olhando o nome fantasia e a atividade da empresa. É trabalho repetitivo, caro e que não escala.

Por que não é só "treinar um modelo"

A tentação é jogar tudo num classificador e torcer. Mas texto de nome fantasia é curto e sujo — abreviações, siglas, erros de digitação. E errar a classificação de um cliente custa caro: distorce a análise que a diretoria usa para decidir. A solução tem que ser precisa onde tem certeza e humilde onde não tem.

A abordagem híbrida

Em vez de um único modelo, uma cascata que combina sinais fortes com aprendizado:

• CNAE, o sinal estruturado. Todo CNPJ tem um código de atividade econômica. Para muitos casos, ele mapeia quase direto para o grupo de produto — resolve o fácil de forma determinística, sem ML.
• Embeddings semânticos. Para o resto, um modelo transforma o nome fantasia em um vetor que captura significado: "padaria", "panificadora" e "pães & cia" ficam perto no espaço vetorial, mesmo escritos diferente.
• Recuperação sobre o histórico. Compara-se o cliente novo com os que a equipe já classificou corretamente — aproveitando a base histórica como fonte de verdade, em vez de exigir um treino do zero.

Confiança é o que decide

A peça central não é o modelo — é a confiança calibrada. Cada predição recebe um score, comparado a um limiar cadastrado:

• Acima do limiar → classifica sozinha.
• Abaixo → vai para uma fila de revisão humana, que não trava o sistema.

O limiar é escolhido para garantir uma taxa de erro máxima entre os casos auto-classificados — o negócio define quanto erro tolera, e o sistema respeita. Nada de rotular no escuro.

Um bom sistema de ML não é o que acerta mais. É o que sabe quando não sabe — e chama um humano antes de errar.

Melhora sozinho, com governança

Cada correção do analista vira um novo exemplo rotulado que realimenta o modelo (active learning). Em volta disso, a disciplina de MLOps: versionamento do modelo, auditoria de cada predição, monitoramento de drift (quando o dado muda de comportamento) e alertas quando a performance sai do esperado — pelo mesmo canal de observabilidade da plataforma.

De custo a ativo

A triagem manual deixa de consumir horas e vira exceção — só a cauda difícil chega ao humano, e cada decisão dele torna o sistema melhor. O que era um gargalo repetitivo vira um ativo que aprende. É a diferença entre automatizar uma tarefa e construir uma capacidade.