Por Paulo Cordeiro (*)
O avanço dos investimentos em Inteligência Artificial (IA) e automação nas empresas brasileiras esbarra no custo dos dados ruins. O mercado projeta um cenário de eficiência e inovação, mas a realidade operacional revela que cadastros inconsistentes, duplicados e sem padronização estão drenando os recursos das companhias.
Dados da plataforma Shelf, que apontam que empresas perdem em média de US$ 12 milhões a 15 milhões por ano devido à baixa qualidade dos dados. Grandes corporações relatam perdas de até US$ 406 milhões anualmente. Com uma estrutura adequada de governança e uma Central de Cadastro bem definida, empresas podem reduzir até 30% dos custos operacionais em processos ligados a dados mestres (MDM).
Essa desorganização também colabora para travar o retorno de projetos de inteligência artificial e de transformação digital nas empresas. Mesmo com o avanço dos investimentos em IA, automação e analytics, organizações ainda operam com cadastros inconsistentes, duplicados e sem padronização, um gargalo estrutural que compromete decisões, reduz eficiência e impede que iniciativas de tecnologia entreguem valor real. Sem dados confiáveis, nenhum projeto de IA entrega o potencial prometido. A discussão começa pela integridade da informação.
Dados da empresa Parseur indicam que informações de baixa qualidade consomem, em média, 12% da receita das empresas e podem causar a perda de até 45% de clientes potenciais devido a falhas como duplicidade ou informações desatualizadas.
A maior parte das organizações concentra esforços em analytics e inteligência artificial, mas negligencia a base que sustenta essas iniciativas. Informações mal estruturadas sobre clientes, fornecedores, produtos e materiais criam uma cadeia silenciosa de falhas que impacta áreas como vendas, logística, finanças e atendimento. Isso raramente aparece de forma explícita no balanço, mas afeta diretamente margem, produtividade e competitividade. É como colocar um motor de Fórmula 1 em um carro desalinhado. O investimento é alto, mas o resultado não vem.
Esse cenário de incerteza é ampliado por dados da VentureBeat, que indicam que até 87% dos projetos nunca chegam à produção devido a questões não resolvidas de qualidade dos dados, enquanto a Huble aponta que 69% das empresas relatam que dados de baixa qualidade impedem decisões e insights confiáveis em IA. Em suma, enquanto os executivos cobram resultados, muitos times de tecnologia ainda lutam nos bastidores para organizar a informação necessária.
A chamada economia dos dados depende menos de ferramentas sofisticadas e mais da confiabilidade das informações. É preciso investir ainda na capacitação de profissionais especializados em gestão de dados mestres. Em breve, governança de dados será infraestrutura obrigatória. A economia dos dados será tão essencial quanto o ERP foi na primeira onda de digitalização.
(*) Paulo Cordeiro é CEO e fundador da 4MDG, plataforma SaaS especializada em governança de dados mestres
(crédito: wahyu_t/freepik)