Fred Pericini
Co-fundador da Agência F2F, Engenheiro de Produção pela UFSCAR, empreendedor com mais de 10 anos de experiência em Marketing Digital, foi consultor na McKinsey, diretor comercial do Groupon Brasil e Groupon China.
EP 40
Sem gestão de dados pra IA, quanto dinheiro fica na mesa?
Dados sanitizados e organizados separam o uso amador de IA daquele que gera resultado. Neste episódio, Paulo Cordeiro, Especialista de Gestão de Dados da 4MDG, mostra como a gestão de dados estratégica organiza o passado e expande o futuro.
43 min
08 set 2026 
CONVIDADO
Paulo Cordeiro
4MGM
Transcrição do episódio
Olá, bem-vindo a mais um episódio do AI First Cast, o podcast patrocinado pelo SoftBank que discute Adoção de Inteligência Artificial Estruturada para Potencializar Negócios. Tudo bem com o senhor?
Opa, só alegria! Você se deu play, nos vê, nos ouve. Se prepare porque a gente vai ter o desafio que é habitual de trazer insights para que você evolua na jornada de Inteligência Artificial com a gente.
É isso. Hoje nós vamos aprofundar num assunto que é de extrema importância para a Inteligência Artificial, que são os dados. Hoje a gente já entendeu que sem dados a inteligência artificial performa de maneira genérica. Agora vamos aprofundar nesse assunto para grandes companhias e como elas fazem a gestão dos dados.
É isso aí.
Combinado?
Combinado. Eu não dei um dado que eu imagino que as pessoas já saibam. Eu sou o Filipe Xavier, estou aqui com você nessa divertida missão de trazer mais informação sobre inteligência artificial.
Aproveitando o seu gancho, eu sou o Fred Pericini. Vamos dar início à nossa entrevista. Bem-vindo, quem é você? Conta pra gente.
Meu nome é Paulo, sou— primeiro, obrigado pela oportunidade de participar aqui com vocês. Sou o CEO e fundador da 4MDG, uma empresa especializada em governança de dados mestres, ou no inglês Master Data Management. A gente ajuda grandes empresas a estruturarem sua jornada com cadastros. Hoje a nossa empresa fica aqui em São Paulo, a gente já tem aí mais de 160 grandes clientes. Atuação em mais de 6 países e meu objetivo primário é trabalhar com os dados, qualificar os dados para que as empresas possam explorar melhor suas iniciativas com IA. Então eu sou o cara que entra antes, eu arrumo o gramado para o pessoal jogar bola depois. Boa!
Vamos dar um pano de fundo aqui na conversa? Explica para a gente um pouco mais da empresa 4MDG. 160 clientes, Parece um volume bacana. Se você puder falar alguns nomes e que tipo de empresa e o que que elas resolvem contratando vocês.
Maravilha. A 4MDG é uma empresa agnóstica, então a gente atende vários segmentos da economia, tá? A gente focou primariamente em atender grandes empresas, não que as pequenas também não tenham problemas com dados, mas a gente focou nesse primeiro momento nas grandes empresas. Então a gente atende basicamente multinacionais. Então a gente tem na nossa carteira empresas como a iFood, Panasonic, Softis, a DASA na área de saúde, já fizemos processos aí de limpeza de dados para Nestlé e várias outras grandes organizações. Então o que a gente ajuda? Em todo o ciclo do cadastro. Então quando a gente fala cadastro, a gente fala de cliente, material, fornecedor, serviço. Então toda grande empresa tem um volume de cadastro muito grande. Então, uma indústria, por exemplo, para operacionalizar sua fábrica, ela vai ter em torno ali de 30 mil, 40 mil itens cadastrados em seu ERP. Então, você fazer, imagina você fazer a gestão de 40 mil itens, como que você garante que cada cadastro está certo? É bastante difícil. Uma empresa, por exemplo, varejista, ele vai ter ali milhões de clientes cadastrados na base. Como que você garante que aqueles dados de cada cliente está correto? Então, o nosso desafio como empresa é ajudar nessa jornada.
