Escritório de contabilidade com várias empresas no Conta Azul: como consolidar DRE e aging no ChatGPT via Kondado MCP

Quando o seu escritório atende vários clientes no Conta Azul, a API da plataforma não devolve um campo que diga de qual empresa cada lançamento veio, então não dá para somar todo mundo numa consulta só. A solução é uma conexão da Kondado por empresa, cada uma gravando num schema separado na sua base de dados, e uma consulta que junta tudo com uma coluna empresa_origem. A partir daí o ChatGPT (ou o Claude) lê esses dados pelo MCP da Kondado e entrega DRE consolidado, aging consolidado e comparação entre clientes no chat, sem você montar um relatório manual por empresa.

Este guia mostra por que a limitação existe, como organizar a base por empresa e quais análises consolidadas você passa a pedir em linguagem natural.

Por que a API do Conta Azul não retorna o campo de empresa?

A API do Conta Azul autentica um token por empresa: cada autorização enxerga somente os dados daquela conta e nenhum registro carrega uma marca dizendo a qual empresa pertence. Quando um escritório de contabilidade atende cinco, dez ou trinta clientes, não existe um único acesso que liste todas as empresas juntas, nem um campo "empresa" para filtrar. A própria documentação de desenvolvedores do Conta Azul descreve esse fluxo de autorização de múltiplos clientes: é um token por empresa, um por um.

Isso quebra a tentativa óbvia de "puxar tudo de uma vez". Sem uma camada que separe e depois reúna os dados, qualquer consolidação vira trabalho manual de exportar planilha de cada cliente e empilhar à mão.

A Kondado resolve isso na arquitetura. Você cria uma integração do Conta Azul para cada empresa que atende, e cada integração usa o seu próprio token de autorização. A Kondado replica os dados de cada empresa para a sua base de dados de destino, e é aí que a consolidação acontece de forma confiável.

Como montar um schema por empresa no Conta Azul?

A montagem segue três passos diretos, feitos uma vez por cliente que o escritório atende:

1. Uma integração por empresa. Para cada cliente, você autoriza uma integração do Conta Azul na Kondado com o token daquela empresa. Cada integração replica as tabelas do Conta Azul daquele cliente, atualizadas na frequência que você escolher.
2. Os dados de cada empresa isolados no destino. Ao configurar o destino, você organiza os dados de cada cliente em um schema próprio (por exemplo, um schema por cliente em um banco PostgreSQL, BigQuery ou Redshift). Assim, cliente_a.contaazul_contas_a_receber e cliente_b.contaazul_contas_a_receber ficam isolados e rastreáveis. O que torna a consolidação confiável não é a forma de organização em si, e sim a coluna de origem que entra no passo seguinte.
3. A coluna empresa_origem na hora de juntar. Quando o ChatGPT consolida, ele une as tabelas equivalentes de cada schema com um UNION ALL, acrescentando uma coluna empresa_origem que carimba a qual cliente cada linha pertence. É essa coluna que devolve a dimensão "empresa" que a API não dá.

Feito isso, a base passa a ter o que faltava: todos os clientes lado a lado, cada lançamento identificado por empresa. O ChatGPT consulta esse conjunto via MCP da Kondado, sem precisar acessar o Conta Azul de cada cliente na hora da pergunta.

O que é o MCP da Kondado e como o ChatGPT lê os dados?

O MCP da Kondado é um canal de acesso analítico aos dados que a Kondado já replicou, pensado para agentes de IA como ChatGPT, Claude, Cursor e VS Code. O endpoint é https://mcp.kondado.io/mcp, com autenticação por OAuth, e o acesso é somente de leitura: o modelo gera consultas (filtra, agrupa, soma, faz junções e calcula colunas) sobre as tabelas do Conta Azul, sem nunca escrever ou apagar nada.

Na prática, o ChatGPT nunca conversa direto com o Conta Azul. Ele lê a base de destino que a Kondado mantém atualizada, e essa base já tem os dados de todas as empresas que você atende, organizados por schema. Você pergunta em português, o modelo monta a consulta, e a resposta volta com os números de todos os clientes consolidados. Para entender o desenho do produto, vale conhecer como funciona o Via Kondado e o MCP.

Quais análises consolidadas o ChatGPT entrega via Kondado MCP?

Com a base por empresa montada, o escritório ganha um conjunto de análises que antes exigiam um dashboard manual por cliente. As quatro abaixo são as que mais mudam a rotina.

DRE consolidado com coluna por empresa

Você pede algo direto como: "Faz a DRE consolidada de abril das 5 empresas que atendo, com coluna empresa_origem. Identifica anomalias, como uma categoria que dispara em uma empresa." O modelo monta a árvore da DRE de cada cliente a partir das tabelas contaazul_categorias_dre (a hierarquia de grupos e totalizadores) e dos rateios por categoria dos lançamentos, e empilha tudo com UNION ALL.

Um detalhe contábil importante: para que categorias sem movimento no período apareçam como R$ 0,00 em vez de sumirem da DRE, o modelo precisa juntar a árvore de categorias com os lançamentos por LEFT JOIN. Sem isso, uma categoria zerada em abril simplesmente desaparece do relatório e a leitura comparativa entre clientes fica enganosa. Pedir explicitamente que o ChatGPT preserve as categorias zeradas garante que a DRE de cada empresa tenha a mesma estrutura, o que torna a comparação lado a lado honesta.

