Como organizar os dados da empresa antes de usar IA

Para organizar dados da empresa antes de usar IA, comece pelo processo que a IA vai atender e arrume só os dados que esse processo usa. Na prática, isso quer dizer listar onde essas informações estão hoje, escolher qual base vale quando duas discordam, dar um dono para cada uma, combinar o que cada campo significa, limpar duplicados e lacunas e definir quem pode acessar o quê. Ninguém precisa arrumar a empresa inteira nem comprar uma plataforma nova antes do primeiro projeto.

O motivo é que a IA trabalha com o que recebe. Se o mesmo CNPJ aparece três vezes no cadastro, se o preço certo está numa planilha que só o gerente comercial abre e se metade dos pedidos tem o campo de prazo em branco, a resposta da IA repete esses defeitos, só que mais rápido. Com um recorte pequeno e bem escolhido, organizar os dados vira um projeto com prazo para acabar.

Por que a IA depende de dados organizados?

Uma ferramenta de IA, seja um assistente que responde clientes, seja um modelo que prevê demanda, não sabe o que é verdade na sua empresa. Ela lê cadastros, planilhas, documentos e históricos e devolve uma resposta a partir disso. Com a base bagunçada, ela responde do mesmo jeito e com a mesma segurança, e quem lê não tem como saber que o preço veio de uma tabela que ninguém usa mais.

O problema é comum. Num levantamento da Salesforce com 3.800 líderes de dados e TI em 18 países, feito entre junho e agosto de 2025, os entrevistados estimam que 26% dos dados da própria empresa não são confiáveis. Entre os que já têm IA em produção, 89% dizem ter recebido respostas imprecisas ou enganosas. E 84% afirmam que a estratégia de dados precisa ser refeita por completo para os planos de IA darem certo. A Salesforce vende ferramenta de dados, então vale ler os números com esse filtro, mas eles dão uma ideia do tamanho da questão.

O estudo anual da IBM com 2.000 CEOs de 33 países aponta uma das causas: metade deles reconhece que o ritmo dos investimentos recentes deixou a empresa com tecnologia desconectada, montada aos pedaços. Muita empresa brasileira de porte médio se reconhece nessa descrição. Tem um ERP, um CRM, planilhas fazendo a ponte entre os dois e um grupo de WhatsApp onde as exceções são resolvidas.

No Brasil, segundo a pesquisa TIC Empresas, do Cetic.br, 80% das empresas que usam IA adquiriram softwares ou sistemas prontos para uso (os outros números da pesquisa estão no guia sobre como implantar IA na empresa). Só que a ferramenta pronta chega sem os seus dados. O que ela vai ler continua sendo o que já existe na casa.

Como saber se os dados da sua empresa estão prontos para IA?

Antes de qualquer análise técnica, alguns sinais do dia a dia já dizem bastante:

• Duas áreas chegam à reunião com números diferentes para o mesmo indicador.
• Alguém precisa ajeitar a planilha à mão antes de todo relatório.
• O mesmo cliente aparece com nomes diferentes no ERP e no CRM.
• Informações que decidem uma venda ou uma entrega ficam no WhatsApp ou no e-mail de uma pessoa.
• Ninguém sabe dizer com certeza qual é a versão atual da tabela de preço ou do manual.
• Quando uma pessoa sai de férias, um relatório deixa de sair.

Se dois ou três desses sinais aparecem, os dados ainda não sustentam uma IA que responda sozinha. Para olhar com mais método, faça seis perguntas sobre a base que o primeiro projeto vai usar:

Base perfeita não existe. O que importa é se o recorte que a IA vai usar passa nesses critérios com folga suficiente para a resposta ser útil.

Por onde começar a organizar dados da empresa?

Comece pela pergunta que a IA vai responder. O banco de dados vem depois. Os seis passos abaixo seguem essa ordem.

1. Escolha o primeiro uso da IA

Defina um processo e uma tarefa: responder ao cliente sobre o status do pedido, classificar os e-mails do financeiro, resumir os chamados do suporte. A escolha diz quais dados importam agora e quais podem esperar. Se ainda não está claro onde a IA entra, o guia sobre como implantar IA na empresa ajuda a priorizar. Vale também conferir se a tarefa pede IA mesmo, porque muitas vezes uma regra simples resolve, como mostramos no artigo sobre automação de processos.

2. Faça o inventário de onde esses dados moram

Para o processo escolhido, liste cada lugar onde a informação aparece: sistemas, planilhas, pastas compartilhadas, e-mail, WhatsApp, papel e a cabeça de quem faz o trabalho. Para cada fonte, anote o que ela contém, quem atualiza e com que frequência. O mapeamento de processos mostra por onde o trabalho passa. O inventário olha para o que fica registrado em cada etapa.

3. Defina a fonte da verdade e o dono de cada base

Quando o cliente está no ERP e no CRM com dados diferentes, alguém precisa decidir qual vale. Essa é a fonte da verdade. Cada base também precisa de um dono, e ele quase nunca é o TI. É a pessoa da área que usa o dado e sabe dizer se ele está certo. O dono aprova mudanças de regra, responde pela qualidade e é quem a equipe procura quando algo não bate.

4. Combine o que cada campo significa

Monte um dicionário de dados simples. Pode ser uma planilha com cinco colunas: nome do campo, significado, formato, quem preenche e um exemplo. Parece burocracia até a primeira discussão sobre o que é "cliente ativo". É quem comprou nos últimos 12 meses ou quem tem contrato vigente? E "data de entrega" é quando o caminhão sai ou quando a mercadoria chega? A IA não adivinha uma regra que só existe na cabeça de alguém.

