Como a Snowflake reduziu o tempo de revisão de contratos em 70% com agentes inteligentes

Este é um estudo de caso interno que mostra como a equipe de Forward Deployed Engineers da Snowflake criou um agente de revisão de contratos com tecnologia de IA sobre a plataforma Snowflake. A ferramenta é usada internamente na Snowflake, sendo compartilhada aqui como exemplo de como recursos de IA de ponta podem transformar fluxos de trabalho regulados e de alto risco.

Tecnologia Snowflake utilizada: Snowflake Openflow, Snowflake Cortex AI, Cortex Agent, Data Agent Run, Snowflake AI Extract, Streamlit in Snowflake, Snowflake Intelligence

Processo de revisão tradicional

No mundo de alto risco do software corporativo, o ciclo de cotação até o recebimento depende inteiramente da velocidade e da precisão na revisão de contratos. Tradicionalmente, ajustar a escala das operações contábeis significa aumentar o quadro de funcionários para revisar manualmente e de forma minuciosa formulários de pedido personalizados, MSAs e aditivos de clientes. Esse método de trabalho manual cria um gargalo operacional e pode introduzir riscos de erro humano na identificação de cláusulas não padronizadas que afetam o reconhecimento de receita.

Em escala empresarial, a Snowflake processa um alto volume de contratos de clientes, que vão desde compromissos de capacidade estruturados até acordos especializados de marketplace. Cada um desses eventos contratuais traz termos exclusivos de negócios (como compromissos de capacidade, estruturas de desconto, frequências de faturamento e cláusulas de incentivo) que precisam ser revisados minuciosamente para garantir a conformidade no reconhecimento de receita e os controles de auditoria interna.

Ao testar os controles internos desse processo, os auditores leem cada PDF linha por linha, verificam os termos quanto a implicações padrão/não padrão e avaliam se o tratamento de receita relevante é adequado. Mas, conforme aumenta o volume de negócios da Snowflake, esse modelo não consegue ajustar a escala. Milhares de formulários de pedidos por trimestre, cada um exigindo uma revisão humana cuidadosa…

"A equipe de auditoria passava horas lendo manualmente PDFs para encontrar termos fora do padrão, mas ainda assim só conseguia fornecer garantia sobre uma amostra de todos os documentos", afirma Amrita Kapoor, VP de Auditoria Interna. "Precisávamos inverter o modelo. Ao permitir que a IA cuide da leitura exaustiva de todos os documentos, nossos auditores podem concentrar a experiência que possuem para lidar com as exceções, proporcionando, no final, uma garantia significativamente mais ampla e, eventualmente, repassando essa economia de tempo aos responsáveis pelos processos."

Criando um copiloto para o auditor, não uma caixa preta

O princípio de design da equipe era simples: automatizar a camada de detecção, mas manter os auditores no controle total do que é considerado "não padrão". Não se tratava de substituir o julgamento humano, mas de eliminar as inúmeras horas investidas procurando uma agulha no palheiro, para que os especialistas pudessem se concentrar em decidir o que fazer a respeito.

O Contract Review Agent funciona em três camadas:

Ingestão e extração: os PDFs dos formulários de pedido fluem dos sistemas de origem, passam pelo Google Drive via Snowflake Openflow e chegam a um servidor stage do Snowflake. Um Cortex Agent com tecnologia Cortex AI Functions realiza a extração de layout e usa o AI Extract para extrair campos estruturados: nome do cliente, valor da capacidade, termos de desconto, cronogramas de pagamento e dezenas de outros pontos de dados relevantes para a receita.

Classificar de acordo com um guia estratégico (ou padrão de referência) e sinalizar termos novos: em vez de depender apenas do julgamento do modelo, o agente avalia cada termo extraído com base em um guia estratégico gerenciado pelo usuário, um conjunto vivo de regras que define como são os termos "padrão" e "não padrão". O guia estratégico é uma tabela governada do Snowflake que a equipe de auditoria possui e edita diretamente, sem necessidade de abrir um ticket de engenharia. Com base nele, o agente avalia cada cláusula, gerando uma classificação de padrão ou não padrão, com índices de confiança, trechos no nível da cláusula, referências de página e uma explicação em linguagem natural sobre o motivo da sinalização do termo.