Aging de recebíveis consolidado por faixa de atraso

A segunda análise é o aging de contas a receber de todos os clientes ao mesmo tempo. A pergunta é do tipo: "Lista os recebíveis em aberto de todas as empresas, agrupados por faixa de atraso (0 a 30, 31 a 60, 61 a 90 e mais de 90 dias), com empresa_origem e nome do cliente final." O modelo usa contaazul_contas_a_receber para a data de vencimento e o status, desconta o que já foi recebido a partir de contaazul_contas_a_receber_parcela_baixas e traz o nome de cada cliente final de contaazul_cadastro_de_pessoas e contaazul_cadastro_de_pessoas_detalhes.

O resultado é uma visão de inadimplência de toda a carteira do escritório em uma tabela só, com cada valor carimbado pela empresa de origem.

Ranking de clientes por exposição em atraso

A partir do mesmo aging, o ChatGPT ordena as empresas pela exposição total em atraso. A pergunta natural é: "Quais das empresas que atendo têm a maior soma de recebíveis vencidos há mais de 60 dias? Ordena da maior para a menor." Isso transforma a inadimplência espalhada em uma lista de prioridade clara: o escritório sabe qual cliente precisa de uma conversa sobre régua de cobrança antes do fechamento do mês.

Anomalia de categoria por empresa

A quarta análise é a detecção de desvios. Você pergunta: "Compara o gasto por categoria entre as empresas e mostra onde uma delas está muito acima da média das outras no mesmo mês." O modelo agrega os lançamentos por categoria e por empresa_origem, calcula a média entre os clientes e aponta os pontos fora da curva. É assim que o escritório descobre, por exemplo, que uma empresa lançou uma despesa três vezes maior que as demais numa mesma categoria, o que merece checagem antes de fechar o balancete.

Como cruzar Conta Azul e Meta Ads por cliente atendido?

O mesmo desenho de schema por empresa permite cruzar o financeiro de um cliente com o investimento em mídia dele. Se o cliente também tem uma conta de Meta Ads replicada pela Kondado, você pergunta: "Para a empresa X, compara o que ela gastou em Meta Ads no mês com o faturamento registrado no Conta Azul, e calcula o retorno por dia." O modelo junta as vendas detalhadas do Conta Azul daquele cliente com os dados de investimento do Meta Ads e devolve o retorno sobre o investimento, cliente a cliente.

Para o escritório que oferece análise de marketing além da contábil, isso vira um serviço novo entregue no chat, sem montar um relatório separado para cada conta.

Que serviço o escritório passa a oferecer

A consolidação muda o que o escritório consegue vender. Em vez de fechar a DRE de cada cliente isoladamente, ele passa a entregar uma camada de análise comparativa entre todos os clientes que atende: quem está fora da curva em despesa, quem concentra inadimplência, quem tem retorno de mídia caindo. Tudo isso é perguntado em linguagem natural e respondido sobre dados que a Kondado mantém atualizados, sem um painel manual por empresa.

A Kondado é a plataforma que torna isso possível: replica as tabelas do Conta Azul de cada cliente para a sua base, mantém os dados atualizados na frequência que você definir e expõe o MCP que o ChatGPT e o Claude consultam. O escritório ganha escala porque a parte trabalhosa, juntar e organizar os dados de muitas empresas, fica resolvida na arquitetura.

Perguntas Frequentes

O ChatGPT lê o Conta Azul direto?

Não. O ChatGPT lê a base de dados que a Kondado mantém atualizada com as tabelas do Conta Azul de cada empresa, através do MCP da Kondado no endpoint https://mcp.kondado.io/mcp. O acesso é somente de leitura e a consulta é gerada pelo modelo sobre os dados já replicados, nunca direto na API do Conta Azul.

Como consolidar a DRE de múltiplas empresas no Conta Azul?

Você cria uma conexão da Kondado por empresa, cada uma gravando em um schema separado na base de destino, e o ChatGPT junta as tabelas equivalentes com UNION ALL e uma coluna empresa_origem. Assim, a dimensão de empresa que a API do Conta Azul não fornece passa a existir na base, e a DRE consolidada de todos os clientes sai em uma única consulta.

Por que a API do Conta Azul não separa as empresas que atendo?

Porque a API autentica um token por empresa e nenhum registro carrega o identificador da empresa de origem. Cada autorização vê só os dados de uma conta, então a separação e a posterior consolidação precisam acontecer na base de destino, com um schema por empresa.

Preciso de quantas conexões para um escritório com 5 clientes?

Uma integração do Conta Azul por cliente, ou seja, cinco integrações com cinco tokens de autorização. Cada integração replica os dados daquela empresa para o seu schema, e a consolidação no chat reúne os cinco.

O aging consolidado mostra o nome do cliente final?

Sim. O aging usa as tabelas de cadastro de pessoas do Conta Azul para trazer o nome e o documento de cada cliente final, junto da faixa de atraso e da coluna empresa_origem, de modo que você vê quem deve, em qual empresa e há quanto tempo.

Dá para cruzar o financeiro do Conta Azul com o marketing do cliente?

Sim. Se a conta de Meta Ads do cliente também estiver replicada pela Kondado, o ChatGPT cruza o investimento em mídia com o faturamento registrado no Conta Azul daquela empresa e calcula o retorno, sem você montar um relatório à parte.

Conecte o Conta Azul de cada empresa que você atende à Kondado e faça a primeira análise consolidada no ChatGPT. Comece pelo cadastro na Kondado e confira o catálogo de conectores e os planos disponíveis.