Os teus dados não precisam de estar perfeitos para começar

Há uma frase que se ouve em quase todas as primeiras reuniões sobre IA: “Antes de pensarmos nisso, temos de arrumar os nossos dados.” Parece prudente. Na maioria dos casos, é a razão pela qual nada acontece durante dois anos.

O que diz a Gartner, e o que não diz

Em fevereiro de 2025, a Gartner publicou dois números que circulam desde então. Num inquérito feito em julho de 2024 a responsáveis de gestão de dados, 63% das organizações disseram não ter confiança nas suas práticas de dados para IA. E a consultora previu que 60% dos projetos de IA sem dados preparados para IA seriam abandonados até ao fim de 2026 (Gartner, 2025).

À primeira vista, isto parece dar razão a quem quer arrumar tudo primeiro. Mas a própria noção da Gartner de “dados preparados para IA” é definida por caso de uso: os dados estão prontos quando servem o problema concreto que se quer resolver.

Dados prontos para IA não são dados perfeitos. São dados adequados a uma pergunta concreta.

O problema dos projetos sem fim

Os projetos de “arrumar os dados primeiro” têm um defeito de fundo: não têm critério de paragem. Sem um uso concreto, não há forma de decidir o que é suficientemente bom. Normaliza-se tudo, documenta-se tudo, e quando finalmente se chega à IA, as prioridades da empresa já mudaram.

Os dados arrumam-se melhor ao contrário, a partir de uma pergunta. Quando sabes que queres prever faltas de stock por loja, sabes exatamente que campos têm de estar certos e quais podem esperar.

O que a melhor competição de previsão ensina

A competição M5, organizada por investigadores da Universidade de Nicósia com dados reais do Walmart, é um bom exemplo. Os métodos vencedores usaram o histórico de vendas tal como existia, com dezenas de milhares de séries de produtos e lojas (42.840 no total), e juntaram-lhe informação que já estava disponível: preços, promoções e calendário de eventos (Makridakis, Spiliotis e Assimakopoulos, 2022). O ganho veio de usar bem os dados que já existiam.

O que precisas mesmo de ter

• Acesso. Alguém com autoridade para dar acesso de leitura aos sistemas relevantes. Costuma ser o passo mais lento, e não tem nada de técnico.
• Histórico suficiente. Para prever, exemplos do passado. Para automatizar uma tarefa, exemplos de como ela é feita hoje.
• Um identificador comum. Um código de cliente, artigo ou viagem que ligue o ERP ao email e às folhas de cálculo.

O que se resolve pelo caminho

Duplicados, nomes escritos de formas diferentes, informação em PDFs e emails, folhas de cálculo paralelas: tudo isto pode ser tratado com o projeto em curso. Os modelos atuais lidam bem com estas imperfeições, e o próprio projeto mostra quais delas importam de facto. O plano de qualidade de dados que daí resulta tem prioridades definidas pelo uso real.