Se você precisa transformar dados de cobranças e clientes em informação acionável para os times financeiro e de relacionamento, integrar a sua operação a um modelo de IA pode reduzir significativamente o trabalho manual da equipe. O Google Gemini é um modelo do Google reconhecido pela qualidade na compreensão de linguagem natural em PT-BR e pela capacidade de raciocinar sobre dados parciais — características úteis para refinar descrições de cobrança e investigar motivos por trás de eventos como cancelamentos e estornos.
A Pluga é uma plataforma de integração que conecta diversas ferramentas empresariais, permitindo automatizações de fluxo de trabalho. Com ela, você pode definir ações automáticas entre o Asaas, o Google Gemini e outras ferramentas, sem precisar de uma única linha de código.
Com a integração entre o Google Gemini e o Asaas via Pluga, você pode, por exemplo:
- Refinar descrições de cobrança automaticamente, gerando textos mais claros e profissionais para nota fiscal e comunicação com o cliente, antes que a cobrança seja entregue.
- Investigar motivos de cancelamento ou estorno, com hipóteses estruturadas e sugestão de ação, registrando tudo em uma base de dados que o time de Customer Success pode consultar e atualizar.
Assim, o Asaas passa a alimentar diretamente os fluxos operacionais do seu time, sem intermediação manual.
Requisitos
- Uma conta PJ no Asaas;
- Uma conta na Pluga;
- Acesso ao Google Gemini com API Key ativa;
- Uma conta nas ferramentas de destino utilizadas em cada caso (no Caso 2, uma conta no Notion).
| ⚠️ Atenção: automatizações com IA exigem pelo menos três ferramentas, com o Google Gemini como intermediário, e o recurso de integrações multi-actions, disponível nos planos pagos da Pluga. |
Passo a passo
Os fluxos abaixo são automatizações independentes na Pluga — configure cada um separadamente, conforme a sua necessidade. Os primeiros passos são comuns aos dois casos.
1. Faça o login ou cadastre-se gratuitamente na Pluga:
2. Na área de usuário, clique em "Criar automatização":
3. Dê um nome à sua automatização e siga para o caso de uso desejado abaixo.
Caso 1 — Refinamento da descrição de cobrança para nota fiscal e cliente
Fluxo: Asaas → Google Gemini → Asaas
Quando uma nova cobrança for criada no Asaas com descrição genérica (como "Mensalidade", "Plano" ou "Serviço prestado"), o Google Gemini lê o texto original junto aos dados do cliente e do tipo de cobrança e devolve uma descrição padronizada, clara e profissional. Essa descrição refinada é então atualizada na própria cobrança no Asaas, melhorando a comunicação com o cliente e a clareza da nota fiscal.
Requisitos: conta no Asaas e na Pluga (plano pago, por se tratar de fluxo multi-actions).
Conectando-se ao Asaas
4. Selecione o Asaas como ferramenta de origem e o gatilho "Cobrança criada". Clique em "Salvar e continuar":
5. Conecte sua conta clicando em "Conectar Nova Conta" e realize a autenticação. Esse processo só precisa ser realizado uma única vez. Caso seja a sua primeira vez conectando o Asaas à Pluga, você pode conferir o tutorial completo acessando aqui:
6. Defina se deseja capturar a cobrança de todas as parcelas ou apenas a primeira parcela:
7. Se quiser, configure filtros adicionais — por exemplo, capturar apenas cobranças cuja descrição contenha termos genéricos. Em seguida, clique em "Conectar Nova Ferramenta":
Configurando o Google Gemini
8. Selecione o Google Gemini e a ação "Extrair dados estruturados". Clique em "Salvar e continuar":
9. Conecte sua conta clicando em "Conectar Nova Conta". Caso não saiba como encontrar sua API Key, clique em "Veja o passo a passo para encontrar suas chaves de acesso" e siga as instruções:
10. No campo "Texto a ser transformado em dados estruturados", mapeie os dados da cobrança usando o botão "Inserir infos". Inclua: descrição da cobrança, valor, data de vencimento, forma de pagamento, nome do cliente e ID da cobrança:
11. Selecione o modelo do Google Gemini. Por padrão, a integração da Pluga utiliza o modelo 2.5 Flash, que oferece bom equilíbrio entre custo e qualidade para esse caso. No campo "Instruções de Sistema", cole o modelo abaixo e ajuste conforme necessário:
📝 Modelo de prompt — Caso 1
|
Você é um especialista em descrições fiscais e comerciais. Receberá os dados de uma cobrança recém-criada no Asaas e deve devolver uma descrição refinada, clara e profissional, pronta para compor a nota fiscal e ser exibida ao cliente.
Use APENAS as informações fornecidas — não invente serviços, períodos ou valores que não estejam no input.
