Análises de mercado, cenários de planejamento, avaliações de risco e relatórios de sustentabilidade e governança passaram a ser produzidos com apoio de inteligência artificial em uma fração do tempo que levavam antes. O ganho de velocidade é real. O que muda pouco, e às vezes passa despercebido, é a dependência dessas ferramentas em relação à qualidade das informações que recebem.
O alerta é do Latin American Quality Institute (LAQI), que trata do assunto na Quality Magazine, publicação mensal do instituto disponível neste link. A questão central, para o instituto, é que a tecnologia não corrige um dado ruim. Ela apenas o processa mais rápido.
“Estamos vivendo uma transição em que a informação deixou de ser apenas um recurso de apoio e passou a fazer parte da infraestrutura das decisões empresariais. Se a informação utilizada não for confiável, a tecnologia apenas acelera uma decisão que pode estar errada”, afirma Daniel Maximilian Da Costa, founder e CEO da LAQI.
O que muda com a IA generativa
Sistemas capazes de produzir análises e respostas em segundos constroem esse resultado a partir das informações disponíveis. Se a base for inconsistente, a resposta será inconsistente, com a diferença de que chega bem formatada e com aparência de conclusão pronta. Para a empresa, isso aumenta a necessidade de processos de validação e de fontes com credibilidade, histórico e critérios explícitos.
Da Costa argumenta que o foco da gestão precisa mudar de eixo: sair da quantidade de dados disponíveis para a parcela deles que pode de fato sustentar uma decisão.
“A pergunta estratégica não é quanto dado uma empresa consegue acumular, mas quanto desse dado pode ser considerado confiável e útil para uma decisão. Informação sem qualidade pode gerar uma falsa sensação de segurança”, pontua.
Governança da informação como parte da decisão
Para quem decide sobre compras, investimentos ou fornecedores, o executivo propõe um conjunto de perguntas que deveria preceder qualquer análise, com ou sem IA envolvida.
“A empresa precisa saber de onde vem a informação que utiliza. Qual é a fonte? Qual a metodologia? Quando aquele dado foi produzido ou atualizado? Essas perguntas são fundamentais quando uma decisão pode gerar impacto financeiro, operacional ou reputacional”, afirma.
O ponto é especialmente sensível em ESG. Indicadores ambientais, sociais e de governança são usados para avaliar empresas, fornecedores e projetos, e dados sem rastreabilidade comprometem comparações e ampliam a exposição a riscos financeiros e reputacionais. Uma ferramenta de IA que consolida esses indicadores não resolve o problema de origem.
Processo, não confiança automática
A resposta, segundo Da Costa, não está em desconfiar da tecnologia, mas em tratar a qualidade da informação como uma etapa formal do fluxo de decisão, com critérios para selecionar, validar e interpretar o que cada setor da organização utiliza.
“A qualidade da informação precisa ser tratada como um processo. Não basta receber um dado e incorporá-lo automaticamente a uma análise. É preciso compreender sua origem, verificar sua consistência e avaliar se ele realmente serve ao objetivo para o qual será utilizado”, diz.
Esse cuidado não é exclusivo de grandes corporações. Pequenas e médias empresas, que raramente têm departamentos de análise de dados, podem reduzir o custo de decisões equivocadas ao definir fontes confiáveis e procedimentos básicos de verificação.
“A empresa não precisa necessariamente ter mais informação. Muitas vezes, precisa ter melhores critérios para selecionar a informação que utiliza. Em um mundo de excesso de conteúdo, saber descartar aquilo que não é confiável também é uma competência empresarial”, conclui.
O risco de usar IA para decidir, portanto, não está na ferramenta em si. Está em entregar a ela informação que ninguém verificou e aceitar a resposta pela velocidade com que chegou.