Então a gente ajuda primeiramente com o nosso software. Então o nosso software é uma plataforma de governança de dados que ele automatiza todos os processos de cadastro: cliente, material, fornecedor. Então ele torna essa jornada bastante automatizada com o uso de IA, mas principalmente com o uso de desenho de processo. Então a gente organiza o processo da empresa de cadastro e vai automatizando esse processo, eliminando planilha, eliminando interação manual e colocando tudo isso dentro de um fluxo sistêmico com agente de IA por trás. Então esse é o nosso primeiro passo, é um software por assinatura, né, um software SaaS, que é o carro-chefe da companhia. E depois do software, a gente também ajuda com outras atividades. Uma delas é saneamento de dados. Então muitas vezes a empresa acumula uma base de dados muito ruim. Então a gente recebe essa base, a gente tem alguns agentes de IA conectados a pessoas. Isso é importante também, nem sempre o agente de IA resolve tudo ou ele precisa de uma curadoria humana. Então a gente tem esses agentes de IA por trás, uma equipe que analisa a qualidade desses cadastros de produtos, clientes, fornecedores, analisa e faz a entrega desse dado qualificado.
Então eu posso pegar uma base e eliminar materiais duplicados, eu posso eliminar materiais com descrição genérica, eu posso corrigir o NCM, que é o código fiscal do material, eu consigo atualizar informações das empresas, endereços, enfim, a gente consegue fazer tudo isso e devolver esse dado atualizado para o cliente para que ele use lá no seu ERP, no seu CRM e consiga tomar melhores decisões. Então saneamento de dados também É uma das vertentes bastante forte na empresa. A terceira vertente é o educacional. Então hoje a gente tem a MDM Academy, que é o nosso braço de treinamento online, é uma extensão universitária reconhecida pelo MEC e hoje é a maior plataforma online de treinamento de governança e gestão de dados do Brasil. Já tem mais de 300 alunos. E por fim, ali não menos importante, a gente também tem um serviço de terceirização cadastral. Então você é uma grande empresa, você tem uma célula que faz cadastro, você tem um conjunto de colaboradores que cadastra fornecedor, cliente, material. Isso gera um custo e muitas vezes não é o core da empresa, né? A empresa, sei lá, vende televisão, ela quer focar na venda da televisão, na produção da televisão, e aquela célula acabava sendo um apoio.
Então a gente consegue assumir essa célula e aí a gente faz o que a gente chama de data as a service, faz a entrega completa. Então entro com software, tecnologia, automatiza o processo, mas entrego com equipe. Então entro desde a gestão da gerência operacional até o assistente, o analista que precisa operacionalizar o cadastro. Então é como se fosse um turnkey, né? Você me dá a chave aqui, eu assumo a tua operação como um todo, né? Então a gente tem hoje a Vela Company de produtos de cabelo, né? Eu não entendo nada, infelizmente eu não posso usar os produtos, né? Acho que o Felipe tá no mesmo cenário que eu. Eu corto, vou te ser bastante aqui.
Aliás, e meios brilhantes.
Pausa para a gente dar uma risada.
Porque parece um dress code hoje.
Hoje estamos alinhados. É um hair code. Estamos alinhados no hair code. Pessoal, a gente não combinou e não é produto duplicado. É uma coincidência. Então, a Vela Company é um cliente nosso nesse modelo de data as a service. Então, a gente assumiu a operação de cadastro deles como um todo. E a nossa visão é um pouco disso, é: você tem problema com dados, deixa eu resolver. Até porque depois, se você tentar implementar uma IA em cima de uma base ruim, você não vai ter o resultado que você espera. Tem várias estatísticas de mercado que mostram que a maioria dos projetos de IA que fracassam é por causa da baixa qualidade dos dados.
Agora, Paulo, tem uma coisa legal na tua resposta justamente nesse ponto. O dado tá popular mais recentemente, que as pessoas têm a consciência em relação ao dado, só que a sua empresa chegou antes. Tem diferença em olhar a base dos seus clientes que são mais antigos, né? Você mencionou empresas que têm uma uma história e uma trajetória longa versus empresas ou startup ou então que já nasceram em ambiente digital. Como é que é essa confusão de dados nesses dois ambientes?
