Integrando ChatGPT/Claude com Protheus: assistente fiscal em producao

"Por que essa NF-e foi rejeitada com codigo 539?" Em vez do consultor abrir 5 telas, ler 3 manuais e ligar pro suporte, ele digita a duvida no Protheus e o assistente responde — em portugues claro, com referencia ao manual oficial e link pra rotina afetada.

E possivel hoje, custa pouco, e este artigo mostra exatamente como construir.

O caso de uso

Empresa B com 40 consultores fiscais usando Protheus. Cada um abre ~12 chamados/mes para o time de TI sobre "como configurar regra X no FISA170", "o que significa erro Y na NFe", "como simular cenario Z". Custo do TI absorvendo isso: ~480h/mes. Solucao: assistente embutido no Protheus que resolve 70% dos casos antes de virar chamado.

Arquitetura ponta a ponta

Endpoint AdvPL/TLPP que chama o middleware

No Protheus, criamos uma User Function que envia a pergunta ao middleware:

#include "totvs.ch"
#include "tlpp-core.th"

User Function ARCHASK()
    Local cQuery    := Space(255)
    Local cAnswer   := ""
    Local oRest     := Nil
    Local cBody     := ""
    Local cUrl      := SuperGetMv("MV_AIURL", .F., "https://ai.archtecgroup.com.br/assistant")
    Local cToken    := SuperGetMv("MV_AITOKEN", .F., "")
    Local oResponse := JsonObject():New()

    // Tela simples pra usuario digitar pergunta
    @ 0,0 To 200,500 Dialog oDlg Title "Assistente ArchTec"
    @ 010,010 Get cQuery Size 240,10
    @ 030,010 Button "Perguntar" Size 60,15 Action _AskAI()
    Activate Dialog oDlg Centered
Return Nil

Static Function _AskAI()
    cBody := '{"user":"' + AllTrim(cUserName) + ;
             '","module":"' + cModulo + ;
             '","query":"' + EncodeUTF8(AllTrim(cQuery)) + '"}'

    oRest := FwRest():New(cUrl)
    oRest:setPath("/")
    oRest:setPostParams(cBody)
    oRest:setHeader("Authorization", "Bearer " + cToken)
    oRest:setHeader("Content-Type", "application/json; charset=UTF-8")

    If oRest:Post()
        oResponse:fromJson(oRest:getResult())
        cAnswer := oResponse["answer"]
        MsgInfo(cAnswer, "Resposta")
    Else
        MsgStop("Falha ao consultar IA: " + oRest:getLastError(), "Erro")
    EndIf
Return

Middleware Node (API Gateway pra IA)

Servidor leve que recebe do Protheus, autentica, injeta system prompt, chama LLM, sanitiza:

// middleware/server.js
const express = require('express');
const Anthropic = require('@anthropic-ai/sdk');
const rateLimit = require('express-rate-limit');

const app = express();
app.use(express.json());

const anthropic = new Anthropic({ apiKey: process.env.ANTHROPIC_API_KEY });

// Rate limit por usuario Protheus
app.use('/assistant', rateLimit({
    windowMs: 60_000,
    max: 30,
    keyGenerator: (req) => req.body?.user || req.ip
}));

// Bearer auth simples (token compartilhado entre Protheus e middleware)
app.use((req, res, next) => {
    const token = req.headers.authorization?.replace('Bearer ', '');
    if (token !== process.env.PROTHEUS_TOKEN) {
        return res.status(401).json({ error: 'unauthorized' });
    }
    next();
});

const SYSTEM_PROMPT = `Voce e um assistente especializado em TOTVS Protheus,
focado em duvidas tecnicas sobre Configurador de Tributos (CFGTRIB/FISA170),
emissao de NF-e/NFC-e e modulos fiscais. Responda em portugues brasileiro,
em ate 5 paragrafos. Quando relevante, cite a rotina Protheus exata
(ex: FISA170, MATA001) e nunca invente parametros que voce nao tem certeza.`;

app.post('/assistant', async (req, res) => {
    const { user, module, query } = req.body;
    if (!query || query.length < 5) {
        return res.status(400).json({ error: 'query muito curta' });
    }

    try {
        const result = await anthropic.messages.create({
            model: 'claude-sonnet-4-6',
            max_tokens: 1024,
            system: SYSTEM_PROMPT,
            messages: [
                { role: 'user', content: `[Modulo: ${module}] ${query}` }
            ]
        });

        const answer = result.content[0].text;

        // Audit pra LGPD
        await logAudit({ user, module, query, tokens: result.usage });

        res.json({
            answer,
            tokens_in: result.usage.input_tokens,
            tokens_out: result.usage.output_tokens
        });
    } catch (err) {
        console.error('LLM error:', err.message);
        res.status(500).json({ error: 'falha ao consultar assistente' });
    }
});

app.listen(8080, () => console.log('AI middleware rodando :8080'));

Custos reais

Com Claude Sonnet 4.6 (modelo bom-custo) a precificacao em maio/2026:

Se o assistente resolve 700 chamados/mes (cada chamado custaria ~30min de TI = ~R$ 50 de custo direto), economia liquida ~R$ 35.000/mes. ROI absurdo.

LGPD: o que voce precisa fazer

Mitigacoes obrigatorias:

1. Sanitizacao na entrada: regex pra mascarar CPF, CNPJ, RG, email, telefone antes de enviar pro LLM.
2. Anthropic Zero Data Retention (ZDR): contratual, garante que prompts nao sao armazenados pra treino. OpenAI tem equivalente em planos enterprise.
3. Termo de uso interno: usuario aceita que duvidas sao processadas por IA externa.
4. Audit log imutavel: quem perguntou o que, quando.
5. Region pinning: solicite servidor LLM em regiao com nivel de protecao adequado (LGPD-compliant).

Proximos passos: RAG com base de conhecimento

O proximo nivel e injetar contexto da sua empresa. Em vez do LLM responder com conhecimento generico, ele recebe trechos relevantes do seu wiki/documentacao antes de responder.

Stack recomendada: Postgres + pgvector (ja temos PG no Protheus), embeddings com text-embedding-3-small da OpenAI (US$ 0.02/1M tokens — pratico free), retrieval top-K, e o LLM responde com base nesse contexto.

Esse passo extra e relevante quando voce quer que o assistente saiba especificamente as customizacoes do seu Protheus. Sem isso, o assistente sabe TOTVS padrao, nao sabe sua TES interna chamada 510_REVENDA_ESPECIAL.

Fale conosco se quer um POC do assistente fiscal rodando em 2 semanas no seu ambiente.