Como preparar os dados da empresa para usar IA de verdade

Toda semana alguém pergunta: “como colocar IA na empresa?”. A resposta honesta começa longe do modelo. Começa em onde mora a verdade — cliente, pedido, produto, estoque, ticket, contrato. Se isso está espalhado em planilhas, e-mails e sistemas que não se falam, a IA só vai acelerar o erro.

Na EP Sistemas tratamos IA como ferramenta de operação, não como marketing. Abaixo, o preparo que realmente importa.

1. Defina a fonte oficial por domínio

Escolha um sistema (ou um módulo) como fonte oficial para cada entidade importante:

• Cliente / lead → CRM ou cadastro único
• Pedido / OS → sistema de vendas ou PCP
• Produto / SKU → estoque ou ERP
• Título financeiro → financeiro / ERP

Enquanto existirem duas “verdades” para o mesmo cliente, qualquer assistente ou relatório automático vai mentir com confiança. Se o comercial ainda vive em planilha, talvez o passo certo seja um CRM sob medida — ou disciplina no que já existe.

2. Limpeza mínima que cabe na agenda

Não precisa de projeto de seis meses. Precisa de regras que o time consiga manter:

• CNPJ/CPF único; telefone e e-mail em formato padrão
• Status de pedido em lista fechada (não texto livre)
• Datas em um só fuso e um só significado (criação vs. faturamento)
• SKU sem “quase iguais” criados por pressa

Uma tarde por semana de higienização com dono do domínio rende mais do que um “big bang” de limpeza que ninguém revisita.

3. Acesso, LGPD e o óbvio que esquece

IA que lê contratos, conversas ou dados de saúde/cliente precisa de permissão explícita. Separe:

• O que pode ir para ferramenta externa
• O que fica em infraestrutura controlada
• Quem pode ver o que (comercial ≠ financeiro ≠ produção)

Sem isso, o risco não é só jurídico — é operacional: alguém cola dado sensível no lugar errado.

4. Escolha casos de uso modestos e mensuráveis

Bons primeiros usos (sem prometer milagre):

• Classificar tickets ou e-mails por tipo e urgência
• Sugerir próximo passo no funil com base no histórico
• Resumir OS ou laudos longos para o gestor
• Extrair campos de notas/PDFs para o sistema (com revisão humana)
• Alertar anomalia simples (pedido fora do padrão, estoque crítico)

5. Integração antes de inteligência

Se ERP, CRM e e-commerce não conversam, a prioridade é integração — não modelo. Digitar a mesma informação duas vezes é o inimigo número um de dado para IA. Quando o fluxo estabilizar, um ERP personalizado ou um software sob medida pode ser a base; o hub de empresa de software em Londrina explica como diagnosticamos isso na prática.

Checklist rápido

1. Uma fonte oficial por entidade crítica?
2. Status e códigos padronizados?
3. Quem é o dono da qualidade do dado?
4. Caso de uso com revisão humana definido?
5. Dado sensível mapeado e com política clara?

Se faltam três respostas, pause a compra de ferramenta de IA. Compre tempo de organização. Modelos novos aparecem todo mês; dado sujo envelhece mal sempre.

Tom de engenheiro-operador

Não inventamos métricas de ROI mágico. O que vemos funcionar é sequência: processo → dado → integração → assistência inteligente. Nessa ordem. Invertê-la vira demonstração de fornecedor, não melhoria de operação.

Dados mestres vs. eventos: não misture

Cadastro de cliente é dado mestre. Pedido, mensagem e pagamento são eventos. IA de operação costuma precisar dos dois, mas a higiene é diferente. Dado mestre exige unicidade e revisão. Evento exige timestamp confiável e vínculo com o mestre correto.

Se o mesmo cliente aparece três vezes no cadastro, qualquer modelo de “próximo melhor contato” vai sugerir bobagem. Antes de fine-tuning ou ferramenta nova, una cadastros. É trabalho manual no começo — e evita meses de ruído.

Qualidade mínima por campo (o suficiente)

Não busque perfeição em todos os campos. Priorize os que alimentam decisão:

• Identificador único do cliente e do pedido
• Status atual e data da última mudança
• Produto/SKU do item crítico
• Canal de origem do lead (se for usar em priorização)

Campos “bonitos” (observação livre, tags criativas) podem esperar. Modelo e assistente degradam rápido com status inconsistente; degradam menos com observação vazia.

Human-in-the-loop sem virar teatro

Revisão humana não significa aprovar cada token. Significa: a IA sugere; o operador confirma nos casos de risco (crédito, preço, comunicação externa). Nos casos de baixo risco (triagem interna), pode-se aceitar taxa de erro pequena e monitorar.

Documente o limiar. “Se a confiança do classificador for baixa, cai na fila humana.” Sem limiar, ou tudo vira manual de novo, ou tudo vai automático demais.

Infraestrutura: comece pelo que você já tem

Muitas empresas médias em Londrina já têm ERP, planilha e WhatsApp Business. O próximo passo raramente é cluster de GPU. É exportação confiável, API estável e um repositório onde o histórico não se perde a cada troca de planilha.

Quando o sistema atual não aguenta ser fonte oficial, aí sim conversamos sobre software sob medida ou reforço de ERP/CRM. A IA entra depois que a base para de mentir.