Classificar uma mercadoria na NCM correta é uma das tarefas mais sensíveis de uma operação de importação: um dígito errado muda alíquota, exigências e risco de autuação. Automatizar isso com LLMs exige mais do que um bom prompt — exige um pipeline auditável.
Anatomia do pipeline
O sistema decompõe a classificação em etapas independentes: normalização da descrição do produto, recuperação de capítulos e posições candidatas, raciocínio comparativo entre candidatas e, por fim, verificação contra as Regras Gerais de Interpretação.
- Normalização — descrição livre vira ficha técnica estruturada
- Recuperação — candidatas vêm de busca híbrida sobre a nomenclatura e precedentes
- Raciocínio — o modelo compara candidatas e justifica a escolha
- Verificação — regras determinísticas barram inconsistências óbvias
Onde os modelos erram
Os erros mais comuns não são de conhecimento, e sim de ambiguidade na entrada: descrições comerciais omitem material, função ou composição. Por isso o pipeline devolve perguntas quando a confiança cai abaixo do limiar, em vez de forçar uma resposta.
Trilha de auditoria
Cada classificação carrega as candidatas consideradas, a justificativa e as regras aplicadas. Quando a fiscalização pergunta "por quê?", a resposta já existe — escrita no momento da decisão, não reconstruída depois.
Resultados em produção
Em operação assistida, o tempo médio de classificação caiu de horas para minutos, com o especialista humano revisando apenas os casos sinalizados. A automação não substituiu o despachante — devolveu a ele o tempo que a burocracia consumia.