Vamos lá, todo mundo tem problema, tá? Porque quando a gente fala de governança e gestão de dados é uma disciplina que ela nasceu junto com a informatização. Conforme chegou os primeiros sistemas, alguém falou, poxa, a gente precisa colocar ordem, senão cada um faz o que quer. Só que principalmente aqui no Brasil a gente tá muito atrasado em relação aos pares americanos e europeus. A gente sempre teve aquela visão de barriga no balcão. Sabe, vamos entregar resultado, vamos fazer, o importante é vender, depois a gente arruma a cozinha. Sabe o restaurante que ele é bonito por fora, mas a cozinha tá bastante bagunçada? Essa é uma realidade das empresas brasileiras, tanto de empresas maduras como de empresas disruptivas e de startups.
Isso independente de ser multinacional ou não, a operação Brasil você tá se referindo.
Exatamente, tá? Então assim, é um problema, governança e gestão é um problema global, mas no Brasil é ainda mais sério, porque nunca se deu muita atenção, né? Foi se informatizando, colocando mais sistemas, mais tecnologia, mas ninguém parou. Poxa, deixa eu arrumar a cozinha, deixa eu colocar uma ordem nesse fluxo. Então acontece, só que são problemas distintos, tá? Quando você trabalha numa empresa madura, eu vou pegar uma empresa que eu atendi, era uma empresa centenária, tá? Centenária mesmo. A gente analisou a base de clientes deles, então eles tinham 26 milhões de clientes na base. Então quando você olha aquilo, você fala: nossa, que é um ativo, né? Imagina aí o potencial que aí poderia ter aqui em cima. Só que a gente analisava o cadastro, tinha cadastro Pato Donald, Macaco Simão, Presidenta Dilma, entendeu? Os dados não tinham curadoria, eles foram simplesmente colocados ali num data lake. Então eles tinham um valor muito baixo. Aqui eu tô citando casos engraçados e tal, que eram verdadeiros, mas imagina, tinha endereços com nomes, primeiro nome sem sobrenome, endereço sem o número da casa. Então isso acontecia num volume que você tornava aquela base inútil, e ela foi acumulando isso de tempos em tempos.
E a governança, ela ajusta, ajuda a colocar um pouco de ordem nisso. Então você tem empresas maduras, um acúmulo muito grande de informações. Então quando você entra, você é obrigado a analisar todo esse histórico e propor algum tipo de correção, e custa caro. Eu tenho que ser muito sincero, corrigir o passado é mais caro do que arrumar o futuro. Eu falo isso, mas entra no ouvido, sai no outro, né? Então no Brasil, quando você conversa com executivo de negócio e você fala para ele, olha, para um pouquinho de pensar só na venda, no resultado financeiro, tenta arrumar um pouco a casa, ele fala, não, cara, deixa eu fazer mais um gás, um sprint final para garantir o resultado EBITDA do terceiro trimestre, né? Geralmente essa postura.
Agora, só que eu vou ter que te interromper para a gente entender o que você falou aqui, porque vai ficar ecoando na minha cabeça: corrigir o passado é mais caro do que arrumar o futuro. E por que que você precisa fazer isso?
Então vamos lá, eu recomendo sempre quando a empresa, e também conectando com a pergunta anterior, que arrume o futuro. O que que é arrumar o futuro? É implementar processos mínimos de entrada de dados. Quem é o dono daquela informação? Quem é o responsável por administração? Qual o fluxo do dado dentro daquela empresa? E quais sistemas estão conectados com aquele fluxo? Porque qual que é a dificuldade, tá, quando a gente fala gestão e governança de dados? Quando uma empresa começa a crescer, ela compra um ERP, depois ela compra um CRM, depois ela compra um e-commerce, depois ela tem uma plataforma de e-procurement. Você percebeu que são 4 sistemas diferentes com tecnologias diferentes e bases de dados diferentes? Então você fazer harmonização dessas informações é bastante complexa. Quando a gente fala sobre isso, geralmente quem é de TI, né, bate aquela: ah não, mas eu faço uma integração. Mas é muito complexo fazer essas integrações nos mais diversos pontos, vendo a diferença de dados que cada um tem, porque você começa a ter problemas. Você pode ter um campo no ERP e esse campo não tem no CRM. Como que você integra se não existe aquele atributo, aquela informação?
