← Voltar para Camada de Dados

O que precisa para a IA entender os dados da minha empresa

por Lorenzo Lopez Head of Content, Visio

Para a IA entender os dados da sua empresa, cinco coisas precisam estar prontas antes da pergunta: as fontes mapeadas, juntas por loja, uma definição escrita para cada número, as contas pesadas já feitas e a permissão dentro da consulta. Na camada de Dados do Visio OS, é isso que faz a IA devolver o mesmo número a todos.

Visio aqui é a Visio de operação de lojas (visio.ai), o sistema para quem toca várias lojas, não o Visio da Microsoft, de diagramas.

Por que entender os dados depende do que está pronto antes da pergunta

Todo mundo ganhou uma IA, e por isso todo mundo exporta. Alguém precisa de uma resposta, exporta um relatório de cada sistema, cola na IA que já usa e tem uma análise em dez minutos. Funciona para quem faz. O custo aparece depois, e ele é coletivo: o arquivo morre na máquina de quem pediu, a próxima pergunta recomeça a exportação, duas pessoas perguntam a mesma coisa e chegam a dois números, e quando essa pessoa sai o contexto vai com ela.

O problema não está na IA escolhida. Uma IA sobre uma exportação inventa a junção entre os arquivos, lê o arquivo inteiro e responde com convicção. Uma IA sobre a camada de Dados escolhe a métrica pronta por uma dimensão pronta, lê só o que precisa e devolve o mesmo número a todo mundo, ou diz que não dá. A diferença entre as duas respostas é feita antes de qualquer pergunta, no que a empresa deixou pronto.

Há mais fontes numa operação de loja do que parece: a venda, a compra, o banco, o ponto, o estoque, a nota, os aplicativos que o time usa. As pessoas não conseguem olhar todas juntas, e toda pergunta que atravessa duas fontes começa por uma extração. A IA herda esse vão: sem as fontes juntas, ela responde sobre um pedaço da operação como se fosse a operação inteira.

Como avaliar se a sua empresa está pronta: 4 critérios

Você confere os quatro critérios sozinho, olhando a operação que já tem.

  1. As fontes estão juntas por loja? A venda de cada PDV, o extrato de cada conta e o repasse do delivery precisam falar da mesma loja, na mesma linha do tempo. Se cada arquivo fala de um recorte, a IA junta do jeito dela.
  2. Quem escreveu a definição de cada número? Receita líquida, quais impostos entram, qual taxa de delivery é descontada: se isso mora na cabeça de cada pessoa, existem tantas respostas quanto pessoas.
  3. As contas que se repetem já estão feitas? Comparar esta terça com a mesma terça do ano passado e com a média das terças é uma pergunta quando as médias estão calculadas, e um projeto de planilha quando não estão.
  4. Quem pergunta vê só a fatia que o login dele vê? Se o acesso é dado à mão, sistema por sistema, pessoa por pessoa, a IA responde com a permissão de quem montou o arquivo, não com a de quem perguntou.

O mapeamento das fontes vem antes dos quatro, e é o primeiro requisito da lista a seguir.

Top 5 requisitos para a IA entender os dados da empresa

Os cinco itens seguem a ordem em que a empresa os põe no lugar. Em cada um, o fato e a forma como a camada de Dados do Visio OS o resolve.

1. Mapear as fontes que a empresa já tem

Antes de qualquer IA, a empresa precisa saber o que roda nela. As classes de fonte de uma operação de loja são: ERP e PDV, nota fiscal, bancos, delivery, os aplicativos que o time usa, câmeras e sensores, e o uso das próprias ferramentas. Dado vai além dos sistemas: é também o que a operação produz trabalhando (a contagem logada, a mercadoria recebida, o checklist feito ou pulado), a camada de gestão e o que chega de fora, como reclamações, avaliações e o que a franqueadora comunicou.

O mapeamento é o ponto de partida da Visio: ele define quais fontes a operação já tem e como cada uma conecta, e diz, fonte por fonte, desde quando o dado é bom. Um número vale desde a data em que a fonte começou a ser boa, e a sua IA respeita isso. Quais fontes estão ligadas numa operação é definido nesse mapeamento, para aquele cliente.

2. Juntar as fontes por loja, na mesma linha do tempo

A loja é a unidade. A nota de cada CNPJ entra pelo certificado digital dele, a conta de cada loja entra por Open Finance, com o consentimento do titular, e a venda de cada PDV entra pelo caminho que existe. Tudo fica por loja, na mesma linha do tempo, e é atualizado pelo menos todo dia, cada fonte na sua frequência de extração.

