R$50 mil invisíveis: a inadimplência que o seu sistema não mostra

Quanto da sua receita está presa em inadimplência neste momento? Se você respondeu "sei exatamente", parabéns — você é exceção. A maioria dos gestores de PMEs tem uma estimativa. E essa estimativa está quase sempre errada. Para baixo.

O caso dos R$ 50 mil

Em uma associação de proteção veicular com cerca de 3.000 membros, perguntamos ao gestor: "Quanto você tem em inadimplência hoje?" A resposta foi segura: "Entre R$ 15 e R$ 20 mil. No máximo."

Quando analisamos os dados reais — todas as mensalidades vencidas e não pagas, cruzando com o histórico de cada associado — o número era R$ 50.944.

Não era um erro de cálculo do gestor. Era um problema de visibilidade. O sistema mostrava quem estava devendo no mês corrente. Mas não consolidava atrasos acumulados, não separava inadimplência recorrente de atraso pontual, e não mostrava a tendência ao longo do tempo.

O crescimento invisível

Tão preocupante quanto o valor absoluto era a tendência. Antes de janeiro de 2026, a associação tinha em média 45 associados inadimplentes por mês. Em março de 2026, esse número havia saltado para 226.

Um aumento de 5 vezes em menos de 3 meses.

O gestor não tinha percebido porque o número não aparecia em nenhum relatório consolidado. Cada mês era tratado de forma isolada. E como o sistema mostrava apenas os inadimplentes do mês corrente — sem contexto histórico — não havia como enxergar a curva ascendente.

Por que os sistemas falham nisso

A maioria dos sistemas de gestão para PMEs e associações foi projetada para operação, não para análise. Eles respondem bem a perguntas como "quem está devendo este mês?" ou "qual o valor da mensalidade do associado X?". Mas não respondem a perguntas como:

• Quantos associados atrasaram mais de uma vez nos últimos 6 meses?
• Qual é a tendência de inadimplência mês a mês?
• Qual plano ou região está concentrando a inadimplência?
• Qual o valor acumulado total de inadimplência (não apenas do mês corrente)?

Sem essas respostas, o gestor navega com um mapa incompleto. Ele vê o ponto onde está, mas não vê para onde está indo.

O problema da estimativa humana

Pesquisadores Albanesi e Vamossy, em um estudo publicado pelo National Bureau of Economic Research (NBER), mostram que modelos preditivos baseados em dados históricos superam consistentemente estimativas baseadas em julgamento humano quando se trata de prever inadimplência. O estudo analisa como dados de comportamento de pagamento — e não apenas indicadores financeiros tradicionais — são os melhores preditores de default.

Isso se aplica diretamente à realidade das PMEs brasileiras. O gestor que estima R$ 15-20 mil não está sendo negligente — ele está usando as informações que tem disponíveis. O problema é que essas informações são incompletas. E a mente humana, diante de informação incompleta, tende a subestimar riscos graduais (como inadimplência crescente) e superestimar riscos súbitos (como a perda de um grande cliente).

O que fazer

O primeiro passo não é cobrar melhor. É enxergar melhor.

1. Consolide o valor total: some todas as mensalidades vencidas e não pagas, de todos os meses. O número vai ser maior do que você espera.
2. Acompanhe a tendência: quantos inadimplentes você tinha há 3 meses? E há 6? Se o número está subindo, você tem um problema sistêmico que nenhuma ação pontual de cobrança vai resolver.
3. Segmente por reincidência: separe quem atrasou pela primeira vez de quem já atrasou antes. São problemas diferentes com soluções diferentes.
4. Cruze com plano e região: inadimplência concentrada em um plano ou região específica pode indicar um problema de precificação, de canal de vendas ou de perfil de cliente.

Os R$ 50 mil invisíveis daquela associação não eram um caso extremo. Pela nossa experiência, a maioria das PMEs subestima sua inadimplência real em pelo menos 2x. A diferença entre o que você acha que está devendo e o que realmente está pode ser a diferença entre um mês positivo e um mês no vermelho.

Para entender como a inadimplência se conecta ao cancelamento, veja o penhasco do segundo atraso e a cascata sinistro-inadimplência-cancelamento. Se quiser ver como priorizar a cobrança com dados, leia cobrança inteligente: a ordem da lista.

Dados de uma associação de proteção veicular com 3.000 membros. A estimativa do gestor (R$15-20 mil) foi coletada antes da análise. O valor real (R$50.944) inclui todas as mensalidades vencidas e não pagas acumuladas.

Referências

• Albanesi, S. & Vamossy, D. F. (2019). "Predicting Consumer Default: A Deep Learning Approach". NBER Working Paper No. 26165.

Perguntas frequentes

Por que a estimativa de inadimplência quase sempre está errada para baixo?

Porque os sistemas de gestão tipicamente mostram apenas os inadimplentes do mês corrente, sem consolidar atrasos acumulados nem separar inadimplência recorrente de pontual. A mente humana, diante de informação incompleta, tende a subestimar riscos graduais. No caso analisado, a estimativa do gestor era R$ 15-20 mil; o valor real consolidado era R$ 50.944, uma diferença de 2,5 a 3,4 vezes.

Como calcular o valor real de inadimplência de uma PME?

Some todas as mensalidades vencidas e não pagas de todos os meses, não apenas do mês corrente. Cruze com o cadastro para identificar quem está devendo múltiplas parcelas. Separe inadimplência crônica (atrasos recorrentes) de pontual (primeiro atraso). O valor total costuma ser 2x ou mais o que o gestor estima, porque atrasos acumulados de meses anteriores raramente aparecem num relatório único.

Qual sinal indica que a inadimplência está crescendo?

A evolução do número de inadimplentes mês a mês. No caso analisado, a média era de 45 associados inadimplentes por mês antes de janeiro de 2026, e saltou para 226 em março, um crescimento de 5 vezes em menos de 3 meses. Sem um gráfico de tendência, esse tipo de curva ascendente passa despercebido porque cada mês é avaliado de forma isolada.

Por que sistemas de PME não mostram a tendência de inadimplência?

Porque foram projetados para operação, não para análise. Eles respondem bem a "quem está devendo hoje" mas não a perguntas como "qual a tendência nos últimos 6 meses" ou "qual plano concentra a inadimplência". Para ter essa visão, é preciso exportar os dados e montar um relatório paralelo, ou usar uma camada analítica sobre o sistema operacional existente.

Por que segmentar inadimplência por plano e região?

Porque a inadimplência concentrada em uma combinação específica pode indicar problema de precificação, canal de vendas ou perfil de cliente, e não uma questão geral de cobrança. Se o plano X na região Y tem inadimplência 3 vezes maior que a média, a solução não é cobrar mais forte, é revisar a oferta ou a forma como esse grupo foi adquirido. Segmentar revela a causa raiz.