Exibir, revisar e aprender: as descobertas são apresentadas em uma aplicação centrada no revisor, com um dashboard administrativo para visibilidade no nível do portfólio e uma visualização detalhada do contrato para análises mais avançadas. Os auditores podem aprovar, substituir ou escalonar qualquer descoberta. Cada correção, seja em um valor extraído ou em uma classificação, é registrada e mantida como dicas de extração, semelhantes às regras do guia estratégico, que são armazenadas em memória de longo prazo e alimentam o agente em cada execução subsequente. Perguntas personalizadas do AI Extract para cada campo do esquema permitem que os auditores refinem a forma como o agente interpreta termos específicos, aumentando a precisão e o recall a cada lote. Um agente Snowflake Intelligence paralelo oferece aos stakeholders uma interface em linguagem natural para o status da auditoria e as taxas de itens não padronizados, sem a necessidade de acesso direto ao aplicativo.

_{Exemplo ilustrativo gerado por IA. Não é baseado em dados reais de clientes ou empresas.}

Guia estratégico: os auditores escrevem as regras

A maioria das ferramentas de IA para contratos vem com um modelo fixo do que é "normal". Isso é um problema em auditoria, pois a definição de não padrão muda de acordo com o contexto de negócios, mudanças regulatórias e estrutura dos contratos.

O administrador do guia estratégico coloca o controle diretamente nas mãos dos auditores. É um mecanismo de regras editável, armazenado no Snowflake e acessível pela interface de usuário da aplicação:

• Cada regra define um termo, seus critérios de detecção e sua classificação (padrão ou não padrão).
• Cada alteração é registrada em uma trilha de auditoria imutável: ação, ID da regra, quem a alterou, quando, valor antigo e valor novo.
• As regras entram em vigor imediatamente na próxima execução de processamento, sem necessidade de alterações de código ou nova implantação.

Isso significa que a equipe de auditoria pode responder a um novo padrão contratual em minutos. Quando uma nova estrutura de desconto surge para negociações do quarto trimestre (Q4), os auditores adicionam uma regra e o agente começa a sinalizá-la em todo o conjunto de contratos. O guia estratégico evolui na velocidade dos negócios, não na velocidade dos sprints de engenharia.

_{Exemplo ilustrativo gerado por IA. Não é baseado em dados reais de clientes ou empresas.}

Identificando o que você nem sabia que precisava procurar

A detecção baseada em regras identifica padrões conhecidos. Mas contratos são documentos criativos: surgem novas cláusulas que nenhuma regra existente prevê. É aqui que entra a detecção de termos novos.

O sistema usa um método em duas camadas. Primeiro, uma estrutura de linguagem contratual conhecida como padrão é convertida e indexada. Quando o agente encontra uma cláusula que é semanticamente distante dessa estrutura linguística, ela é sinalizada como potencialmente nova. Em segundo lugar, os termos sinalizados são avaliados de acordo com as regras existentes do guia estratégico, para separar linguagem genuinamente nova dos padrões já conhecidos.

Os termos novos identificados são exibidos em uma visualização separada, onde os auditores os classificam como anomalia relevante ou ruído de rotina. Essas classificações retornam ao sistema, ensinando-o a priorizar itens em execuções futuras. Com o tempo, o detector de termos novos se torna mais preciso, ajustado pelas pessoas que entendem melhor os contratos.

Resultados

• Tempo de revisão reduzido em 70%: o que antes exigia vários níveis de preparação agora é feito pela IA e, em vez de dias, leva horas.
• Cobertura total sem crescimento linear do quadro de funcionários: milhares de formulários de pedidos revisados quanto às implicações na receita por trimestre, sem a necessidade de ajustar a escala da equipe de auditoria proporcionalmente ao volume de negócios.
• Auditável por design: cada extração, classificação, alteração de regra e correção é registrada com proveniência completa, o tipo de trilha de evidências que os auditores externos esperam.
• Melhoria contínua da precisão: cada ciclo de revisão realimenta o sistema com correções e classificações, aumentando a precisão a cada lote.

_{Exemplo ilustrativo gerado por IA. Não é baseado em dados reais de clientes ou empresas.}

Além dos contratos com clientes

A mesma arquitetura está sendo expandida para outros tipos de acordos. O padrão se generaliza: defina um esquema de extração, escreva as regras do guia estratégico para o que "padrão" significa naquele tipo de documento e deixe o agente fazer a leitura exaustiva enquanto os especialistas se concentram no julgamento.

"A única forma de a revisão de contratos acompanhar o crescimento dos negócios em escala é por meio desse tipo de sistema", afirma Nikolai Scholz, PM de Unstructured Data Application. "Sem ele, o crescimento da equipe operacional é linear. Com ele, você mantém a equipe reduzida e ainda assim amplia a cobertura, e o sistema fica mais inteligente a cada trimestre porque os especialistas o treinam."