5. Limpe o recorte que importa e corrija a entrada

Tire duplicados, preencha lacunas e padronize os formatos de data, telefone, CNPJ e unidade de medida. Comece pelo que mais pesa no resultado, como os produtos que concentram as vendas ou os clientes ativos, e deixe o resto para depois. Em seguida, mexa na origem: campo obrigatório, lista de opções no lugar de texto livre, validação de CNPJ no cadastro. Sem essa mudança na entrada, a base volta a ficar bagunçada em poucos meses.

6. Decida quem acessa o quê e como a base se mantém

Defina as permissões, confira o que é dado pessoal (a LGPD aparece mais abaixo) e marque uma revisão periódica com um indicador simples, como a porcentagem de cadastros completos. Se a IA vai ler documentos, como manuais, políticas e contratos, guarde só a versão vigente numa pasta única, com nome padronizado. Versão antiga misturada com a nova gera resposta contraditória.

Os seis passos, lado a lado:

Como uma rede de autopeças faria esse trabalho?

Um exemplo ilustrativo: uma rede de 12 lojas de autopeças em Santa Catarina quer um assistente de IA que diga ao balconista três coisas sobre qualquer peça: se tem em alguma das lojas, quanto custa para aquele cliente e, se precisar pedir, quando chega.

No inventário, a equipe encontra quatro fontes. O cadastro de peças fica no ERP, mas cada loja criou códigos e descrições do seu jeito ("pastilha diant. Gol G5" numa, "Pastilha de Freio Dianteira VW Gol" em outra), e a mesma peça aparece duas ou três vezes. A aplicação, ou seja, em quais carros cada peça serve, está parte no cadastro, parte no catálogo do fabricante e parte na memória dos balconistas mais antigos. O desconto das oficinas parceiras fica numa planilha do gerente comercial. E os prazos dos distribuidores são combinados pelo WhatsApp do comprador.

O trabalho segue os passos:

• O ERP vira a fonte da verdade, com um código interno único para a rede e o código do fabricante num campo próprio. O comercial passa a ser dono da tabela das oficinas, e compras, dos prazos.
• O dicionário define os campos que o assistente vai ler, entre eles código do fabricante, aplicação (montadora, modelo e ano), loja e prazo em dias úteis.
• A limpeza começa pelas linhas que mais giram, como freio, suspensão e filtros. As peças de pouca saída ficam para as rodadas seguintes.
• O prazo do distribuidor passa a ser registrado num campo do pedido de compra, fora do celular do comprador.
• O desconto de cada oficina sai da planilha e entra no cadastro do cliente.

Só depois disso o assistente é ligado, primeiro em duas ou três lojas. Quando ele erra, dá para ver de qual fonte veio a informação e corrigir ali, em vez de discutir com a ferramenta.

O que a LGPD tem a ver com organizar os dados?

Bastante. Os princípios do artigo 6º da Lei Geral de Proteção de Dados pedem que o tratamento de dados pessoais tenha finalidade definida, se limite ao mínimo necessário e garanta a qualidade dos dados, que a lei descreve como exatidão, clareza, relevância e atualização. Boa parte do que este artigo chama de organização também é exigência legal quando há dado de pessoa física envolvido.

Antes de ligar a IA:

• Marque quais campos são dados pessoais, como nome, CPF, telefone e e-mail, e quais são sensíveis, como os de saúde.
• Tire do recorte o que o uso não precisa. Um assistente que consulta estoque não precisa do CPF de ninguém.
• Leia os termos da ferramenta de IA para saber se ela usa o que você envia para treinar modelos e onde os dados ficam guardados.
• Registre quem tem acesso a cada base e por quê.

Se houver dados sensíveis ou se a IA for apoiar decisões sobre pessoas, como análise de crédito ou seleção de candidatos, envolva o jurídico desde o começo.

Quais erros fazem esse trabalho travar?

• Querer arrumar tudo antes de começar. A empresa passa meses limpando bases que nenhum projeto vai usar e perde o fôlego antes da primeira entrega.
• Comprar ferramenta antes de definir a regra. Um data warehouse ou um painel de BI organizam o que recebem. Se cada área entende "cliente ativo" de um jeito, a ferramenta só mostra a confusão num gráfico bonito.
• Deixar tudo com o TI. O TI cuida dos sistemas e do acesso, mas o significado do dado é do negócio. Sem a área envolvida, a regra sai errada.
• Limpar uma vez e manter a entrada como estava. Se o cadastro continua aceitando texto livre, a bagunça volta.
• Esquecer os documentos. IA generativa lê texto, e procedimento desatualizado ou contrato sem versão também é dado.
• Deixar de fora quem digita. Quem preenche o cadastro precisa entender por que o campo importa. O artigo sobre como preparar a equipe para usar IA trata dessa parte.

Quando os dados estão bons o bastante para ligar a IA?

Perfeitos eles nunca vão ficar, e nem precisam. Dá para começar quando o recorte do primeiro uso passa nas seis perguntas de qualidade sem grandes buracos, cada base tem dono, a revisão tem data marcada e é possível saber de onde veio cada informação que a IA usa.

A partir daí, comece com um grupo pequeno, acompanhe os erros e trate cada um como pista. Muitas vezes ele aponta um campo mal definido ou uma fonte que ficou fora do inventário. Quando o primeiro uso estiver estável, repita o inventário para o próximo processo. Parte do trabalho já vai estar pronta, porque cadastro de cliente e de produto aparece em quase todos.

Na hora de escolher o primeiro recorte, toda base parece urgente. No diagnóstico da Pragma, a gente olha processos, dados e equipe e indica qual base arrumar primeiro. Se fizer sentido para a sua empresa, é só agendar um diagnóstico gratuito.