Camada semântica conecta o investimento em dados aos resultados da IA

*Por Eduardo Martins. 

 
Plataformas de armazenamento, integração entre sistemas e painéis de indicadores formam a base do que as empresas entendem por investimento em dados. Com a chegada de assistentes e agentes de inteligência artificial (IA), que consultam sistemas e respondem às perguntas dos gestores, outra camada passa a determinar a qualidade das respostas. É a camada das definições de negócio, que estabelecem o que significam receita líquida, cliente ativo ou margem de contribuição e como calcular cada indicador. 

Dar à IA acesso aos dados não garante respostas alinhadas a essas definições, porque, quando Comercial, Financeiro e Operações calculam o mesmo indicador de formas diferentes, o agente devolve números diferentes para a mesma pergunta. A camada semântica é a estrutura que fica entre as bases de dados e as ferramentas que consultam essas bases, como painéis, planilhas e agentes, e reúne as definições num vocabulário comum para pessoas e agentes. Construída a partir da modelagem do negócio, e não apenas da compra de uma ferramenta, essa camada conecta aos resultados da IA o que a empresa já investiu em dados. 

Nas previsões de Data & Analytics divulgadas neste ano, o Gartner afirma que, até 2030, as camadas semânticas universais, que atendem a todas as ferramentas da empresa, terão status de infraestrutura crítica, ao lado das plataformas de dados e da segurança cibernética. Em outra previsão, divulgada durante a conferência de Data & Analytics em Londres, o Gartner estima que, até 2027, as organizações que priorizarem a semântica nos dados preparados para IA vão aumentar em até 80% a precisão dos agentes e reduzir os custos em até 60%. 

Em muitas empresas, as definições de negócio existem, distribuídas entre fórmulas de planilhas, consultas que os analistas escreveram para relatórios específicos e modelos de dados de cada ferramenta de painéis. Quem monta cada relatório conhece as exceções e os filtros que aplica, mas o agente que consulta a base diretamente tem acesso apenas a tabelas e nomes de colunas e precisa deduzir o cálculo a partir delas. 

Camada semântica organiza métricas e concilia conceitos entre as áreas 

Para que o agente deixe de deduzir o cálculo a partir das tabelas, a equipe de dados registra na camada semântica a fórmula de cada indicador, os filtros que entram na conta, os níveis de detalhe disponíveis, como região, produto e período, e a área responsável pela definição.  

O mesmo registro documenta as entidades do negócio, como cliente, contrato e produto, e a forma como se relacionam, de modo que o faturamento de um cliente resulte da soma dos contratos ligados a esse cliente. Com essas definições num só lugar, a margem e o faturamento recorrente aparecem com o mesmo valor em painéis, planilhas e respostas dos agentes. 

Conciliar conceitos exige a participação das áreas, porque o mesmo termo pode ter sentidos diferentes. Para o Comercial, cliente ativo pode significar quem comprou nos últimos 12 meses, enquanto o Financeiro considera quem tem contrato vigente e pagamentos em dia. As duas definições atendem a usos diferentes e podem conviver na camada, desde que cada uma tenha um nome próprio, um responsável e a indicação de qual entra nos indicadores oficiais. 

Como as definições mudam com o negócio, a camada precisa de controle de versões e de um fluxo no qual o responsável por cada métrica aprova as alterações. Quando o Financeiro altera a regra de reconhecimento de receita, que define em que momento uma venda entra no resultado, relatórios e agentes passam a usar a nova fórmula ao mesmo tempo, e o histórico registra a partir de quando cada definição vale. 

Essa estrutura também delimita o que cada agente pode consultar, porque expõe os indicadores conforme as regras de permissão de cada área, sem abrir as tabelas de origem a quem não precisa delas. 

Construção da camada semântica começa pela modelagem do negócio 

As decisões que a empresa toma com os dados, como o fechamento mensal, a previsão de demanda e o acompanhamento da inadimplência, orientam a modelagem, junto com as perguntas a que gestores e agentes precisam responder em cada uma delas. A partir dessas perguntas, a equipe de dados levanta as definições que existem nos relatórios, nas planilhas e nos sistemas de origem e identifica os indicadores que as áreas calculam de formas diferentes. 

As divergências seguem para os responsáveis de cada área, porque a equipe de dados consegue documentar o cálculo, mas não tem autoridade para escolher qual conceito de receita ou de cliente a empresa adota. Financeiro, Comercial e Operações decidem a definição oficial e as variantes aceitas. Com as definições decididas, a engenharia de dados liga cada uma às tabelas e aos fluxos que alimentam os sistemas de origem e trata a qualidade dos registros. 

A escolha da ferramenta pode ficar para depois desse trabalho, porque diferentes plataformas de dados e de análise oferecem recursos de camada semântica, e a equipe consegue levar as definições conciliadas e documentadas de uma para outra. Comprar uma solução antes de modelar o negócio leva para o sistema novo as divergências que existiam nos relatórios. 

Por isso, a camada semântica sai da agenda exclusiva da área de Tecnologia e entra na pauta da diretoria. Definir o que a empresa chama de receita, de cliente ativo ou de margem é uma decisão de negócio, que cabe aos executivos de cada área, e não à ferramenta escolhida. Para CEOs e CFOs, a pergunta deixa de ser quanto investir em IA e passa a ser se a empresa tem uma definição única dos números que orientam as decisões, condição para que os agentes respondam com a mesma autoridade dos relatórios apresentados ao conselho. 

*Eduardo Martins, Diretor de Serviços e Soluções da Solo Network