Resposta rápida: A ordem que funciona é valor primeiro, dado junto. A IA generativa trabalha sobre texto, documentos, reuniões e conhecimento disperso, matéria-prima que toda empresa já tem em abundância, sem depender de data warehouse arrumado. Comece pelos casos de uso que dispensam dados estruturados perfeitos, use os ganhos para financiar a arrumação e deixe que os próprios projetos de IA revelem, com precisão cirúrgica, quais dados merecem investimento. Esperar a casa perfeita para começar é a receita para começar nunca: a arrumação sem caso de uso definido carece de critério de pronto e vira projeto eterno.
"Bruno, a gente adoraria, mas nossos dados são uma bagunça. Primeiro precisamos arrumar a casa." Eu ouço alguma versão dessa frase em praticamente toda primeira conversa com uma diretoria. Ela soa prudente, madura, responsável. E é, na maioria dos casos, o adiamento mais caro que a empresa vai assinar este ano. Este artigo existe para desmontar essa frase com carinho e oferecer no lugar uma sequência que eu vejo funcionar na prática.
De onde veio o mito do "primeiro os dados, depois a IA"
O mito tem origem honesta. Na era do machine learning clássico, dos modelos preditivos treinados dentro de casa, a qualidade do dado estruturado era mesmo o fator limitante: previsão de demanda com histórico furado produz lixo confiante. Uma geração de executivos aprendeu, corretamente para aquela época, que projeto de IA começava com engenharia de dados. Consultorias construíram práticas inteiras sobre essa premissa, e a frase virou reflexo de diretoria.
O detalhe é que a tecnologia mudou de natureza e o reflexo continuou o mesmo. A IA generativa que hoje concentra a maior parte do valor acessível a uma empresa média trabalha com um insumo diferente: linguagem. E linguagem a sua empresa produz aos litros todos os dias, sem precisar de projeto nenhum.
O que a IA generativa mudou nessa conta
Os modelos atuais chegam prontos, treinados sobre um corpus gigantesco, e o que eles pedem da empresa é contexto: o documento a resumir, a proposta a redigir, a reunião a transformar em decisão, a política interna a consultar. Esse contexto vive em e-mails, atas, contratos, apresentações, manuais e conversas, o famoso dado desestruturado que os projetos clássicos de dados sempre ignoraram. A ironia é completa: a matéria-prima da IA generativa é justamente a parte da empresa que ninguém nunca arrumou, e ela funciona assim mesmo.
Isso explica um fenômeno que eu observo em campo: enquanto a diretoria espera o projeto de dados, quase metade dos profissionais brasileiros já usa IA por conta própria, 47,4% segundo levantamento da Abiacom publicado pela Exame. O time já descobriu que dá para extrair valor hoje. A empresa oficial é que segue esperando a casa perfeita.
Quais frentes de IA dispensam dados perfeitos?
A lista é maior do que a maioria imagina, e cobre justamente as dores mais universais. Atas e resumos de reunião com encaminhamentos claros. Primeira versão de propostas, contratos e relatórios. Resposta assistida no atendimento, com o agente consultando manuais e histórico de conversas. Triagem e classificação de documentos recebidos. Pesquisa interna: perguntar em linguagem natural o que está espalhado em cem PDFs. Apoio à análise de currículos, de editais, de apólices. Tradução e adaptação de material entre públicos.
Nenhum desses casos pede data lake. Todos pedem acesso organizado a documentos e um desenho de fluxo bem feito. São os candidatos naturais ao primeiro trimestre de IA de qualquer empresa, e costumam pagar o programa inteiro.
Leia também
Onde os dados bagunçados travam de verdade
A honestidade exige o outro lado: existem frentes em que a bagunça é fatal mesmo. Previsão de demanda, precificação dinâmica, score de crédito, manutenção preditiva, personalização baseada em comportamento: tudo que depende de histórico estruturado, séries confiáveis e cadastro íntegro trava sem dado bom. Se o mesmo cliente existe com quatro grafias no CRM, qualquer análise de carteira nasce torta.
