O Grupo Intelsis participou do SAP House Chile 2025, encontro que reuniu líderes, especialistas e empresas para discutir integração de processos, eficiência operacional e inteligência artificial.
A equipe conversou com clientes e parceiros e acompanhou apresentações sobre o uso da tecnologia nas empresas. Uma delas tratou da preparação e da gestão dos dados que alimentam projetos de IA.
Um espaço para ouvir clientes e parceiros
Além das apresentações, o SAP House Chile ofereceu espaço para trocar experiências e discutir os desafios das organizações participantes.
Essas conversas ajudam a identificar dificuldades de integração, diferenças no cálculo de indicadores e obstáculos à adoção de IA. A equipe pode usar esse contexto para orientar a avaliação dos projetos.
SAP BTP como alicerce de dados para a IA
Na sua apresentação, Matías Müller explicou o papel da SAP BTP como habilitadora da gestão de dados e o impacto disso nos projetos de inteligência artificial. Segundo ele, a plataforma integra, governa e transforma dados de muitas origens em uma camada única e confiável, para que os modelos trabalhem com informação de qualidade, atualizada e com contexto de negócio.
Na prática, isso significa tirar os dados dos silos onde costumam ficar: o ERP, os sistemas satélites, as planilhas e as aplicações de parceiros. Serviços da SAP BTP como o SAP Integration Suite, que conecta sistemas SAP e não SAP, e o SAP Datasphere, que organiza e disponibiliza os dados, ajudam a construir essa camada sem customizar o núcleo do ERP, preservando o clean core. Para entender a plataforma em linguagem de negócio, vale ler o que é a SAP BTP.
Por que a qualidade dos dados define o alcance da IA
Müller também destacou que a qualidade dos dados determina diretamente três atributos de qualquer modelo de IA: precisão, confiabilidade e escalabilidade. No dia a dia de uma empresa, o efeito aparece assim:
- Precisão: cadastros duplicados e histórico incompleto podem comprometer as previsões e recomendações do modelo.
- Confiabilidade: vendas, finanças e operações precisam conhecer e validar os dados de origem para avaliar as recomendações.
- Escalabilidade: a limpeza manual de planilhas pode dificultar a repetição de um piloto em outras unidades de negócio ou países.
Ainda de acordo com Müller, ao reduzir silos, melhorar a rastreabilidade e habilitar analytics avançado, a SAP BTP apoia decisões mais inteligentes e baseadas em dados. Ele também defendeu que investir em uma boa gestão de dados é uma vantagem competitiva, e não apenas uma escolha de tecnologia.
Checklist: seus dados estão prontos para a IA?
Para transformar essa mensagem em ação, reunimos cinco verificações que ajudam a avaliar se os dados da sua empresa sustentam um caso de uso de inteligência artificial. Vale fazê-las antes de escolher ferramenta ou modelo.
- Comece pelo caso de uso. Escolha uma decisão concreta, como prever a demanda de uma linha de produtos ou priorizar a manutenção de ativos críticos, e mapeie apenas os dados que ela exige. Tentar organizar todos os dados da empresa antes de começar costuma paralisar o projeto.
- Dê um dono a cada dado crítico. Cadastros de clientes, materiais, fornecedores e preços precisam de um responsável de negócio que defina o significado de cada campo e aprove mudanças. Sem dono, a qualidade vira problema exclusivo da TI e ninguém corrige a origem.
- Escreva regras de qualidade e meça. Defina o que é um registro válido em termos de completude, unicidade, formato e atualização, acompanhe esses indicadores e corrija os problemas no sistema de origem, não no relatório.
- Documente a linhagem. Registre o sistema de origem, as transformações e a última atualização de cada dado. Isso ajuda a investigar uma recomendação da IA e identificar onde corrigir a informação que a sustenta.
- Governe o acesso. Defina perfis por função, proteja dados pessoais e sensíveis e registre quem acessa o quê. Um modelo de IA não pode virar atalho para informações que as pessoas não deveriam ver.
Vamos conversar sobre os dados da sua empresa
O time do Grupo Intelsis pode avaliar os dados necessários para um caso de uso de IA. As áreas de dados e analytics e de inteligência artificial apoiam o diagnóstico das fontes, a definição da governança e a arquitetura na SAP BTP.
