Antes de escolher a IA, resolva o problema que ninguém quer olhar: seus dados

Existe uma cena que se repete em quase todo projeto de IA. A empresa está animada, o modelo escolhido é excelente, a expectativa é alta. Aí chega o momento de conectar a IA ao conhecimento do negócio — e a descoberta é sempre a mesma: esse conhecimento existe, mas está espalhado, inconsistente e, no fundo, ilegível para uma máquina. O contrato importante só existe como PDF escaneado, uma foto de papel sem texto de verdade. A informação que decide metade das dúvidas dos clientes não está escrita em lugar nenhum — mora na cabeça de um funcionário. O mesmo produto aparece com três nomes diferentes em três planilhas diferentes. A IA de ponta, de repente, não tem o que ler.

Esse é o segredo mal guardado da inteligência artificial aplicada: a parte difícil quase nunca é a IA. É o que vem antes dela. E como essa etapa não é empolgante, ninguém a coloca na apresentação — o que faz empresas inteiras subestimarem justamente a parte que decide se o projeto vai funcionar.

Uma IA é tão boa quanto o que ela consegue ler

Um sistema de IA que responde sobre o seu negócio não sabe nada sobre o seu negócio por conta própria. Ele só sabe o que consegue acessar e interpretar da informação que você fornece. Isso significa que a qualidade final não é definida pela inteligência do modelo, mas pela legibilidade dos dados. Um modelo brilhante lendo dados ruins produz respostas ruins com uma confiança perturbadora. A régua não é o teto da IA — é o piso dos dados.

E "legível para uma máquina" é um critério muito mais exigente do que "legível para uma pessoa". Um humano olha uma tabela bagunçada, entende o contexto pelas entrelinhas, reconhece que "R. J. Ltda" e "Comercial Rio de Janeiro" são a mesma empresa, e segue em frente. Uma máquina não. Ela precisa da informação estruturada, consistente e explícita — e a maior parte da informação empresarial não foi criada pensando nisso. Foi criada para humanos lerem, com toda a bagunça que humanos toleram.

Os três estados em que a informação costuma estar presa

Quando se vai de fato conectar uma IA ao conhecimento de uma empresa, a informação quase sempre aparece em um de três estados problemáticos.

O primeiro é o inacessível: existe, mas numa forma que a máquina não consegue extrair. PDFs escaneados que são imagens de texto, não texto. Documentos em formatos fechados. Áudios de reuniões nunca transcritos. Prints de tela guardados como registro. A informação está lá, visível para o olho humano, e completamente opaca para o sistema.

O segundo é o tácito: a informação que nunca foi escrita porque "todo mundo sabe". A regra de exceção que só o gerente conhece. O motivo pelo qual aquele cliente tem desconto. O procedimento que se aprende no ombro de um colega. Esse conhecimento é real e crítico, mas não existe em nenhum documento — e o que não existe em lugar nenhum não pode ser lido por máquina alguma.

O terceiro é o inconsistente: a informação existe, é legível, mas se contradiz. O preço está desatualizado numa planilha e correto em outra. O mesmo produto tem três nomes. Duas versões do mesmo procedimento circulam, e ninguém sabe qual vale. Aqui o problema é pior que a ausência, porque a máquina não tem como saber qual versão é a verdadeira — e pode confiantemente escolher a errada.

A etapa que ninguém filma: preparar os dados

Entre "temos os documentos" e "a IA usa os documentos" existe um trabalho inteiro que raramente é mencionado. Extrair texto de arquivos que só existem como imagem. Transcrever o que só existe em áudio. Documentar o conhecimento que só existe na cabeça das pessoas. Reconciliar as contradições, escolhendo uma fonte de verdade. Estruturar a informação em pedaços que façam sentido isolados, para que possam ser recuperados com precisão depois.

Não é glamouroso. Não impressiona numa demonstração. Mas é o trabalho que determina se a IA vai responder com base em informação sólida ou em um amontoado contraditório. E é normalmente a maior parte do esforço de um projeto sério — a ponta submersa do iceberg, invisível para quem só vê o balão de conversa aparecer no fim.

"As empresas passam meses escolhendo qual inteligência artificial usar e minutos pensando no que ela vai ler. A ordem correta é a inversa. O modelo é uma commodity que se troca numa tarde. A base de conhecimento organizada é o ativo que leva meses para construir e que faz o sistema inteiro funcionar."

Por que isso é uma boa notícia

Pode soar como um balde de água fria, mas há um lado libertador nessa constatação. Se o gargalo fosse a IA, você dependeria de avanços tecnológicos fora do seu controle. Como o gargalo são os seus dados, a alavanca está nas suas mãos. Organizar a informação da empresa é um investimento que rende muito além da IA: um conhecimento estruturado e acessível melhora a integração de novos funcionários, reduz a dependência de pessoas específicas, acelera decisões e diminui erros. A IA vira o motivo para fazer uma arrumação que a empresa já precisava — e passa a colher o resultado em todas as frentes, não só no chatbot.

O trabalho de mapear onde a informação mora, tirá-la dos formatos em que está presa e organizá-la de um jeito que uma máquina — e as pessoas — consigam usar não é o preâmbulo do projeto de IA. É o projeto. Fazer o modelo responder é a parte fácil e final. Preparar o terreno para que a resposta tenha em que se basear é onde mora o trabalho de verdade, e é por onde qualquer projeto sério de IA começa.