A conclusão certa está longe de ser "arrume tudo antes". É: sequencie. Essas frentes entram no roadmap para o segundo momento, com o projeto de dados dimensionado para elas, financiado pelos ganhos das frentes que já rodam. A bagunça deixa de bloquear o programa e vira um item com escopo, prazo e dono dentro dele.
A ordem que funciona: valor primeiro, dado junto
A sequência que eu aplico tem quatro passos. Primeiro, entregar valor com o que existe: dois ou três casos de uso de linguagem, escolhidos por dor e frequência, rodando em 60 dias. Segundo, medir e comunicar, porque vitória visível compra paciência para o resto. Terceiro, deixar os casos de uso apontarem a arrumação: cada projeto revela exatamente quais fontes precisam de limpeza, quais cadastros duplicam, quais documentos faltam. Quarto, investir em dados com escopo cirúrgico, guiado por essa lista real em vez de um diagnóstico genérico de consultoria.
Repare na inversão: em vez de arrumar tudo para talvez usar depois, usa-se agora para saber o que merece arrumação. O critério de qualidade de dado passa a ser o caso de uso, e o projeto de dados ganha o que sempre lhe faltou: um jeito objetivo de saber quando está pronto.
Framework de arrumar os dados antes da IA: De onde veio o mito do "primeiro os dados, depois a IA".
Como escolher o primeiro caso quando o dado é fraco?
Três filtros resolvem. Frequência: a tarefa acontece toda semana, de preferência todo dia, porque ganho raro passa despercebido. Insumo textual: a matéria-prima é documento, conversa ou conhecimento, território onde a IA generativa brilha sem depender de cadastro. Dono disposto: existe um gestor com dor real e vontade de medir. Com esses três filtros, até empresas com sistemas antigos e planilhas caóticas encontram meia dúzia de candidatos em uma tarde de workshop. Eu já conduzi esse exercício em indústria com ERP de vinte anos e saí com nove casos viáveis, sete deles sem tocar em banco de dados nenhum.
Leia também
O efeito colateral virtuoso: a IA expõe a bagunça
Existe um bônus que poucas diretorias antecipam. Quando a IA entra em operação, ela funciona como um raio-X involuntário da qualidade da informação. O agente de atendimento tropeça no manual desatualizado e o expõe. O resumo de carteira esbarra no cliente quadruplicado e o denuncia. A bagunça, que antes era invisível e teórica, ganha cara, custo e urgência. E aí acontece o que dez anos de slides sobre governança de dados jamais conseguiram: as áreas passam a pedir a arrumação, porque ela virou condição para um ganho que elas já provaram e querem ampliar. O projeto de dados deixa de empurrar e passa a ser puxado.
Quando investir pesado em dados faz sentido desde o início
Há exceções, e vale nomeá-las. Empresas cujo produto é o dado (crédito, seguros, marketplaces com pricing dinâmico) têm na qualidade da base o próprio negócio, e ali o investimento estrutural é prioridade zero mesmo. Empresas em fusão, trocando de ERP ou sob exigência regulatória de qualidade cadastral também têm janelas em que arrumar primeiro é a decisão certa. O ponto é que essas são situações identificáveis, com gatilhos objetivos, e cobrem uma minoria dos casos. Para a empresa média de serviços, indústria ou varejo, a regra geral permanece: o caminho do valor passa por começar com a linguagem que já existe.
Leia também
O papel do executivo nessa sequência
Ao executivo cabe proteger a sequência contra dois sabotadores internos. O perfeccionista de dados, que sinceramente acredita que responsabilidade é esperar, e a quem se responde com escopo: aponte os casos de uso que dispensam a base perfeita e peça a ele a lista cirúrgica do que arrumar em paralelo. E o vendedor de plataforma, interno ou externo, para quem tudo começa com uma compra grande, e a quem se responde com sequência: primeiro o valor com o que existe, depois a infraestrutura que os casos reais justificarem. Nas duas conversas, o executivo defende o mesmo princípio: decisão guiada por caso de uso, jamais por abstração.
