A inteligência artificial está ampliando as possibilidades de automação nas empresas, mas a qualidade dos dados utilizados ainda representa um desafio para as áreas de compras. Informações desatualizadas, produtos cadastrados sem critérios padronizados e sistemas que não compartilham dados de forma adequada podem prejudicar a comparação de preços, a análise de gastos e a identificação de oportunidades de negociação. O problema ganha importância à medida que as organizações passam a utilizar essas informações para orientar decisões com o apoio da tecnologia.
A discussão sobre a qualidade das informações estará entre os temas da Semana Dados BR, prevista para acontecer entre 23 e 26 de novembro, com participação da Controladoria-Geral da União (CGU). O evento abordará questões relacionadas à governança, ao compartilhamento de dados e à inteligência artificial. Nas empresas, o assunto vai além da área de tecnologia, já que a confiabilidade dos dados influencia atividades como planejamento de compras, gestão de contratos, avaliação de fornecedores e controle de despesas.
Segundo Carolina Cabral, CEO da Nimbi, empresa brasileira especializada em tecnologia para compras corporativas, a adoção de soluções mais avançadas precisa ser acompanhada de cuidados com as informações utilizadas nos processos. A inteligência artificial pode facilitar análises e reduzir tarefas manuais, mas não garante, por si só, que os dados utilizados estejam corretos.
“A inteligência artificial está ampliando as possibilidades de automação e análise nas áreas de compras, mas existe uma questão fundamental que precisa ser resolvida antes de qualquer avanço tecnológico: a qualidade dos dados. Uma empresa pode investir em sistemas modernos e ferramentas inteligentes, mas, se as informações que alimentam essas soluções estiverem incompletas, desatualizadas ou inconsistentes, os resultados também poderão ser comprometidos. No procurement, isso é especialmente sensível porque estamos falando de decisões que envolvem fornecedores, contratos, custos, riscos e continuidade operacional. A tecnologia pode acelerar processos, mas a confiabilidade das decisões continua dependendo da qualidade das informações disponíveis”, explica.
Um exemplo do problema está no cadastro de itens. Dentro de uma mesma empresa, um item pode aparecer com descrições diferentes, como “caneta”, “caneta azul”, “caneta azul ponta grossa” ou “caneta BIC”. Algumas dessas descrições podem representar produtos diferentes, mas, sem um padrão de classificação, fica mais difícil identificar quais registros correspondem ao mesmo item ou a equivalentes.
Essa falta de organização pode afetar diretamente a análise das compras. Se diferentes departamentos adquirem um mesmo produto, mas utilizam descrições distintas, a empresa pode ter dificuldade para identificar o volume total comprado. Com isso, perde visibilidade sobre os valores pagos, a frequência das aquisições e as oportunidades de negociar melhores condições ao reunir demandas semelhantes.
O problema também pode aparecer quando a empresa utiliza inteligência artificial para analisar os gastos. Se os registros não estiverem organizados, o sistema poderá interpretar compras de um mesmo produto como itens diferentes ou reunir materiais que não deveriam ser comparados. Nesses casos, as análises podem apresentar resultados incompletos ou distorcidos, dificultando a tomada de decisão.
“Quando um mesmo item aparece com descrições diferentes, a empresa pode ter dificuldade para entender quanto realmente compra daquele item e quanto está pagando por ele. Essa falta de padronização prejudica a análise de gastos e pode fazer com que oportunidades de negociação passem despercebidas. Com a inteligência artificial, o cuidado precisa ser ainda maior, porque a tecnologia consegue processar grandes volumes de informações rapidamente, mas isso não significa que os dados estejam corretos. Se a base apresentar inconsistências, os resultados também poderão ser comprometidos”, afirma Carolina.
Além dos cadastros de itens, a atualização das informações dos fornecedores exige atenção. Dados cadastrais, documentos e outras informações relevantes podem mudar ao longo do relacionamento comercial. Quando não existe um processo de acompanhamento e atualização, a empresa corre o risco de utilizar informações que já não refletem a situação atual de seus parceiros comerciais.
Outro desafio está na integração dos sistemas. Em algumas organizações, informações sobre requisições, cotações, contratos, pedidos e pagamentos ficam distribuídas em diferentes ferramentas ou departamentos. Quando esses dados não são organizados de maneira consistente, a equipe de compras pode precisar reunir informações manualmente para entender o histórico de determinada aquisição ou analisar os gastos de uma categoria.
A falta de integração também pode gerar divergências entre relatórios. Uma área pode classificar determinada despesa de uma forma, enquanto outra utiliza critérios diferentes. Isso dificulta a consolidação dos dados e pode prejudicar análises sobre custos, fornecedores e planejamento de compras. A inteligência artificial pode ajudar a processar essas informações, mas depende de critérios claros para interpretá-las corretamente.
Para evitar esses problemas, as empresas precisam estabelecer regras para o cadastro e a classificação de produtos e serviços, definir quem será responsável pela atualização das informações – pessoa ou tecnologia – e revisar periodicamente os registros existentes. Também é importante avaliar como os sistemas compartilham dados e se as diferentes áreas utilizam os mesmos critérios de organização.
“A governança de dados não deve ser vista apenas como uma responsabilidade da área de tecnologia. Ela precisa fazer parte da gestão de compras, porque influencia diretamente a capacidade da empresa de entender seus gastos e tomar decisões. Quando os produtos são cadastrados de forma padronizada e as informações estão atualizadas, fica mais fácil comparar preços, identificar padrões de consumo e planejar negociações. A inteligência artificial pode ampliar essa capacidade de análise, mas precisa trabalhar com uma base de dados organizada e confiável”, destaca Carolina.
Outra medida importante é acompanhar os resultados gerados pelas ferramentas de inteligência artificial. Mesmo quando os dados estão estruturados, as análises automatizadas precisam ser verificadas, principalmente quando são utilizadas para apoiar decisões sobre contratos, fornecedores ou valores elevados. A tecnologia pode contribuir para identificar tendências e organizar informações, mas a avaliação dos profissionais de compras continua sendo necessária.
Para a Nimbi, o avanço da inteligência artificial nas compras corporativas precisa estar associado à melhoria da qualidade das informações utilizadas pelas empresas. Mais do que acelerar atividades, o desafio é garantir que os sistemas ofereçam dados consistentes para que gestores possam identificar oportunidades, reduzir retrabalho e tomar decisões com maior segurança.