Resultado
Conferência
O que apareceu clique para filtrar
Como funciona
Lê a nota
Abre o XML da NF-e ou NFC-e (leiaute 4.00), também dentro de .zip, e separa por empresa. Na planilha do cadastro, acha sozinho as colunas de código, descrição, NCM e código de barras.
Confere cada item
Regras objetivas (NCM na tabela oficial da data da nota, CFOP x estados, CST x regime, código de barras) e um modelo de IA que lê a descrição e diz qual NCM ela parece ter.
Diz o que fazer
Vermelho é erro provável, amarelo é para conferir, verde está ok. Cada alerta vem com o motivo e a sugestão de NCM ou CFOP, e a correção sai no formato do seu sistema.
O que ele confere
| Checagem | Nível |
|---|---|
| NCM não combina com a descrição (modelo) | vermelho amarelo |
| NCM que não existe na tabela oficial da data da nota | vermelho |
| NCM vazio ou sem 8 dígitos | vermelho |
| CFOP de compra numa venda (ou o contrário) | vermelho |
| CST do regime normal numa empresa do Simples (ou o contrário) | vermelho |
| CFOP que não bate com os estados da nota | amarelo |
| Mesmo produto com NCM diferente em outra nota | amarelo |
| Código de barras (GTIN) inválido | amarelo |
| Nota cancelada (evento na pasta) | amarelo |
Regra do escritório: um regras-do-escritorio.csv junto das notas diz o que é certo de propósito naquela empresa; o alerta continua no relatório, mas vira verde com o motivo.
Medido, não prometido
- 78,7%de acerto do NCM de 8 dígitos num mês que o modelo nunca viu (60,0% nas descrições nunca vistas; 76,1% entre os 5 mais prováveis).
- 50 de 60alertas vermelhos conferidos à mão eram NCM errado de verdade.
- 184 de 186erros plantados nas notas de exemplo foram marcados.
Privacidade
O que você envia é lido na memória do servidor, conferido e descartado. Não grava arquivo, não guarda log do conteúdo e não manda nada para outro serviço. O resultado fica 30 minutos na memória, só para você baixar a planilha.
In English
Raio-X Fiscal checks Brazilian e-invoices (NF-e XML), product master spreadsheets or a typed description. Rules plus a text classifier trained on 3.1 million public invoice items flag wrong NCM codes and CFOP mismatches, item by item, with the reason and the fix. Uploads are processed in memory and discarded. Read the README.