Devolva exatamente os campos do schema, sem texto adicional, comentários ou blocos de código. |
| 💡 Dica: antes de ativar a automatização, teste o prompt diretamente na interface do Google Gemini. Isso ajuda a calibrar o tom e a estrutura da resposta antes de colocar o fluxo em produção. |
12. Em seguida, defina os parâmetros de saída:
serviceDescription (texto):
| Versão limpa e profissional da descrição da cobrança, com no máximo 200 caracteres. Reescreva descrições genéricas ("Mensalidade", "Plano", "Serviço") incluindo: nome do produto/serviço quando inferível, período de competência quando aplicável e modalidade quando útil ("recorrente", "avulso"). Exemplo: "Mensalidade do Plano Pro - Outubro/2025". Se a descrição original já estiver clara e completa (com produto e período), devolva-a exatamente como veio. |
observations (texto):
|
Observação curta para o campo "Observações" da NF, com até 200 caracteres. Adicione contexto fiscal/comercial útil que complemente (não repita) a descrição: período de competência ("Referente a Outubro/2025"), modalidade ("Serviço prestado em modalidade recorrente"), forma de pagamento quando relevante ("Pagamento via PIX confirmado"). Caso não haja informação adicional pertinente, devolva N/D. |
externalReference (texto):
|
Identificador interno padronizado para rastreio da NF no seu sistema, com até 60 caracteres. Combine: tipo de cobrança (REC para recorrente, AVL para avulsa), iniciais do cliente em caixa alta (até 3 letras), e ano-mês de competência. Exemplo: "REC-MSN-2025-10". Se não houver dados suficientes, use o ID da cobrança como fallback. |
| ⚠️ Atenção: os campos Código do serviço municipal (ex: 1.01) e Nome do serviço municipal devem ser preenchidos com valores fixos e validados pela sua prefeitura. Não use o Google Gemini para gerar esses valores — eles são padronizados pela legislação municipal e qualquer divergência fará a prefeitura rejeitar a nota fiscal. Use a IA apenas para os campos de texto livre (descrição, observações, referência externa). |
Emitindo nota fiscal no Asaas
13. Ao finalizar, clique em "Salvar e continuar" e em "Conectar Nova Ferramenta". Selecione novamente o Asaas como ferramenta de destino e a ação "Agendar/emitir nota fiscal". Clique em "Salvar e continuar":
14. Selecione a sua conta já conectada ao Asaas e clique em "Salvar e Continuar". Defina o critério utilizado para buscar um cliente existente no Asaas. Caso nenhum cliente seja encontrado, um novo será criado:
15. Configure os campos da nota fiscal usando o botão "Inserir infos" para mapear dados vindos do Asaas. Os seguintes campos, mapeie com o parâmetro gerado pelo Google Gemini:
- Nota fiscal: Descrição dos serviços — mapeie com o parâmetro
- Nota fiscal: Observações — mapeie com o parâmetro
- Nota fiscal: Referência externa — mapeie com o parâmetro referencia_externa.
| 💡 Dica: a Pluga oferece o botão "Preencher campos com IA" no topo da ação, que sugere automaticamente o mapeamento dos campos. É um atalho útil, mas revise sempre as sugestões antes de finalizar — campos fiscais (alíquotas, códigos municipais) devem ser sempre validados manualmente. |
17. Clique em "Salvar e continuar" e depois em "Finalizar automatização":
Caso 2 — Diagnóstico de churn em cobranças estornadas para o time de CS
Fluxo: Asaas → Google Gemini → Notion
Quando uma cobrança for estornada no Asaas (indicador típico de cancelamento, desistência ou disputa do cliente), o Google Gemini analisa o histórico financeiro disponível e devolve uma hipótese estruturada sobre o motivo do churn, o nível de criticidade do caso e uma sugestão de ação. Esse resultado é registrado automaticamente em um database do Notion que o time de Customer Success pode consultar, filtrar e atualizar manualmente conforme avança nas tentativas de retenção.
Requisitos: conta no Asaas, no Notion e na Pluga (plano pago, por se tratar de fluxo multi-actions). Tenha um database no Notion criado previamente, com colunas para registrar o cliente, o motivo provável do churn, a criticidade e a ação recomendada.