E aí você começa a fazer gambiarras para tentar resolver isso. Então você cria silos. Na governança de dados, a gente chama isso de silos. Cada sistema que você põe dentro da empresa é um silo.
Tá?
E esses silos vão acumulando informações que não se comunicam da melhor forma possível. Isso vai trazendo ali o prejuízo. Então, o primeiro passo é você parar com isso. Vamos criar um processo único, garantir que a informação chegue em todos os sistemas, mas que ela entre por um caminho único, que você faça monitoria. Isso é muito mais rápido de fazer. Então, quando a gente entra numa grande empresa para arrumar, por exemplo, o fluxo de fornecedor, de cliente, de material, geralmente a entrega é feita em 3, 4 meses, já tá pronto. Então você já arrumou. O que que significa isso? Você estancou o seu problema. Os novos cadastros vão nascer corretos. Só que aí você precisa olhar para trás, porque quando você for rodar uma IA, você não quer rodar IA só no cadastro novo, você quer analisar a base histórica. E você ainda tem relacionamento com aquela base, seja relacionamento com cliente ou fornecedor. Você ainda tem aquele material no estoque. Então você precisa fazer essa limpeza. Até porque, quando você limpa esses dados, você ganha dinheiro. Então, por exemplo, quando a gente trabalha na parte de cadastro de materiais, a gente tá muito acostumado pensar IA para atendimento de cliente, mas a IA na parte de materiais é significativa.
Porque quando uma empresa começa a cadastrar materiais, ela começa a cadastrar materiais duplicados sem perceber. Porque você cadastra de um jeito, eu tô numa outra planta, numa outra fábrica, preciso daquele mesmo material e a gente é do mesmo grupo, mas eu não sei que você cadastrou porque eu pesquisei de uma forma diferente. Seria o equivalente, se a gente fosse fazer uma analogia, da macaxeira e da mandioca. Então imagina que alguém cadastrou como macaxeira, o outro foi buscar a mandioca, não achou. O que que ele vai fazer? Vai cadastrar, mas o produto é o mesmo, e o RP vai aceitar, porque o RP não entende essa semântica, tá? Então ele vai sair, vai cadastrar. Quando é uma mandioca, ninguém se importa. Mas imagina, como já aconteceu com um caso que a gente analisou, que cadastraram duplicados baterias de empilhadeira. Então você tem essas empilhadeiras, maquinários industriais, cada bateria dessas empilhadeiras custa entre R$30.000 a R$60.000. Então foram cadastrando duplicados isso. Então você tinha estoque duplicado, porque você cadastrou duplicado, comprou duplicado, armazenou no estoque duplicado. Quando foi fazer uma análise, tinha R$3 milhões em baterias duplicadas. Então você tinha um estoque adicional de R$3 milhões. Então quando você faz saneamento e você limpa, você vai identificar automaticamente, principalmente de materiais produtos, estoque duplicado.
E aí você dá um fim, né, faz um saldão, vende, transfere. Então você tem um save muito grande. Muitas vezes só no saneamento de materiais você salva tanto dinheiro que paga o projeto inteiro e ainda sobra. É por isso que as empresas procuram a gente muito para fazer saneamento. E aí quando eles procuram a gente para fazer saneamento, falou, legal, vou resolver teu problema, mas e a governança? Então vamos fazer o saneamento e vamos corrigir o teu processo para não voltar a acontecer de novo. Entendi.
Empresas grandes, multinacional ou nacional, digital nativas ou não, tem problemas relacionados à gestão de dados, certo?
