Sankhya
IA para Sankhya: pergunte ao ERP em português, sem expor seus dados
Resposta curta
O Sankhya tem uma base de dados bem estruturada em tabelas TGF, TSI e TCB, o que facilita colocar uma camada de IA que responde perguntas sobre vendas, estoque e financeiro. A Netray monta essa camada com modelo local, acesso somente leitura e consulta visível ao usuário. Para relatórios fixos, o próprio construtor de relatórios do Sankhya continua sendo a opção mais simples.
O Sankhya é muito usado por distribuidoras, indústrias de médio porte, atacadistas e empresas de serviços. Em muitas delas, o ERP cresceu com a operação e hoje concentra pedidos, notas fiscais, estoque, financeiro e comissões. O resultado é uma base rica, mas cujas respostas dependem de quem sabe em qual tela ou tabela procurar.
Uma camada de IA bem projetada reduz essa dependência: o gerente comercial pergunta quais clientes diminuíram a compra nos últimos três meses, o almoxarife pergunta quais itens têm saldo abaixo do mínimo, e o financeiro pergunta quais títulos vencem e estão sem previsão de pagamento. A resposta chega com a consulta usada, para ser conferida.
A Netray constrói esse tipo de solução com modelos de pesos abertos rodando no ambiente da empresa. Parte da implantação é feita com parceiros que conhecem o Sankhya e a operação do cliente.
O que o Sankhya oferece como base para IA
O modelo de dados do Sankhya é razoavelmente consistente. Notas e pedidos ficam em TGFCAB (cabeçalho) e TGFITE (itens), produtos em TGFPRO, parceiros (clientes, fornecedores, transportadoras) em TGFPAR, movimentos financeiros em TGFFIN, e o tipo de operação em TGFTOP, que define como cada movimento afeta estoque e financeiro. Usuários e perfis ficam em tabelas TSI, como TSIUSU.
Essa consistência ajuda, mas há armadilhas. O significado de um registro em TGFCAB depende do tipo de operação (TOP), de modo que a pergunta quanto vendemos exige filtrar as operações corretas e tratar devoluções e cancelamentos. Uma camada de IA que não conhece essas regras entrega números plausíveis e errados, o pior cenário possível.
Por isso o projeto começa com uma camada semântica: definições de negócio como faturamento líquido, ticket médio ou cliente inativo, escritas junto com a área responsável e validadas contra relatórios que a empresa já considera corretos.
Casos de uso práticos
Em vendas, a IA responde perguntas variáveis que um relatório fixo não cobre: queda de compra por cliente, mix de produtos por vendedor, pedidos retidos por limite de crédito. Em estoque, aponta itens com cobertura baixa, produtos sem movimento e divergências entre saldo e reservas. No financeiro, ajuda a priorizar cobrança e a projetar o fluxo de caixa a partir de títulos reais.
Agentes também podem acompanhar exceções ao longo do dia, como pedidos aguardando liberação há muito tempo, notas rejeitadas pela SEFAZ ou cadastros de produto sem NCM, e enviar um resumo ao responsável.
- Comercial: clientes em queda, sazonalidade, desempenho por vendedor e região.
- Estoque: ruptura iminente, excesso, itens parados, saldo contra reserva.
- Financeiro: títulos vencidos, previsão de recebimento, concentração por cliente.
- Fiscal: notas pendentes, rejeições de NF-e, inconsistências de cadastro.
- Compras: sugestão de reposição a partir de consumo e prazo do fornecedor.
Arquitetura e privacidade
O Sankhya pode estar instalado no cliente ou em ambiente hospedado. Em qualquer caso, a recomendação é conectar a IA por uma réplica de leitura do banco ou por visões criadas para esse fim, com uma conta que só enxerga o necessário. Quando a empresa prefere não tocar no banco, as APIs e os recursos de integração do Sankhya podem servir de alternativa, com a limitação de que consultas muito livres ficam mais lentas.
O modelo de linguagem roda nos servidores da empresa ou em nuvem privada, usando vLLM ou Ollama. Os documentos associados, como contratos, políticas de crédito e procedimentos, ficam em um índice local. A resposta indica de onde veio cada informação.
Se o Sankhya da empresa está em nuvem de terceiros, vale decidir onde o modelo ficará: junto ao banco, para reduzir latência e tráfego, ou em um ambiente da empresa conectado por link seguro.
LGPD, segurança e controle de acesso
Cadastros de clientes pessoa física, contatos, vendedores e funcionários contêm dados pessoais. A empresa precisa tratar a IA como mais uma operação de tratamento: finalidade definida, acesso mínimo, registro das consultas e retenção limitada. Manter o processamento no Brasil e dentro do seu ambiente simplifica a avaliação de transferência internacional prevista no art. 33 da LGPD.
