diff --git a/pipelines/datasets/br_rf_cafir/flows.py b/pipelines/datasets/br_rf_cafir/flows.py
index 34f9a5a42..63b9fdb60 100644
--- a/pipelines/datasets/br_rf_cafir/flows.py
+++ b/pipelines/datasets/br_rf_cafir/flows.py
@@ -16,6 +16,7 @@
     parse_files_parse_date,
     parse_data,
     check_if_bq_data_is_outdated,
+    convert_datetime_to_string,
 )
 
 from pipelines.utils.constants import constants as utils_constants
@@ -56,6 +57,9 @@
     is_outdated = check_if_bq_data_is_outdated(
         dataset_id=dataset_id, table_id=table_id, data=info[0], upstream_tasks=[info]
     )
+    update_metadata_strig_date = convert_datetime_to_string(
+        data=info[0], upstream_tasks=[info, is_outdated]
+    )
 
     with case(is_outdated, False):
         log_task(f"Não há atualizações para a tabela de {table_id}!")
@@ -106,13 +110,17 @@
             wait_for_materialization.retry_delay = timedelta(
                 seconds=dump_db_constants.WAIT_FOR_MATERIALIZATION_RETRY_INTERVAL.value
             )
+            # TODO: Quando a nova fotografia for liberada setar is_free como True
+            # is_free como true. Não setei agora pq a task update_django_metadata depende
+            # de um coverage já criado na API. Como a lag entre fotográfias é de 5 meses (6 é o padrão no monento)
+            # não há necessidade de atualizar o coverage agora.
 
             with case(update_metadata, True):
                 update = update_django_metadata(
                     dataset_id,
                     table_id,
                     metadata_type="DateTimeRange",
-                    _last_date=info[0],
+                    _last_date=update_metadata_strig_date,
                     bq_last_update=False,
                     api_mode="prod",
                     date_format="yy-mm-dd",
diff --git a/pipelines/datasets/br_rf_cafir/tasks.py b/pipelines/datasets/br_rf_cafir/tasks.py
index 8358c5918..8c4b9b5b9 100644
--- a/pipelines/datasets/br_rf_cafir/tasks.py
+++ b/pipelines/datasets/br_rf_cafir/tasks.py
@@ -155,8 +155,7 @@ def parse_data(url: str, other_task_output: tuple[list[datetime], list[str]]) ->
         # save new file as csv
         df.to_csv(save_path, index=False, sep=",", na_rep="", encoding="utf-8")
 
-        # resolve ASCII 0 no momento da leitura do BQ
-        # ler e salvar de novo
+        # resolve ASCII 0 no momento da leitura do BQ. Ler e salvar de novo.
         df = pd.read_csv(save_path, dtype=str)
         df.to_csv(save_path, index=False, sep=",", na_rep="", encoding="utf-8")
 
@@ -179,3 +178,16 @@ def parse_data(url: str, other_task_output: tuple[list[datetime], list[str]]) ->
     )
 
     return files_path
+
+
+@task
+def convert_datetime_to_string(data: datetime):
+    """Converte a data para string
+
+    Args:
+        date (datetime): Data
+
+    Returns:
+        string: Data no formato string
+    """
+    return str(data)