Fragmentação de dados limita IA em Compras e atrasa ganhos reais

Inteligência Artificial

A falta de integração entre sistemas dificulta o uso eficiente da IA em processos de compras e impacta resultados.

Leia também: ChatGPT é requisito em 831 vagas no Brasil em 2026; saiba mais

A corrida para levar inteligência artificial às áreas de Compras esbarra em um obstáculo básico dentro das empresas brasileiras e globais: a fragmentação dos dados. Requisições, cotações, pedidos, contratos e cadastros de fornecedores estão espalhados em sistemas e planilhas, o que impede a IA de enxergar o contexto completo e gera respostas parciais, com risco direto para negociações e decisões de gasto.

Como a fragmentação dos dados de compras limita o avanço da inteligência artificial nas empresas?

A dispersão das informações de Compras em múltiplos sistemas faz com que a IA trabalhe com pedaços de realidade e, muitas vezes, entregue respostas que parecem completas, mas estão incompletas. Esse é hoje um dos principais freios ao uso estratégico de inteligência artificial na gestão de procurement.

Levantamentos recentes com líderes da área mostram que 72% apontam tecnologias de dados e analytics como prioridade de investimento, e 68% citam IA e IA generativa entre seus focos principais. Na prática, porém, a maioria esbarra em bases desorganizadas. O próprio ciclo de Compras costuma estar quebrado: a requisição nasce em uma ferramenta, a cotação é feita por e-mail, o pedido segue para o ERP e o contrato termina em um repositório separado.

“Existe um paradoxo em muitas empresas: elas têm dados demais e informação de menos. O registro existe, mas está em um sistema, a referência está em outro e o contrato está em uma pasta. A inteligência artificial não resolve sozinha esse problema estrutural”, afirma Carolina Cabral, CEO da Nimbi, plataforma brasileira especializada em procurement.

Segundo ela, o problema não é só a IA não conseguir responder a uma pergunta, mas responder errado: “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”.

Consultorias como Gartner e The Hackett Group apontam o mesmo movimento: o interesse em IA para Compras cresce rápido, mas a tecnologia entra em uma fase de frustração justamente porque a qualidade, a integração e a governança dos dados não acompanham o ritmo das promessas.

Entenda o contexto

O ambiente de Compras foi um dos que mais digitalizou processos nos últimos anos. As companhias acumularam grandes volumes de dados sobre requisições, histórico de preços, pedidos, contratos, performance de fornecedores e prazos de entrega. A expectativa era usar IA para transformar esse acervo em inteligência de negócio.

Os números mostram o avanço dessa agenda. Um estudo recente do The Hackett Group indica que 43% das organizações já buscam ativamente implantar IA em Compras, quase o dobro do observado no ano anterior. Ainda assim, a maioria das iniciativas segue concentrada em tarefas transacionais, como automações pontuais e assistentes embutidos em ferramentas, sem chegar ao nível de decisões estratégicas de gasto.

A consultoria Deloitte, por sua vez, comparou o retorno obtido por empresas mais maduras digitalmente com o restante do mercado. As chamadas “Digital Masters”, que combinam tecnologia integrada e equipes preparadas, alcançam retorno médio de 2,8 vezes sobre investimentos em IA generativa, contra 1,6 vez entre as demais organizações. A diferença expõe o peso da organização dos dados e da maturidade de governança na captura de valor.

Quais soluções estão sendo adotadas para superar a fragmentação dos dados em inteligência artificial?

As estratégias que começam a se consolidar nas áreas de Compras giram em torno de três eixos: integração da jornada de compras, unificação dos cadastros de fornecedores e criação de regras claras de governança para acesso às informações.

No campo da integração, o objetivo é conectar ponta a ponta o fluxo que vai da requisição ao contrato, com o fornecedor como elo comum. “A empresa não precisa resolver tudo de uma vez nem trocar todos os sistemas. Precisa garantir que requisição, cotação, pedido, contrato e fornecedor estejam ligados entre si. É essa ligação que dá à IA o contexto para gerar respostas confiáveis”, diz Carolina Cabral.

Na prática, isso passa pelo uso de plataformas capazes de atuar como camada de orquestração sobre sistemas legados, extraindo e relacionando dados de diferentes fontes. É o caso de soluções nacionais como a da própria Nimbi, que aplica IA sobre a jornada integrada em recursos como consultas conversacionais de dados, sugestão automática de fornecedores e automações em cotações.

O segundo eixo é a unificação do cadastro de fornecedores, reduzindo duplicidades e divergências entre áreas e sistemas. Sem um identificador único, a pergunta “quanto a empresa comprou de determinado fornecedor” pode ter respostas diferentes dependendo da base consultada — e qualquer IA treinada em cima disso tende a reproduzir a confusão.

O terceiro pilar é a governança. Empresas começam a definir quem acessa quais informações, em que nível de detalhe, e como auditar o uso dos dados. Isso inclui políticas para atualização de cadastros, padrões mínimos de qualidade e trilhas de auditoria. “Organizar a casa não é a parte mais visível da adoção de IA, mas é a que define se ela vai funcionar”, resume Cabral.

Consultorias ouvidas por líderes de procurement apontam que, sem enfrentar esse trabalho estrutural, a tendência é que projetos de IA fiquem restritos a pilotos e provas de conceito, com dificuldade de ganhar escala. Já onde integração, cadastros unificados e governança avançam, a IA começa a apoiar decisões de portfólio de fornecedores, renegociação de contratos e identificação de oportunidades de economia em tempo quase real.

O movimento ainda é inicial, mas os sinais são de que Compras e supply chain devem seguir na linha de frente da adoção de IA nas empresas. Quem conseguir alinhar tecnologia, processos e pessoas para superar a fragmentação dos dados tende a capturar ganhos financeiros e competitivos mais rapidamente; quem adiar essa arrumação deve conviver por mais tempo com decisões baseadas em informações quebradas.