Sim.
E os dados estão nos silos. Aprendi mais essa hoje. Os donos dos silos são grandes companhias. ERP são os SAPs da vida, CRM é os Oracle e Salesforce da vida. Eles não têm o interesse de gestão e a curiosidade desse dado também?
Total.
Esse mercado tá tão quente que a Salesforce comprou a Informática. Então foi uma transação recente de 8 bilhões de dólares. Então quem que é a Informática? Informática é a líder mundial de Master Data Management. Então, para explicar para o público, Master Data Management em português é gestão de dados mestres, é a governança de cadastro, é você desenhar os fluxos inteligentes para fazer um bom cadastro de produto, cliente, fornecedor, para não ter duplicidade, não ter descrição genérica e garantir que é a base única da verdade. Então, a Informática era líder de MDM e ela tem vários produtos para atuar em governança e gestão de dados, e a Salesforce comprou. A SAP tem, a SAP tem o SAP MDG, ela tem parceria com Databricks, Ela tem uma série de produtos de catálogo de dados, de linhagem de dados. Então tá todo mundo enxergando esse mercado. Aí tem duas formas que você pode ganhar dinheiro, né? Essas grandes empresas, elas usam o ecossistema delas. Ó, você já tem SAP, compra o meu produto. Você já tem Salesforce, compra o meu produto, né? Então elas ganham muito dinheiro em cima da própria base instalada. E tem empresas desafiantes como a 4MDG, que eu quero te propor um serviço diferenciado, mais personalizado, mais adaptado para o Brasil, mais focado no teu business ao invés de uma, de um produto de prateleira.
E aí eu tento ganhar o meu espaço no mercado, que a gente vem fazendo bem aí, já que a gente cresceu desde a inauguração ali em 2019, crescemos em quase 9.000%.
Agora, eu tô mais distante desse, desse mercado, né? Quando você fala essas grandes empresas e as soluções que elas têm, me parece que elas estão conseguindo corrigir problemas que elas mesmas criaram, né? Então beleza, dá para entender tudo certo. Agora, no seu caso, que você vem, ataca o que já existia ali de problema, né? Você ensina eles, os educa a usar melhor. Você acredita que no futuro o seu papel vai ser de fazer isso acontecer e deixar que eles façam sozinhos, ou que ainda vai ser necessário você ali como o elo entre a estratégia da empresa e os dados.
O Y Combinator, né, que cuida ali de investir em startups, é uma aceleradora mais famosa no mundo, eles já percebem que a gente tem uma mudança estrutural no mercado. A gente tava na área do software as a service, então você vende um software por assinatura mensal para resolver um problema, e a gente tá indo para um universo onde os agentes de IA estão assumindo boa parte das funções dos softwares tradicionais. Então eles acreditam que as empresas que vão prosperar são as empresas que unem o serviço e a tecnologia serve para melhorar o serviço que elas prestam. Então o que que é o Y Combinator fala? Imagina o seguinte cenário: você desenvolve agentes de IA para escritórios de advocacia. Então você automatiza e melhora os processos das, dos outros escritórios de advocacia. Só que isso é um pouco limitado. E se você fizer o contrário? Você monta um escritório de advocacia onde você tem vários agentes de IA, então o seu serviço vai ser tão melhor, tão mais rápido e tão mais barato que você vai ser o maior escritório de advocacia da cidade ou do estado. Então você viu como você muda a lógica? Então ao invés de você simplesmente vender o software, um agente de IA, você vende o serviço otimizado com IA.
E é nisso que eu acredito.
Desculpa interromper, esse conceito é muito bacana porque é o software as a service. É o do passado. Agora é service as a software, que é o servir com uma base forte de software, fazendo um serviço escalável e diferenciado.