Conectando-se ao Asaas
4. Selecione o Asaas como ferramenta de origem e o gatilho "Cobrança estornada". Clique em "Salvar e continuar":
5. Conecte sua conta do Asaas seguindo o mesmo processo descrito anteriormente. Em seguida, defina se deseja capturar todas as parcelas ou apenas a primeira. Configure filtros, se desejar — por exemplo, registrar apenas estornos acima de um valor mínimo, ou apenas cobranças que pertençam a uma assinatura recorrente. Depois, clique em "Conectar Nova Ferramenta":
Configurando o Google Gemini
7. Selecione o Google Gemini e a ação "Extrair dados estruturados". Clique em "Salvar e continuar":
8. Conecte sua conta caso ainda não esteja conectada. No campo "Texto a ser transformado em dados estruturados", mapeie os dados disponíveis usando "Inserir infos". Quanto mais contexto o Gemini receber, mais precisa será a hipótese — recomendamos mapear: nome e e-mail do cliente, valor da cobrança, descrição da cobrança, forma de pagamento, tipo da cobrança (avulsa, parcelada ou assinatura), data de criação da cobrança, data de vencimento da cobrança e número de parcelas (quando aplicável):
9. Selecione o modelo do Google Gemini (recomendamos 2.5 Flash). No campo "Instruções de Sistema", cole o modelo abaixo:
📝 Modelo de prompt — Caso 2
|
Você é um analista de Customer Success especializado em retenção. Receberá os dados de uma cobrança estornada no Asaas e deve devolver uma hipótese estruturada sobre o provável motivo do churn, a criticidade do caso e uma sugestão de ação para a equipe.
Use APENAS as informações fornecidas — não invente histórico nem dados ausentes.
Devolva exatamente os campos do schema, sem texto adicional, comentários ou blocos de código.
Considere especialmente: tipo da cobrança (recorrência indica relacionamento mais longo), tempo entre criação e estorno (estornos rápidos sugerem arrependimento; estornos tardios em recorrentes sugerem churn voluntário) e forma de pagamento (cartão tem mais disputas). |
| 💡 Dica: o Google Gemini gera hipóteses melhores quando conhece o perfil típico da sua base. Antes de copiar o prompt, considere adicionar 2-3 linhas com referências da sua empresa, como ticket médio, forma de pagamento mais comum e tempo médio de permanência das assinaturas. Esses dados ajudam a IA a calibrar julgamentos de "valor relevante" e "comportamento esperado". Exemplo: "Nosso ticket médio é de R$ 250 e a maioria das assinaturas dura entre 6 e 12 meses. Estornos via cartão são raros — quando ocorrem, costumam indicar disputa do cliente." |
10. Em seguida, defina os parâmetros de saída:
hipotese_motivo (texto):
| Hipótese curta sobre o provável motivo do estorno (até 120 caracteres). Considere: tipo da cobrança (avulsa vs. recorrente), tempo entre criação e estorno, forma de pagamento e valor relativo ao ticket médio descrito nas instruções de sistema. Exemplos: "Provável churn voluntário em assinatura recorrente após 8 meses", "Possível disputa de cartão em cobrança recente", "Estorno tardio em parcelamento — possível inadimplência convertida em desistência". |
criticidade (texto):
|
"Alta" para cobranças recorrentes ou de valor relevante (acima da média). "Média" para casos pontuais com valor médio. "Baixa" para cobranças avulsas de baixo valor. |
acao_recomendada (texto):
|
Sugestão de ação para o time de CS. Exemplos: "Contato consultivo para entender motivo", "Pesquisa de saída por e-mail", "Oferecer downgrade ou pausa", "Apenas registrar — sem ação imediata". |
11. Clique em "Salvar e continuar" e em "Conectar Nova Ferramenta":
Registrando o caso no Notion
12. Selecione o Notion e a ação "Criar/atualizar registro na database". Clique em "Salvar e continuar":
13. Conecte sua conta do Notion clicando em "Conectar Nova Conta" e autorize o acesso ao workspace e ao database de Análise de Churn que será utilizado:
14. Em seguida, mapeie cada coluna do Notion para um dos campos disponíveis usando "Inserir infos". Combine os campos vindos do Asaas (cliente, e-mail, valor, data) com os campos gerados pelo Google Gemini (hipótese de motivo, criticidade, ação recomendada):
| 💡 Dica: crie views no Notion filtradas por criticidade ("Alta") ou por status de retenção (uma coluna manual que o time de CS atualiza após o contato). Isso transforma o database em um painel ativo de retenção, em vez de um log passivo. |
15. Clique em "Salvar e continuar" e depois em "Finalizar automatização";
Pronto. Com as duas automatizações ativas, o Google Gemini passa a atuar como uma camada de inteligência sobre o Asaas: cobranças recém-criadas chegam ao cliente com descrições mais claras e prontas para nota fiscal, e cobranças estornadas alimentam um banco de dados de churn estruturado que o time de Customer Success consulta diariamente.
Caso queira, é possível ainda adicionar mais ferramentas em seu fluxo de trabalho — por exemplo, disparar uma notificação no Slack sempre que um caso de criticidade alta for registrado no Notion. Para isso, é só clicar em "Conectar Nova Ferramenta".
Caso tenha ficado com alguma dúvida, o time da Pluga estará à disposição para te ajudar.
É só enviar um e-mail para suporte@pluga.co.