Dados não estruturados: a qualidade que a IA exige

A qualidade dos dados não estruturados decide o que a IA generativa responde dentro de uma organização. Contratos, e-mails, atas, pareceres e relatórios guardam o conhecimento que o modelo de linguagem não tem, e é deles que um assistente interno tira as respostas. Quando o contrato guardado no repositório é a versão anterior ao terceiro aditivo, o assistente informa a vigência errada com a mesma segurança de uma resposta certa.

Em fevereiro de 2025, o Gartner previu que, até o fim de 2026, as organizações vão abandonar 60% dos projetos de IA que não tiverem dados preparados para a IA. A técnica mais usada para levar o conteúdo da empresa ao modelo, a geração aumentada por recuperação (RAG, na sigla em inglês), dá respostas precisas quando os documentos recuperados são bons, e os da maioria das empresas estão desatualizados, duplicados ou incompletos. Essa qualidade é tratada em etapas, com pessoas e com a própria IA, a partir de um problema de negócio definido.

Na RAG, o sistema procura no acervo os trechos ligados à pergunta e os entrega ao modelo junto com ela, e o modelo escreve a resposta a partir desses trechos. O modelo não sabe que existe um aditivo que a busca não trouxe, nem que dois documentos falam do mesmo fornecedor. O acervo limita a resposta, por melhor que seja o modelo.

O que é qualidade em um documento?

Um documento tem qualidade para a IA quando é relevante para a pergunta, único no acervo, completo, correto e atual, e quando traz o contexto que permite interpretá-lo. O dado estruturado tem um dicionário que diz o que cada campo significa e quem responde por ele. O documento, em geral, não tem: fica em pastas com nomes diferentes, em servidores e nuvens diferentes, e foi escrito para outro fim.

O contrato mostra o problema. A versão assinada fica no jurídico, os aditivos em outra pasta, os atestes de execução no sistema da área requisitante e a troca de mensagens sobre um reajuste no e-mail do gestor. Cada peça está correta, e nenhuma diz sozinha qual é a vigência hoje e quanto resta de saldo. O ERP registra o valor e o pagamento, e o documento que explica o valor fica fora dele, uma das lacunas tratadas em o mito do ERP monolítico.

Ligar as peças também é difícil para o modelo. A IA generativa tem dificuldade de saber se o "J. A. Smith" de um documento é o "John Smith" de outro, a chamada resolução de entidades. Em um acervo de contratos, o mesmo fornecedor aparece com a razão social em um documento, com o nome fantasia em outro e só com o CNPJ em um terceiro. O documento pede a mesma clareza que o dado estruturado: quem o produz, quem o usa, quem responde pela qualidade dele, por quanto tempo é guardado e quem pode acessá-lo.

O que fazer: escolha um tipo de documento, como o contrato, e escreva em uma página quem o produz, quem responde por ele, onde fica a versão vigente e quais peças o completam.

Um problema por vez, começando pelo acervo mais limpo

O volume de documentos de uma organização impede tratar tudo de uma vez. A prioridade vem primeiro do valor do problema de negócio e depois do custo de preparar os documentos que ele exige, e o acervo que já é usado e conferido todo dia sai na frente. Em uma empresa que faz a manutenção da refrigeração de caminhões, o assistente dos técnicos usa os esquemas de cerca de 20 modelos de equipamento de dois fabricantes. São documentos consultados repetidamente, com um vocabulário pequeno, e por isso confiáveis.

A avaliação do acervo vem antes da construção. Vale o princípio de "menos é mais": sem uma razão para confiar em um documento, ele fica fora. Especialistas leem uma amostra pequena a fundo, à procura de erros, contradições e linguagem confusa. Se a amostra é ruim, ou se não há documentos bons em quantidade suficiente, o projeto é reconsiderado antes de consumir orçamento. Os agentes de IA dependem da mesma base, como mostra o caso da IA agêntica em compras, em que a completude do cadastro de fornecedores precede o primeiro agente.

O que fazer: antes de contratar a ferramenta, escolha alguns contratos do acervo e peça a quem os usa que marque, em cada um, se a versão é a vigente, se os aditivos estão juntos e se o fornecedor está identificado pelo CNPJ. O resultado diz se o projeto começa por esse acervo ou por outro.

A curadoria humana e o preparo feito pela IA

A preparação tem duas frentes. A humana começa por um glossário: um grupo das áreas envolvidas define o que é um contrato, um aditivo, um termo de referência ou um cliente, e registra a definição. Esse acordo é difícil: uma agência de publicidade não tinha uma definição comum de "proposta", o documento central do negócio dela.

Depois vem a curadoria: escolher o melhor documento para cada assunto, etiquetá-lo com metadados e pontuá-lo pela atualidade, pela clareza e pela relevância. Em um banco de investimentos, uma equipe de cerca de 20 analistas pontua cada relatório de pesquisa por 20 critérios. A curadoria começou antes da IA generativa e permitiu ao banco levar mais cedo à produção o assistente dos assessores financeiros.