Exato. E é isso que eu enxergo para 4MDG, para o futuro do master data fora dessas grandes companhias. Então vou chegar para você, eu não vou te vender software, a gente já não trabalha muito nesse conceito. Eu vou te vender o cadastro pronto, atualizado e correto. E eu vou garantir que isso aconteça, seja envolvendo pessoas, seja envolvendo agentes de IA, gente que eu vou treinar, gente que eu vou fazer a curadoria. Porque veja só, quando uma grande empresa desenvolve um agente de IA, esse agente precisa ser configurado com as regras de negócio. Então imagina, você tem que parar seu time, tem que achar um analista lá da tecnologia, um analista de negócio, pedir para sentar, para configurar, para treinar aquele agente. Você concorda? A SAP faz um agente, ela fez um agente para rodar no mundo inteiro. Só que cada país, cada segmento de negócio tem uma necessidade. Imagina você gastar energia para treinar. E é isso que eu tiro. Então, por exemplo, vou resolver o teu problema de cadastro. Então eu vou configurar minha IA para funcionar de acordo com o teu fluxo. Então eu tiro essa carga de você. E se eu precisar fazer alguma atualização, eu faço para o teu negócio.
Então eu começo a te vender o serviço que é o cadastro feito. Então o nosso objetivo da 4MDG, objetivo estratégico de longo prazo, é se tornar a central de cadastro das grandes empresas. Cara, não se preocupa mais com isso, deixa isso aqui comigo. Eu vou te entregar SLA, vou te entregar os cadastros no prazo, eu vou atender os KPIs de qualidade dos dados, eu vou participar das tuas reuniões gerenciais, eu vou acompanhar a lei. Se a lei mudar e precisar mexer no cadastro, eu faço. No entendimento disso, eu tiro essa carga das empresas e elas ficam focadas no core business. Então é isso que eu acredito, esse caminho que a 4MDG está seguindo. Óbvio que a gente vai ter software, se o cliente quiser comprar só o software, se quiser só fazer o saneamento, isso vai estar sempre disponível. Mas o nosso foco estratégico é vender o cadastro pronto.
E com o que você tem de informação hoje, quanto você acha que desse negócio do futuro da 4MDG vai ser inteligência artificial? E por quê?
Olha, já tem vários clientes nossos usando inteligência artificial e todo novo cliente a gente já coloca IA nativo dentro do fluxo. E é muito engraçado que a gente nem está cobrando mais por isso. Porque é tão mais rápido, facilita tanto, tanto para gente como para o cliente, que já colocamos de forma nativa e já vai embutido no pacote tradicional da venda do software. Hoje eu já tenho praticamente ali 70%, 80% dos meus clientes usando algum nível de IA dentro do software. Eu acho que a tendência aí, talvez nos próximos 24 meses, é ter 100% dos clientes antigos e os novos entrantes tendo algum tipo de nível de A, chegando no nível de você conversar com o software e não mais lançar. Então você fala assim, pô, tô precisando de um cadastro de fornecedor. Software vai perguntar o que que você quer comprar. Quero comprar uma mesa. Então ele mesmo já vai na base da 4MDG de fornecedores homologados e fala assim, olha, como sua empresa tá em São Paulo, os melhores fornecedores de móveis homologados são as empresas A, B, C e D. Qual cadastro você quer? Ah, quero essa empresa, clicou, o cadastro já aparece pronto.
É nesse nível que vai chegar aí nos próximos 24, 36 meses. Então hoje a IA ela é acessória, então ela apoia no processo, ela faz, por exemplo, a padronização automática, preenche campo automático. Ela vai se tornar principal motor, já entregar o resultado pronto e a pessoa só confirma ou não confirma. Boa.
Agora, de quando você começou o negócio em 2019 para hoje, qual foi a maior resolução que você teve com inteligência artificial gerando valor para os seus clientes?
