Os teus dados estão prontos para IA? Checklist de 7 pontos

Assinaste o piloto. A demonstração do fornecedor foi impecável — perguntavas qualquer coisa e a IA respondia na hora. Três semanas depois, no teu ambiente, ela diz que o cliente Silva tem uma dívida que já foi paga, confunde dois artigos com o mesmo nome e inventa um total que não bate com o teu ERP. Não é a IA que é burra. É que a IA responde a partir do que lhe dás — e o que lhe deste está uma confusão.

Este é o passo que quase toda a gente salta antes de comprar IA: perguntar se os dados estão prontos. E é o passo que decide se o projeto poupa horas ou se se torna mais uma ferramenta cara que ninguém confia.

Porque é que os dados mandam

Vale a pena perceber um conceito antes da checklist, porque muda tudo: uma IA "grounded" (fundada) responde só a partir dos teus dados reais, em modo read-only (só de leitura) e com registo de tudo o que consultou. É o oposto de "perguntar ao ChatGPT", que gera texto plausível a partir do que leu na internet e, quando não sabe, inventa com confiança.

Uma IA grounded não inventa — mas também não corrige. Se a tua base de dados diz que tens 40 unidades em stock e na prateleira estão 12, a IA vai responder 40, com toda a segurança. Ela é tão boa quanto a fonte. Por isso a pergunta não é "que IA compro?", é "os meus dados aguentam que alguém — ou alguma coisa — os leia e responda a partir deles?".

A checklist de 7 pontos

Percorre-a hoje. Cada "não" é trabalho a fazer antes de gastares um euro em IA — e, na maioria dos casos, esse trabalho já te paga sozinho, mesmo sem IA nenhuma.

1. Os dados estão num sítio só (ou pelo menos acessíveis por um só ponto)? Se as vendas estão no ERP, os clientes num Excel, o stock noutro Excel e as propostas no email de alguém, nenhuma IA vai juntar isso por magia. Antes de automatizar, precisas de uma forma de chegar a tudo a partir de um ponto — nem que seja o próprio ERP a ser a fonte central.

2. Estão atualizados e sem duplicados? O mesmo cliente registado três vezes — "Silva Lda", "Silva, Lda." e "SILVA LDA" — dá três respostas diferentes à mesma pergunta. Limpar duplicados de clientes e artigos costuma ser a tarefa mais chata e a que mais retorno dá: uma PME média perde facilmente 2 a 4 horas por semana a reconciliar registos que não batem certo.

3. Há identificadores consistentes? NIF do cliente, código único de artigo, número de fatura. São as "chaves" que ligam uma tabela à outra. Sem elas, ninguém — humano ou IA — consegue dizer com certeza que esta venda é deste cliente e daquele produto.

4. Os dados estão estruturados, não em texto solto? "Entregar na semana que vem, falar com o Zé" escrito no campo de observações não é dado utilizável. Data de entrega num campo de data, contacto num campo de contacto. Quanto mais os campos forem campos de verdade, mais uma IA lhes consegue responder.

5. Tens histórico suficiente? Para prever compras ou stock, uma IA precisa de ver o passado — normalmente 12 a 24 meses de vendas limpas. Com três meses de dados, qualquer previsão é adivinhação com ar científico.

6. Sabes quem pode ver o quê? Se a IA vai responder no WhatsApp, o comercial não pode conseguir puxar a margem de todos os clientes nem os salários. Precisas de permissões (RBAC) definidas antes, não depois. É aqui que o read-only e o registo de auditoria deixam de ser detalhe técnico e passam a ser proteção tua.

7. Há uma fonte de verdade? Quando o ERP diz uma coisa e o Excel diz outra, qual manda? Se não houver resposta clara, a IA vai escolher por ti — e vais descobrir qual escolheu no pior momento possível.

Um exemplo concreto

Uma distribuidora com dois comerciais e um armazém queria "uma IA para perguntar vendas por WhatsApp". Ao correr a checklist, travou no ponto 2 e no 7: clientes duplicados e um Excel de stock paralelo ao ERP em que ninguém confiava. Duas semanas a fundir registos e a matar o Excel — sem IA — e as faturas já passavam à primeira na AT, poupando as devoluções por erro. Só depois meteram a camada conversacional, com o Nemea a ler o ERP (integrado com o PHC que já tinham), read-only e auditado. A pergunta "quanto vendi deste artigo por loja no último trimestre?" passou de um relatório de meia hora para uma resposta de dez segundos no telemóvel.

Repara na ordem: os dados primeiro, a IA depois. Invertida, teria sido dinheiro deitado fora.

Como começar em pequeno e medir em 30 dias

Não faças um projeto de seis meses. Escolhe um processo doloroso e mede.

1. Semana 1 — escolhe uma pergunta que fazes muito ("stock deste artigo?", "faturas em atraso deste cliente?") e mede quanto tempo custa hoje respondê-la à mão.
2. Semana 2 — arruma só os dados que essa pergunta precisa (pontos 1 a 4 acima). Nada mais.
3. Semana 3 — liga a IA grounded a essa fatia, em read-only.
4. Semana 4 — compara: tempo antes vs. depois, erros antes vs. depois. Se poupaste 3 horas por semana a 15 €/hora, são ~180 €/mês num só caso de uso. Se não poupaste nada, ficas a saber cedo e barato.

O que ninguém te diz: custos, RGPD e onde não compensa

O custo maior não é a IA — são os dados. A licença ou a subscrição do modelo é a parte pequena. A fatia grande é limpar, ligar e manter os dados. Um fornecedor honesto diz-te isto à cabeça; desconfia de quem promete "IA a funcionar amanhã" sobre um sistema que nunca viu.

RGPD é arquitetura, não um checkbox. Se a IA lê dados de pessoas, precisas de saber que dados vê, quem lhe pode perguntar e ter registo de cada consulta. Read-only e auditado não é jargão de vendas — é o que te deixa mostrar, se te perguntarem, exatamente o que foi acedido. E, regra de ouro de literacia: não deites dados de clientes para dentro de uma ferramenta pública de IA. O sítio dos teus dados é dentro dos teus sistemas.

E há onde a IA simplesmente não compensa. Se a resposta é sempre a mesma regra fixa ("acima de 1000 € precisa de aprovação"), isso é uma condição, não IA — mais barata e mais previsível. Se o processo acontece três vezes por ano, o retorno não paga a montagem. Literacia de IA inclui saber dizer "aqui não".

Conclusão

A pergunta certa antes de comprar IA não é "qual é a melhor?". É "os meus dados estão prontos?". Percorre os 7 pontos, arruma o que falhar — muito disso paga-se sozinho — e só depois liga a inteligência por cima. Uma IA grounded sobre dados limpos é das coisas mais úteis que podes dar a uma PME. Sobre dados uma confusão, é só uma forma cara de estar errado depressa.

Se quiseres passar esta checklist ao teu caso, sem venda pelo meio, fala connosco em hello@leiritech.com ou vê o trabalho em leiritech.pt.