O acesso respeita os perfis do Sankhya. Um vendedor que só vê seus clientes no ERP só deve obter respostas sobre seus clientes. Esse filtro é aplicado na consulta, e não apenas na tela de resposta.
Ações de escrita, como liberar um pedido ou alterar um preço, não são feitas diretamente. Quando fazem parte do escopo, são propostas ao usuário e executadas somente após aprovação, por meio de rotinas do próprio ERP.
Como começar
Sugerimos uma avaliação curta para mapear as perguntas mais frequentes, os módulos envolvidos, a forma de acesso ao banco e o local de execução do modelo. Em seguida, um piloto com um tema só, como estoque ou cobrança, em ambiente de leitura, com um grupo pequeno de usuários e métricas simples: respostas corretas, tempo economizado e pedidos de relatório evitados.
Se o piloto convencer, expandimos módulo a módulo, sempre ampliando a camada semântica antes de ampliar o público.
Quando não vale a pena
Se as perguntas da empresa são sempre as mesmas, o construtor de relatórios e os dashboards do Sankhya resolvem sem a complexidade de um modelo de linguagem. Se a base cadastral é muito desorganizada, com produtos duplicados e parceiros sem classificação, a prioridade é limpar os dados, porque a IA não corrige cadastro ruim.
A IA também não substitui o analista fiscal nem o controller. Ela encurta o caminho até a informação, mas a decisão e a responsabilidade continuam com as pessoas.
Perguntas frequentes
A IA precisa acessar diretamente o banco do Sankhya?
O caminho mais eficiente é uma réplica de leitura ou visões dedicadas. Dá para usar APIs de integração quando a empresa não quer expor o banco, aceitando menos flexibilidade nas consultas.
Os números da IA batem com os relatórios do Sankhya?
Esse é o critério de aceite do piloto. Definimos cada indicador com a área responsável e validamos contra relatórios que a empresa já considera corretos, incluindo o tratamento de tipos de operação, devoluções e cancelamentos.
Os dados saem do Brasil?
Não precisam sair. O modelo pode rodar em servidores da empresa ou em nuvem privada no Brasil, o que simplifica a análise de transferência internacional na LGPD.
A IA vai lançar pedidos ou notas no Sankhya?
Por padrão não. A solução é de leitura. Se o escopo incluir escrita, ela será proposta ao usuário, aprovada por uma pessoa e executada pelas rotinas do próprio ERP.
Preciso de GPU própria?
Para modelos locais, sim, ou uma nuvem privada com GPU. O tamanho depende do número de usuários simultâneos e do modelo escolhido. Dimensionamos isso na avaliação.
Guias relacionados
IA para TOTVS Protheus: respostas do seu ERP, com os dados na sua casa
Como usar IA sobre o TOTVS Protheus: consultas em linguagem natural, PCP, compras e estoque, com modelo rodando local e dados dentro da sua indústria.
Senior SistemasIA para Senior Sistemas: ERP, HCM e dados sensíveis sob controle
IA sobre o ERP e o HCM da Senior Sistemas: perguntas em português sobre gestão empresarial, folha e ponto, com modelo local e conformidade com a LGPD.
SAP Business OneIA para SAP Business One no Brasil: dados fiscais e operacionais sob controle
IA sobre o SAP Business One no Brasil: perguntas em português, NF-e, estoque e produção, com Service Layer, modelo local e dados dentro da empresa.
Oracle NetSuiteIA para Oracle NetSuite no Brasil: SuiteQL, localização fiscal e LGPD
IA sobre o Oracle NetSuite no Brasil: SuiteQL, perguntas em português, localização fiscal e LGPD, com modelo privado e escrita sempre aprovada por pessoas.
ERP (TOTVS Protheus, SAP, Sankhya, Senior)LGPD e IA nos dados do ERP: como usar sem expor informações
Como usar IA sobre dados do ERP respeitando a LGPD: bases legais, minimização, RIPD, transferência internacional e implantação local dos dados.
MES e chão de fábricaIA para MES e chão de fábrica na indústria brasileira
Como aplicar IA ao MES e ao chão de fábrica da indústria brasileira: apontamento, OEE, paradas e qualidade, integrados ao ERP e rodando localmente.
Leve a IA para o seu ERP
Agende uma avaliação gratuita de IA para ERP. Mapeamos o fluxo de dados, o modelo e onde ele roda, e dizemos com franqueza se a IA não for a ferramenta certa.
Agendar avaliação gratuita