Por que sua empresa precisa arrumar os dados antes de adotar IA generativa

Toda fundadora e todo CDO com quem converso em 2026 chega com a mesma frase na ponta da língua: "a gente precisa botar IA na frente dos dados." Alguns já estão pilotando um copilot. Outros estão avaliando fornecedores. E alguns confessam, meio sem graça, que o piloto que rodaram seis meses atrás emperrou e ninguém faz muita questão de ressuscitar.

O padrão que vejo nos pilotos emperrados é quase sempre o mesmo, e tem muito pouco a ver com o modelo, o prompt ou o fornecedor escolhido. Tem a ver com o que o modelo está lendo. Quando vou investigar, encontro uma base de dados que não dava confiança nem para um analista humano, quanto mais para um modelo de linguagem consultar.

O modelo só é honesto se os dados forem

Um LLM responde sempre com a maior segurança. Pergunte sobre a receita do trimestre passado e ele vai responder com fluência e coerência, não importa se os números por trás estão limpos ou não. Se duas tabelas no seu warehouse definem "cliente ativo" de formas diferentes, o modelo não tem como saber em qual delas confiar. Ele escolhe uma, narra com convicção, e o executivo do outro lado do chat acredita.

Já vi isso acontecer em empresa de verdade. O CFO pergunta ao copilot sobre churn, recebe um número, pede ao time de BI para conferir, recebe outro número. Em duas semanas o experimento morre, não porque o modelo é ruim, mas porque ninguém sabe qual versão da verdade defender.

Três sinais de que sua base de dados ainda não está pronta

Antes de subir mais um piloto, faça estas três conferidas. Se alguma resposta for "não", você ainda não está pronto para colocar um modelo na frente do time interno.

1. Uma única fonte da verdade por métrica. Se "receita", "cliente ativo" ou "MRR" dão três contas diferentes dependendo do dashboard que você abre, o modelo vai herdar essa ambiguidade e ainda piorar.
2. Lineage que dá pra ler. Quando o modelo solta um número, dá pra alguém rastrear esse número pelo pipeline até a fonte bruta em menos de cinco minutos? Se não dá, não tem como auditar alucinação quando ela aparecer.
3. Controle de acesso que funciona de verdade. IA generativa multiplica o risco de vazar o que é confidencial. Se o seu warehouse tem row-level-security frouxo, o copilot solta a tabela de salários para qualquer um que pedir com jeitinho.

O que "AI-ready" significa de fato

AI-ready não é selo de marketing. É uma checklist concreta. Quando faço uma auditoria da base de dados antes de uma iniciativa de IA generativa, é por quatro camadas específicas que eu procuro:

• Um warehouse modelado em camadas claras (staging, intermediate, marts). Cada métrica com uma única definição canônica que as ferramentas downstream não conseguem redefinir.
• Um catálogo de dados (Atlan, DataHub ou equivalente) em que cada métrica tem dono, definição em linguagem clara e SLA de atualização.
• Lineage ponta a ponta para que o modelo, e a pessoa que revisa a saída, consigam ir de um número num gráfico até a linha de origem no sistema que gerou.
• Pontos de governança que decidem o que o modelo pode e não pode ver. Não uma carta de intenções; uma política aplicada na camada do warehouse.

Repare no que não está nessa lista: qual modelo você usa, qual vector database você escolheu, se está fazendo RAG ou fine-tuning. Essas decisões importam, mas são baratas de mudar depois. Os quatro itens acima é que saem caro de remendar depois que o copilot já está em produção e o time já se acostumou a confiar em respostas erradas.

A ordem que eu recomendo

As empresas que entregam features de IA que o time interno de fato usa costumam seguir a mesma ordem: primeiro a base, depois a ferramenta, depois a adoção.

Primeiro, arrume a base. Trave as definições de métrica, entregue um warehouse dbt com testes, suba um catálogo, ligue o lineage. É um trabalho chato, que ninguém vai comemorar, mas é a diferença entre um copilot em que o time confia e um copilot que todo mundo ignora caladinho.

Depois, escolha a ferramenta. Quando o warehouse já é a fonte da verdade, a decisão entre fornecedores encolhe demais. Você não está comprando um milagreiro, está comprando uma interface em cima de dados em que você já confia.

Por último, cuide da adoção. Mostre ao time onde o modelo acerta e onde ele falha. Deixe combinado que toda resposta dá pra rastrear até o warehouse. Crie o hábito de perguntar "de onde veio esse número?" antes de agir em cima dele.

As empresas que tentam fazer ao contrário, comprar a ferramenta, depois remendar os dados, depois empurrar goela abaixo a adoção, são as que me escrevem seis meses depois perguntando por que o piloto emperrou. A ordem importa mais que o modelo.