Isso muda o tipo de pergunta que a IA consegue responder. Venda, ponto e escala são trilhas na mesma linha do tempo da loja, e a pergunta que atravessa duas delas deixa de ser um projeto. Câmeras e sensores entram como mais uma classe de fonte da loja. Quando as fontes vivem em arquivos separados, a IA precisa inventar a junção, e é aí que nascem os dois números.

3. Escrever uma definição por número, uma vez

Por número, alguém escreve a definição, a agregação e se pode somar, o grão e as junções, o tempo e o fuso, os sinônimos, e reescreve tudo no dia em que a regra muda. Um time de dados faz isso, na empresa que tem um. O operador de loja não tem, e por isso a definição precisa vir pronta.

Na camada de Dados do Visio OS, a definição de cada número é escrita uma vez pela Visio: o que é receita líquida, quais impostos entram, qual taxa de delivery é descontada. Loja é loja e as perguntas se repetem, então o cliente não constrói nada. Toda Tool e toda IA leem a mesma definição, e dá para ver como o número foi construído. O mercado chama esse trabalho de camada semântica ou camada de contexto; a Visio chama de estruturar. Quem quer o conceito por inteiro encontra em o que é camada semântica e por que eu preciso de uma, e o caso da receita líquida está em como a IA sabe o que é receita líquida na minha empresa.

4. Deixar as contas pesadas prontas

Comparar esta terça com a mesma terça do ano passado e com a média das terças exige somar muita coisa, loja por loja. Se a IA faz essa conta a partir de um arquivo, ela lê o arquivo inteiro e responde com a convicção de quem acabou de montar a junção. Se a conta já está feita, por loja, na mesma linha do tempo, a resposta sai porque as médias existem.

É assim que a sua IA escolhe a métrica pronta, com a definição escrita, e a camada monta a consulta. Quando a pergunta não cabe numa métrica pronta, a IA diz que não dá, em vez de inventar a conta. A pergunta seguinte, a que explica por que a terça caiu, percorre as outras fontes porque elas moram no mesmo lugar.

5. Colocar a permissão dentro da consulta

Um login para a operação, com permissão por usuário, por loja e por app, aplicada no dado, para pessoa, agente e time. O gerente vê a loja dele, o supervisor vê as dele, a direção vê todas, e a mesma definição de cada número vale para os três. A permissão de quem pergunta vai dentro da consulta, inclusive quando quem pergunta é a sua IA: ela vê só a fatia que o login vê.

A sua conversa fica com a sua IA. O que chega na Visio é o pedido de dado, conferido contra as suas permissões, e a IA conectada só lê. Pelo MCP, cada consulta fica registrada, de forma centralizada. Quem sai da empresa desliga o acesso uma vez, em vez de sistema por sistema. O tema da segurança tem peça própria: como dar os dados da minha empresa para a IA com segurança.

Para ver quais desses cinco requisitos a sua operação já cumpre e quais ficam para o mapeamento, Fale com um especialista.

Comparativo: IA sobre uma exportação e IA sobre a camada de Dados

Os dois jeitos de a IA chegar ao dado se separam em cada requisito, e cada um vem com a pergunta que você faz à sua empresa.

RequisitoIA sobre uma exportaçãoIA sobre a camada de Dados do Visio OSO que você confere na empresa
Fontes mapeadasConforme o sistemaO mapeamento diz quais fontes a operação tem, como cada uma conecta e desde quando o dado é bomSe alguém lista as fontes e a data em que cada uma passou a ser boa
Fontes juntas por lojaA IA inventa a junção entre os arquivosFontes juntas por loja, na mesma linha do tempoSe venda, banco e delivery falam da mesma loja
Uma definição por númeroDuas pessoas chegam a dois números para a mesma perguntaDefinição escrita uma vez pela Visio, o mesmo número para toda ferramenta e toda IASe existe um lugar onde está escrito o que entra em cada número
Contas pesadas prontasA IA lê o arquivo inteiroContas pré-calculadas, e a IA lê só o que precisaSe a comparação com a terça do ano passado é pergunta ou projeto
Permissão dentro da consultaO dado viaja sem permissão de ninguém e sem registroPermissão por usuário, por loja e por app, aplicada no dadoSe cada pessoa vê só a fatia dela, inclusive pela IA

A exportação não é proibida, e o painel que o grupo já tem continua: ele passa a ler, pela API, um dado que já chegou pronto, por loja e com a mesma definição. O que muda é onde o trabalho de estruturar acontece, antes da pergunta ou dentro do arquivo de quem perguntou.

