Empresas acumulam dados de compras, mas fragmentação trava a IA

Áreas de compras das empresas brasileiras já acumularam anos de requisições, cotações, pedidos e contratos digitalizados. Mesmo assim, segundo reportagem publicada na Pequenas Empresas & Grandes Negócios (PEGN), a maioria ainda não consegue transformar esse volume em inteligência artificial que funcione de verdade. O motivo não é falta de dado. É que ele está espalhado em sistemas que não conversam entre si, e isso é informação que quem aprova orçamento de IA precisa entender antes de assinar o próximo contrato.

A reportagem cita Carolina Cabral, CEO da Nimbi, plataforma brasileira de eProcurement e marketplace B2B, que resume o problema em um paradoxo simples: dado demais, contexto de menos. A requisição nasce numa ferramenta, a cotação roda por e-mail, o pedido é emitido no ERP (sistema de gestão integrada da empresa) e o contrato fica guardado num repositório separado. O mesmo fornecedor pode ter três cadastros diferentes em três sistemas diferentes.

O risco não é a IA errar, é ela responder parcial e parecer completa

Para quem decide, o ponto mais sensível da reportagem não é técnico, é de risco. Uma pergunta simples como quanto a empresa comprou de um fornecedor no ano só tem resposta confiável se todos os pedidos de todas as unidades estiverem ligados a um cadastro único daquele fornecedor. Sem essa ligação, a IA generativa (sistema que produz texto e respostas a partir de um comando) não erra de forma visível: ela entrega um número que parece certo e está incompleto.

O risco não é só a IA não responder. É responder com metade da informação e parecer completa. Uma negociação preparada com um número parcial parte de uma premissa errada.

Carolina Cabral, CEO da Nimbi

Isso tem consequência direta em negociação de contrato, auditoria e compliance: uma mesa de negociação que entra com volume de compra errado perde poder de barganha, e um relatório de concentração de fornecedores que ignora unidades descobre risco de dependência tarde demais.

Os números que sustentam o alerta, e de onde vêm

A reportagem reúne três pesquisas de consultorias que costumam embasar decisão de investimento em procurement. Elas não contam a mesma história de hype: juntas, mostram prioridade alta e entrega ainda baixa.

A fase de desilusão do Gartner merece leitura cuidadosa de quem assina cheque. Não significa que a tecnologia falhou: significa que o mercado comprou a promessa antes de ajustar a infraestrutura de dado que a sustenta. É o padrão clássico de ciclo de expectativa de qualquer tecnologia nova, e procurement está nele agora.

O que isso muda antes de aprovar o próximo contrato de IA

Para quem decide onde entra o investimento, a reportagem (e o histórico de implantação de IA em dado fragmentado) sugere uma ordem de prioridade diferente da que o fornecedor costuma vender primeiro. Antes de contratar o recurso de IA, vale checar:

1. Cadastro único de fornecedor. Pergunte quantos sistemas têm registro do mesmo fornecedor hoje e quem é responsável por unificar isso, antes de perguntar que modelo de IA a ferramenta usa.
2. Rastro de dado, não só resposta. Exija que toda resposta gerada por IA venha com a origem dos números (quais unidades, qual período), não só a conclusão.
3. Governança de acesso. Defina por escrito quem pode consultar contrato e condição comercial via IA: é dado sensível, e a LGPD (Lei Geral de Proteção de Dados) trata cadastro de fornecedor e cláusula contratual como informação que precisa de controle de acesso, não de consulta livre.
4. Cláusula de integração no contrato com o fornecedor de IA. Se a ferramenta promete conectar requisição, cotação, pedido e contrato, isso precisa estar descrito como entregável, com prazo, não como recurso genérico do material de venda.
5. Métrica de completude, não só de uso. Medir quantas consultas por IA foram respondidas pelo sistema é fácil. Medir quantas foram respondidas com dado de todas as unidades é o número que protege a decisão tomada em cima da resposta.

A fonte da recomendação também vende a solução

Vale um parêntese editorial: a reportagem da PEGN é conteúdo patrocinado e a recomendação de unificar jornada de compra, cadastro de fornecedor e governança de acesso vem da CEO da própria Nimbi, que vende exatamente essas funções em sua plataforma (consulta conversacional de dado, sugestão de fornecedor, automação de cotação). Os números de Gartner, Hackett e Deloitte são de terceiros e batem com o diagnóstico, mas o roteiro de solução de três passos é, também, o roteiro de venda.

Isso não invalida o diagnóstico: fragmentação de dado é um problema real e documentado por consultorias independentes. Mas quem decide deve pedir o mesmo checklist de integração e governança a qualquer fornecedor avaliado, não só ao que contou a história.

Quando vale investir agora e quando esperar

O dado da Deloitte (2,8 vezes de retorno para quem já tem maturidade de dado, contra 1,6 vez para quem não tem) costuma ser lido como motivo para acelerar a compra de IA. A leitura mais cautelosa é a oposta: empresas com ROI mais alto provavelmente já tinham cadastro de fornecedor unificado e processo de compra integrado antes de adicionar IA, não depois. Comprar a camada de IA generativa sobre um ERP fragmentado tende a reproduzir o padrão que o Hackett Group descreve: adoção que cresce em número de empresas tentando, mas que fica presa em aplicação pontual e não em escala.

Para o gestor que aprova orçamento, o teste mais simples antes de investir é perguntar à própria equipe de compras: hoje, sem IA nenhuma, alguém consegue responder em cinco minutos quanto a empresa comprou de um fornecedor específico no ano, somando todas as unidades? Se a resposta é não, o investimento prioritário não é em modelo de IA, é em integração de dado, e isso muda tanto o valor do próximo contrato quanto o prazo para ver retorno.

Fonte: Pequenas Empresas & Grandes Negócios