Ah, sem dúvida, na parte de cadastro de material. Então a gente, como pessoa física, a gente tem dificuldade de entender o cadastro de material, porque para nós a nossa vida é e-commerce, marketplace, supermercado. Então a gente compra o produto, acabaram, não tem muito segredo. Então você compra um sabão em pó, tem as marcas, você simplesmente pega a caixa. Então para nós o processo de compra de materiais ele é mais simples. Simples na maioria das vezes. Só quando você entra em grandes empresas é muito complexo. E quando você entra no processo de cadastro de materiais, muitas vezes pequenas características mudam radicalmente o preço, porque ele pode entrar numa outra faixa de tributação pelo governo, ele pode, por exemplo, ter uma combinação entre material e fornecedor. Então, por exemplo, se eu compro um material de um fornecedor em Minas Gerais, ele é mais barato que o mesmo material comprado em São Paulo. Por questões tributárias muitas vezes. Então tudo isso precisa ser levado em conta em termos de cadastro. E um cadastro de material, ele vai ter tranquilamente numa grande empresa em torno de 300 a 400 atributos. Então atributos são campos. Então você imagina, e numa empresa não existe uma única pessoa que conhece os 400 atributos, porque esses atributos eles são distribuídos entre setores.
Tem atributos que é do setor de logística, tem atributos que é do setor financeiro, do setor fiscal. Então imagina você construir essa conexão entre os setores para que todo mundo trabalhe organizado dentro de um processo de cadastro, tá? Então a IA, ela começa a ler essa base que a gente vai fazendo um processo de taxonomia, que é um processo de organização desses dados. É importante, tá? Não posso pegar dados da internet e vou rodar esse tipo de algoritmo, não funciona dessa forma. Tem que fazer os dados trabalhar, quebrar em características, Enfim, tem que ter todo um processo muito bem definido. Quando você faz esse processo, a gente montou essa base ao longo dos 5 anos e ela é acumulativa. A gente tá sempre adicionando, a gente adiciona em média 10 mil itens todo mês nessa base padronizada, que a gente vai padronizando. Então ela vai ficando melhor a cada mês. Então essa base padronizada, então quando o cliente vai cadastrar, imagina que o cliente vai cadastrar uma caneta BIC. Então quando ele coloca caneta BIC, o sistema vai falar Eu não posso cadastrar caneta BIC, porque isso aqui é um nome comercial. Você não quer comprar necessariamente a caneta BIC, você quer uma caneta esferográfica.
Então o sistema identifica isso sozinho e ele vai falar o seguinte: olha, não é caneta BIC, é caneta esferográfica corpo plástico com tampa azul. E vai sugerir o melhor NCM, que é o código fiscal do produto, e vai preencher outras informações como qual o grupo de mercadorias que isso tem que estar no seu RP. Ah, isso aqui tem que estar no grupo de material de escritório. Tô falando para uma caneta para que o público consiga entender e captar, mas imagina isso com peças extremamente complexas, peças que custam R$40.000, R$50.000, R$100.000 a unidade, tá? A complexidade. Então é, e aí ela ajuda a fazer esse processo, ela vai além da base e vai fazendo essas sugestões. E aí quando ela faz isso, ela consegue também acabar com a duplicidade, porque se você, por exemplo, alguém vem caneta azul BIC, o outro vem caneta azul, o sistema entende que é a mesma coisa. E aí ele impede que esse cadastro duplicado aconteça. E aí você salva muito dinheiro, muito dinheiro. Estoque assim, quando a gente entra, limpa uma base de estoque e põe padronização, o cara só do estoque ele salva muito dinheiro, e ele salva dinheiro no processo de compras.
Imagina o seguinte: você vai fazer uma compra, você vai no mercado e fala o seguinte: quero comprar uma xícara. Cara, o fornecedor vai te mandar uma xícara normal, o outro uma xícara de metal, o outro uma xícara de porcelana. Como que você vai fazer equalização dessas propostas? Concorda? São produtos diferentes. Agora, quando você fala: não, quero uma xícara com esse tamanho, com essa largura, com asa, com isso, com esse tipo de material, você descreve melhor isso, você vai receber cotações mais assertivas. Isso acelera o processo de compra. Quanto mais rápido você compra, menos tempo você gasta, menor a chance de você comprar errado. Você consegue negociar melhor preço porque você harmonizou todas as cotações. Então você também tem um gasto, você tem uma economia de gasto em compras bastante significativa e redução de compra emergencial. Então quando a gente implementa esses agentes de ar dentro do 4MDG, implementa essa padronização de materiais, algumas empresas chegam a reduzir de 20 a 30% o tempo de compra de um produto.
