![FRI – Ficando Rico Com [IA]](https://ficandoricocomia.com/wp-content/uploads/2025/10/cropped-fri2.png)
Se você curte usar IA para produtividade, mas fica com o pé atrás de subir dados sensíveis (extrato, compras, boletos) para a nuvem, essa novidade é um prato cheio: dá para rodar modelos no navegador (ou em runtime JS) com aceleração via WebGPU e com suporte a uso offline após o primeiro download.
Fonte principal (leitura recomendada): Hugging Face — Transformers.js v4 Preview: Now Available on NPM.
O que mudou (e por que isso importa)
O Transformers.js v4 (preview) trouxe uma mudança grande de performance e portabilidade: um novo runtime WebGPU reescrito em C++, com foco em rodar modelos localmente em diferentes ambientes JavaScript (browser e também Node/Bun/Deno), além de melhorias para funcionar offline (cache após o primeiro uso). Na prática, isso abre portas para automações pessoais com IA sem depender de API.
Aplicação direta em finanças pessoais: classificar gastos sem enviar seus dados
A ideia é simples: você exporta as transações do seu banco/cartão (CSV), e usa um modelo local para rotular cada linha (ex.: “mercado”, “assinaturas”, “transporte”, “saúde”, “lazer”) e gerar um resumo por categoria. Nada de anexar extrato em chatbot online.
Roteiro em 20 minutos (sem complicação):
- Exporte o CSV do banco/cartão e abra em uma planilha (Google Sheets/Excel) para padronizar colunas: data, descrição, valor.
- Defina 8–12 categorias (quanto menos, mais fácil manter): Mercado, Casa, Transporte, Saúde, Educação, Lazer, Assinaturas, Impostos, Outros.
- Classifique por similaridade: gere um “texto” por transação (ex.: “UBER 34,90 transporte”) e compare com descrições das categorias (ex.: “corridas, ônibus, metrô, combustível”). A abordagem por embeddings costuma funcionar bem.
- Revise exceções: crie regras para recorrentes (Netflix → Assinaturas; Farmácia → Saúde) e salve um dicionário de mapeamentos (descrição → categoria) para reaplicar no mês seguinte.
3 insights aplicáveis (para você tirar resultado)
- Privacidade vira recurso: quando a classificação roda local, você consegue analisar dados mais “reais” (e completos) sem medo. Isso melhora a qualidade das decisões — principalmente com transações pequenas e frequentes.
- O ganho vem do hábito, não do modelo: o segredo é criar um ciclo mensal: exportar → classificar → revisar 5 minutos → salvar mapeamentos. Em 2–3 meses, a revisão cai muito.
- Comece simples e audite: IA erra. Se você usar categorias demais, vai virar bagunça. Comece com poucas, e use uma regra: toda transação acima de R$ X (ex.: R$200) precisa de checagem manual.
Se você quiser testar com um dev (ou você mesmo)
O post da Hugging Face mostra que o v4 está disponível no NPM via @next e destaca a evolução do runtime WebGPU e do ecossistema (incluindo um tokenizador separado e mais leve). Se você tem alguém para implementar, dá para fazer uma página simples que:
- carrega o CSV (arrastar-e-soltar),
- roda o modelo localmente para sugerir a categoria,
- gera um resumo com top 10 gastos do mês + categorias,
- exporta de volta para CSV/planilha.
Pergunta rápida
Se você pudesse automatizar uma coisa nas suas finanças com IA, o que te daria mais alívio: classificar gastos, encontrar assinaturas esquecidas ou montar um plano de corte de custos?
Nota: este conteúdo é informativo e não é recomendação financeira. Use as automações como apoio para organizar e enxergar padrões.
Deixe um comentário