A segunda frente é a própria IA, que resume documentos, classifica-os por tipo, etiqueta os elementos-chave, encontra cópias e quase cópias para eliminar e esboça grafos de conhecimento, que mostram como uma informação se liga a outra. Uma varejista americana de automóveis usa IA generativa para traduzir a linguagem de cada montadora sobre componentes e recursos em uma descrição padrão, com a qual o consumidor compara carros de marcas diferentes. Há um limite: a IA não foi boa em escolher o melhor documento entre vários parecidos, mesmo com um critério de avaliação. A divisão de tarefas deixa às pessoas a decisão sobre o que fazer e às máquinas a escala e o custo menor por documento.

O que fazer: monte com as áreas o glossário dos 10 a 20 termos centrais do acervo, use a IA para classificar os documentos e remover as duplicatas, e deixe a uma pessoa a escolha da versão de referência de cada um.

As perguntas de ouro antes da produção

Mesmo com o acervo preparado, a aplicação é testada antes de chegar ao usuário. Um método são as "50 perguntas de ouro": a equipe escreve as perguntas que o sistema tem de acertar, confere as respostas e corrige o acervo ou a aplicação onde ele erra. O teste se repete ao longo do tempo, porque os modelos de linguagem mudam com frequência, e com mais rigor nas aplicações reguladas ou que afetam pessoas.

O teste também revela contradições no próprio negócio. Uma seguradora, ao validar o assistente sobre o tratamento de sinistros, descobriu que os contratos dos clientes, a central de atendimento, a base de conhecimento e o departamento de sinistros davam respostas diferentes. A empresa definiu o departamento de sinistros como dono da resposta e, a partir dele, mudou o assistente, os contratos e o treinamento da central.

Em um acervo de contratos, as perguntas de ouro são as que a área faz toda semana: qual a vigência atual, quanto resta de saldo, quais aditivos alteraram o valor, qual o índice de reajuste e quem atestou a última medição. Cada uma tem uma resposta certa e um documento que a sustenta, o que torna a conferência objetiva.

O que fazer: escreva as 50 perguntas com o gestor e o fiscal dos contratos, cada uma com a resposta certa e o documento que a sustenta, e só libere o assistente quando ele acertar todas as perguntas de risco alto.

A qualidade na origem do documento

A melhor forma de tratar a qualidade é evitar o erro onde o documento nasce, e esse é o trabalho de longo prazo. Quem escreve o documento aprende a avaliá-lo, a etiquetar os elementos-chave no momento em que o produz e a guardá-lo em um repositório central. O assistente em uso alimenta essa melhoria: cada erro é registrado, a causa é investigada e o processo que produziu o documento ruim é corrigido. Nas decisões críticas, uma pessoa qualificada continua revisando a resposta.

O Tribunal de Contas da União (TCU) aplica duas dessas regras em um serviço público. Desde o fim de julho de 2026, a Pesquisa Integrada do portal do tribunal, com cerca de sete milhões de documentos em 14 categorias de acesso público, oferece resumos gerados por IA. Cada resumo é guardado depois do primeiro acesso e invalidado automaticamente quando o documento é atualizado, e os temas que já têm enunciado próprio, como as súmulas e a jurisprudência selecionada, ficam fora dos resumos.

Em um contrato, a origem é o fluxo de trabalho. O aditivo assinado entra ligado ao contrato que altera, o ateste fica ligado à medição e ao pagamento, e a vigência e o saldo são calculados a partir desses registros, à vista de quem precisar deles.

O que fazer: defina, para cada tipo de documento, o que é etiquetado na criação e em que repositório ele fica, e inclua uma revisão mensal dos erros do assistente com o dono do processo que produziu cada documento.

Conclusão

A IA generativa responde com o que encontra no acervo da organização, e a qualidade desse acervo se constrói por partes: um problema de negócio de cada vez, o acervo mais confiável primeiro, um glossário e uma curadoria com responsáveis, a IA para dar escala à preparação, as perguntas de ouro antes da produção e cada erro corrigido no processo que o produziu. O primeiro passo é escolher um tipo de documento e medir uma amostra dele.

Os contratos estão entre os primeiros candidatos, porque concentram prazos, valores e obrigações. O Converge Gestão de Contratos® reúne a vigência, os aditivos, os atestes, o orçamento e os pagamentos de cada contrato em um só fluxo, com histórico rastreável e trilha de auditoria. Para avaliar o acervo de contratos da sua organização, fale com a Takter.

Fontes

• Thomas H. Davenport, Roger W. Hoerl e Thomas C. Redman, To Create Value with AI, Improve the Quality of Your Unstructured Data, Harvard Business Review, maio de 2025.
• Gartner, Lack of AI-Ready Data Puts AI Projects at Risk, fevereiro de 2025.
• Tribunal de Contas da União, Funcionalidade de IA da Pesquisa Integrada já está disponível no Portal TCU, julho de 2026.