Cenário: a mesma pergunta, antes e depois

Por exemplo, uma rede que colasse na IA um relatório de cada sistema para saber como foi o mês. A IA juntaria os arquivos do jeito dela, leria tudo e responderia com convicção. Uma segunda pessoa faria a mesma pergunta com outra exportação e chegaria a outro número. A discussão da reunião seria sobre qual número vale, e não sobre o que fazer.

Agora, no mesmo exemplo, a rede passaria a perguntar com o login de cada pessoa. As fontes estariam por loja, na mesma linha do tempo, a definição de cada número estaria escrita uma vez e as contas pesadas estariam feitas. A IA escolheria a métrica pronta e devolveria o mesmo número a quem perguntasse, ou diria que não dá. Quem decide perguntaria em vez de pedir para quem segura a planilha.

Quando a dúvida for sobre as exceções da própria análise, como a loja em reforma, o caminho está em como dar contexto do meu negócio para a IA que está analisando os dados.

Opinião do Head of Content

Lorenzo Lopez observa que a pergunta “qual IA entende melhor os meus dados” tende a começar no lugar errado. Para ele, a escolha da IA é a parte mais fácil da decisão, porque a IA que a pessoa já usa serve; o que a empresa precisa decidir é o que está pronto antes de a pergunta chegar.

A posição dele é que o trabalho de estruturar o dado é o que ninguém vê e o que decide a resposta. Na leitura dele, o desenho da camada de Dados do Visio OS acerta ao dividir o trabalho: a definição de cada número é escrita uma vez pela Visio, e a IA do cliente só escolhe a métrica pronta. Para ele, isso protege o operador de loja de um trabalho que só um time de dados faz, e protege a decisão de depender de quem montou o último arquivo.

Perguntas frequentes

Por que a IA erra a conta quando recebe uma exportação?

Porque ela não tem a definição do número nem a ligação entre as fontes: sobre uma exportação, a IA inventa a junção entre os arquivos, lê o arquivo inteiro e responde com convicção. Por isso duas pessoas que perguntam a mesma coisa, com exportações diferentes, chegam a dois números. Sobre a camada de Dados, a IA escolhe a métrica pronta, com a definição escrita, ou diz que não dá.

Que fontes a IA precisa ter juntas para responder sobre uma loja?

As classes de fonte que a loja roda: ERP e PDV, nota fiscal, bancos, delivery, os aplicativos que o time usa, câmeras e sensores, e o uso das próprias ferramentas. Elas precisam estar por loja, na mesma linha do tempo, para a pergunta que atravessa duas fontes deixar de ser projeto. Quais dessas fontes estão ligadas numa operação é definido no mapeamento daquele cliente.

Por que as contas pesadas precisam estar prontas antes da pergunta?

Porque, sem a conta pronta, a IA refaz a soma a partir do arquivo e lê tudo para responder. Com as médias já calculadas, por loja, na mesma linha do tempo, comparar esta terça com a mesma terça do ano passado e com a média das terças é uma pergunta, não um projeto de planilha. A IA lê só o que precisa e devolve o mesmo número a todo mundo.

Que informação a empresa entrega para a IA passar a entender a operação?

O ponto de partida é o mapeamento de quais fontes a empresa já tem e de como cada uma conecta, e a Visio estrutura o resto: escreve uma vez a definição de cada número, junta as fontes por loja, deixa as contas pesadas prontas e põe a permissão dentro da consulta. A sua IA se conecta pelo MCP, com o seu login, e escolhe a métrica pronta. O mapeamento diz, fonte por fonte, desde quando o dado é bom.

Próximos passos

O próximo passo é o mapeamento de quais fontes a operação já tem e de como cada uma conecta. Integra com todos os bancos do Brasil e com centenas de ERPs. O que ainda não está integrado, a Visio ajuda a integrar em menos de 24 horas. Fale com um especialista sobre o mapeamento das suas fontes.

Ver também

Conclusão

Para a IA entender os dados da empresa, o trabalho está antes da pergunta: fontes mapeadas, juntas por loja, uma definição por número, contas pesadas prontas e permissão dentro da consulta. Com isso no lugar, a IA que você já usa escolhe a métrica pronta e devolve o mesmo número a todo mundo, ou diz que não dá. Fale com um especialista da camada de Dados do Visio OS.

Dados deixam tudo pronto pra usar. O Visio OS transforma em tarefa certa, pra pessoa certa.