Matriz de decisão de arrumar os dados antes da IA: Onde os dados bagunçados travam de verdade.
Os erros que eu vejo se repetirem
Três tropeços merecem registro. Contratar um diagnóstico de dados de seis meses antes do primeiro caso de uso: o relatório envelhece na gaveta enquanto o time usa IA por fora, sem regra nenhuma, dinâmica que já expliquei no artigo sobre o que os colaboradores colocam na IA. Começar pelo caso mais dependente de dado estruturado, como previsão de demanda, e concluir do fracasso que "IA ainda é cedo para nós". E tratar documentos como dado de segunda classe, deixando manuais e contratos fora de qualquer organização mínima, quando eles são justamente o combustível dos primeiros ganhos. Os três erros nascem da mesma raiz: aplicar à IA generativa o manual da era anterior.
As perguntas que valem uma reunião de diretoria
Se este tema entrar na sua próxima reunião, leve quatro perguntas. Quais são as três tarefas de linguagem mais frequentes e dolorosas da nossa operação hoje? O que conseguimos entregar em 60 dias usando apenas os documentos e conversas que já temos? Que lista de arrumação de dados os primeiros casos de uso vão nos revelar? E qual fatia dos ganhos do primeiro semestre reservamos para financiar essa arrumação? Uma diretoria que responde essas quatro perguntas sai da reunião com um programa sequenciado. A que fica debatendo "a qualidade dos nossos dados" em abstrato sai com a mesma frase de sempre e mais um ano perdido.
Leia também
A casa se arruma com gente morando dentro
Eu gosto de fechar essa conversa com uma imagem doméstica. Ninguém espera a reforma completa para morar na casa; a gente muda, vive, e a convivência revela o que de fato precisa de obra. Com dados e IA funciona igual: viver primeiro, reformar guiado pela vida real. A empresa que começa pelos casos de linguagem entrega valor em semanas, aprende o que importa arrumar, financia a arrumação com os próprios ganhos e chega ao fim do ano com as duas coisas: resultado no bolso e a casa melhor do que estava. A que espera a perfeição chega ao fim do ano com a planilha de sempre, a bagunça de sempre e um concorrente a menos atrás dela, porque ele foi para a frente.
Arrumar os dados antes da IA: o contexto brasileiro
- LGPD (Lei 13.709/2018) é a régua legal de qualquer uso de IA que toque dado pessoal, com a ANPD como autoridade fiscalizadora e sanção de até 2% do faturamento, limitada a R$ 50 milhões por infração.
- PL 2338/2023, o marco legal da IA aprovado pelo Senado em dezembro de 2024, adota classificação por nível de risco e antecipa exigências de documentação, rastreabilidade e supervisão humana.
- A Groovia conduz essa agenda com uma operação de 6 humanos e 78 agentes próprios e já formou 100 sócios em 2 turmas de imersão: o padrão que se repete é que o obstáculo raramente é a tecnologia, é o desenho de gestão.
Leituras que complementam este tema
- O painel de IA do conselho: os seis indicadores que eu levo ao trimestre: aprofunda indicadores de ia para o conselho.
- O seu cliente vai perguntar se vocês usam IA: a resposta que fortalece a marca: aprofunda cliente pergunta sobre uso de ia.
- "ChatGPT interno": como oferecer o caminho oficial de IA que o time realmente usa: aprofunda ia corporativa segura.
- A sua melhor ferramenta de IA é você fazendo as perguntas certas: aprofunda como fazer boas perguntas para a ia.
Se este tema é prioridade agora, o próximo passo natural é entender a curva de maturidade em IA e as frentes que a Groovia opera com IA aplicada. Para saber em qual estágio a sua empresa está hoje, faça o diagnóstico gratuito de IA.