Limpar a base de clientes duplicada: o 1.º projeto de IA que paga

Abres um relatório de vendas por cliente e a "Fernanda Silva" aparece três vezes: uma como Fernanda Silva, outra como F. Silva Lda e uma terceira como Fernanda Silva, Lda. — cada uma com uma fatia das compras dela. O comercial liga a angariar um "cliente novo" que afinal já compra há seis anos. No armazém, o mesmo parafuso tem dois códigos e, no papel, tens stock de um e ruptura do outro. Não é falta de cuidado. É o que acontece a qualquer base de dados que dez pessoas alimentam durante dez anos.

E é exatamente aqui que faz sentido começar com IA — não num chatbot bonito, mas neste trabalho aborrecido que ninguém quer fazer à mão.

Estar no início é a norma, não um atraso

Se sentes que estás atrasado, não estás sozinho — e provavelmente não estás atrasado. Em 2025, só cerca de 11,5% das empresas portuguesas usavam IA, contra 20% na média da União Europeia. A maioria anda a experimentar, sem um caminho claro. O problema não é a falta de vontade; é que quase toda a gente aponta ao projeto errado primeiro.

Os números internacionais são duros e vale a pena olhar para eles sem drama. Um estudo do MIT, no fim de 2025, concluiu que cerca de 95% dos pilotos de IA generativa nas empresas não geraram impacto mensurável nas contas. A Gartner previu que 60% dos projetos de IA sem dados prontos seriam abandonados até 2026. Repara no denominador comum: dados. Os pilotos não morrem por a tecnologia ser fraca. Morrem porque a base sobre a qual assentam está suja, fragmentada entre sistemas e cheia de duplicados.

Ou seja: limpar a base de dados não é um projeto que fazes antes da IA. É o teu primeiro projeto de IA. E é o que faz todos os seguintes funcionarem.

Porque é que os duplicados custam dinheiro a sério

"Uns registos repetidos" soa a chatice de estagiário. Não é. Vamos ao concreto.

• Decisões cegas. Se o teu melhor cliente está partido em três fichas, nenhuma das três aparece no topo do ranking. Decides descontos, crédito e atenção comercial com base num mapa errado.
• Risco de crédito duplicado. Três fichas do mesmo cliente podem carregar, cada uma, o seu plafond. No papel deste-lhe 5.000 €. Na realidade, expuseste-te a 15.000 €.
• Marketing e comercial desperdiçados. Mandas a mesma campanha três vezes à mesma pessoa, e o comercial gasta uma manhã a "conquistar" quem já é cliente.
• Stock e compras ao lado. O mesmo artigo com dois códigos engana o inventário: compras o que já tens e ficas sem o que julgas ter.

Faz a conta grosseira: se num universo de 8.000 clientes tiveres 6% de duplicados — número modesto — são quase 500 fichas a poluir cada relatório que tiras. Ninguém consegue confiar num painel assente nisto. E um painel em que ninguém confia não se usa.

Porque é que um SQL não chega — e a IA sim

A pergunta óbvia: "não dá para filtrar os iguais com uma query?". Dá, para os fáceis. Mas os duplicados caros são os que não são iguais à letra. Fernanda Silva e F. Silva Lda não coincidem em nenhum caractere óbvio. Um NIF tem um dígito trocado. Uma morada está abreviada num sítio e por extenso noutro. Dois artigos descritos como "Parafuso M6 inox A2" e "Paraf. inox M6 A2 DIN933" são a mesma peça, e nenhuma regra rígida os junta sozinha.

É aqui que a IA moderna encaixa: compara nomes, moradas, NIFs e descrições por semelhança e por significado, não por igualdade exacta. Sugere: "estas três fichas são, com alta probabilidade, o mesmo cliente" e mostra-te porquê.

E aqui está a parte honesta, que evitamos dourar. A IA genérica — o ChatGPT do costume — não conhece a tua base e, quando não sabe, inventa: dá-te um cliente plausível que não existe, ou uma junção que parece certa e não é. A isso chama-se alucinação, e numa base de clientes é veneno. A abordagem da Leiritech é o contrário: a Nemea trabalha só de leitura sobre os teus próprios dados, é auditada e não inventa — se a informação não está no teu ERP, ela diz que não está em vez de adivinhar. Ela assinala os candidatos a duplicado e explica o porquê; a decisão de juntar fichas é sempre de uma pessoa. A IA faz o trabalho chato de encontrar as agulhas no palheiro; tu manténs o controlo da tesoura.

O que torna este um bom primeiro passo

Um bom primeiro projeto de IA numa PME tem três marcas, e a limpeza de duplicados cumpre-as todas:

1. Âmbito pequeno. Uma tabela — clientes, ou artigos. Não é "transformação digital". É uma tarefa com princípio, meio e fim.
2. Assente em dados que já tens. Nada de recolher informação nova. Trabalha sobre o que já está no PHC, Sage, Primavera ou Artsoft.
3. Retorno visível em dias, não em trimestres. Ao fim de uma tarde tens uma lista de candidatos a duplicado. Ao fim da semana, uma base mais limpa e relatórios que finalmente batem certo.

Como medir para não andares no escuro

Um dos quatro travões clássicos da IA nas PME é não haver métrica de retorno. Neste caso é fácil, porque tudo é contável:

• Duplicados encontrados e resolvidos. Um número absoluto, antes e depois.
• Horas de reconciliação manual poupadas. Quanto tempo gastava alguém a caçar fichas repetidas e a corrigir relatórios à mão? Isso deixa de existir.
• Relatórios que passam a fechar. O ranking de clientes, o valor por cliente, o stock por artigo — passam a somar. É a métrica menos glamorosa e a que mais te devolve confiança para decidir.

Se ao fim de duas semanas não consegues apontar a estes três números, o projeto não foi bom. Com um âmbito assim pequeno, quase sempre consegues.

O caminho concreto com a Nemea

Na prática, ligas a Nemea ao teu ERP em modo só de leitura. Graças a uma camada semântica já construída para PHC, Sage, Primavera e Artsoft, ela percebe o que é um "cliente", um "artigo" e um "NIF" no teu sistema sem meses de configuração — arranca em horas, não em meses. Depois pergunta-lhe, em português, pelo WhatsApp ou pela consola:

"Mostra-me clientes que parecem duplicados, agrupados, com o motivo."

E recebes uma lista trabalhável. Confirmas, a tua equipa junta as fichas no ERP como sempre fez, e a base fica limpa. Fica também auditado: quem viu o quê, e porquê. Nada é apagado às escondidas.

O que muda, por função

• Dono/gestor: um mapa de clientes e de vendas em que podes confiar para decidir — sem a "Fernanda Silva" partida em três.
• Comercial: deixa de gastar tempo a "angariar" quem já é cliente e vê o histórico completo de cada conta num só sítio.
• Armazém: um código por artigo, inventário que reflecte a realidade e menos compras a dobrar.
• Técnico/administrativo: uma base menos pesada, faturação e relatórios que fecham, e menos correções manuais ao fim do mês.

Começa pequeno

Não precisas de esperar pela plataforma do Estado, nem de contratar um cientista de dados, nem de arrancar com o sistema todo. Precisas de escolher a tarefa mais aborrecida e mais rentável que tens — a base duplicada — e resolvê-la primeiro. É o passo que torna todos os outros possíveis.

Se quiseres ver isto sobre os teus próprios dados, pede uma demonstração em nemea.pt. Só de leitura, auditado, sem inventar — e a arrancar esta semana.