Então, gestão de dados ajuda a reduzir custo e gestão de dados ajuda na previsibilidade futura com o uso de agentes de inteligência artificial, certo?
Exato.
Aí vem uma pergunta que é parecida com o que o Fih fez. A gente vê que a sua empresa nasceu antes da IA e você deve ter visto a IA e falado, pô, esse negócio vai mudar o mundo. Como que a IA mudou o seu segmento?
Dizem que todo dono de startup, né, todo fundador de startup, ele tem que pensar todo dia como ele acabaria com a própria empresa, né? Ao pensar em como você poderia acabar com sua própria empresa, você sabe o que você tem que mudar para que ela não acabe, né? É um papo de doido, pessoal, mas empreendedor, quando você empreende com tecnologia, você tem que estar preparado para isso. Quando a gente começou, óbvio, aí, ali você já tinha, tá? Assim, o estudo da IA, ele é muito longo. Você já deve ter falado muito sobre isso aqui, começou lá nos anos 50, começou até com Turing, sabe, os primórdios. Enfim, isso veio evoluindo. Então você já tem alguns anos, você já tem alguns algoritmos de IA rodando em muito lugar, algoritmos antigos, mas não essa IA generativa que a gente tem hoje, outros tipos de cálculos estatísticos que eram feitos. Mas quando a gente construiu a 4MDG, isso não era um assunto muito preocupante para nós. A gente queria um software que ajudasse as empresas a ter o melhor cadastro possível para que elas pudessem tomar as melhores decisões de negócio. Então essa foi a ideia. E quando a gente construiu a 4MDG, a gente olhou o mercado e falou, cara, eu não posso desenvolver um software que seja muito fixo, que não seja flexível, porque cada empresa cadastra de um jeito diferente, cada empresa tem um modelo de organização.
Então a gente pegou a onda do low-code, no-code em 2019. Que é o low-code, no-code? É qualquer usuário de negócio pode desenhar fluxos na plataforma sem programação. E quando eu vi isso na época, eu falei, cara, é isso que eu quero para o 4000G. Eu quero aqui, por exemplo, treinar o Fred, eu dou um treinamento de 1 hora e eu quero que ele já consiga desenhar fluxos dentro da minha plataforma. Então a gente fez com esse recurso low-code. Quando chegou a IA, Eu confesso que bateu uma preocupação, né? Falei, poxa, olha a evolução disso, né? E quem usa IA generativa, no caso você tá usando o ChatGPT, você usa hoje, passa 3 meses, você faz a mesma pergunta, tá melhor a resposta. Você fazer uma apresentação, pedia para só para IA fazer uma apresentação, ela faz uma apresentação ruim, agora já tá bem melhor. Então o nível, né, tá evoluindo muito, muito grande. Hoje você tem vibecoding, você entra lá Quero um sistema com uma tela de cadastro, você consegue fazer em 10 minutos. Então isso me preocupou, mas ao mesmo tempo que me preocupou, depois que você baixa poeira e você começa a refletir, eu falei, cara, olha o tamanho do mercado agora, como que o cara vai rodar uma IA generativa para fazer uma pergunta sobre estoque se o cadastro de produto dele tá duplicado?
Falei, cara, as empresas vão atrás de IA, todo mundo vai querer fazer IA, todo mundo vai quebrar a cara, muita gente vai quebrar a cara com IA porque o dado não tá pronto, por uma série de fatores. E aí vai ser a hora de eu aparecer e falar o seguinte, ó: antes de você tentar de novo o teu projeto de IA pela quarta vez, cara, por que você não me contrata para eu resolver teu problema com cadastro, com dado? E aí você roda o teu projeto de IA em cima disso. Então no começo eu fiquei com medo, mas eu percebi que na verdade esse medo era uma oportunidade. Olhei o que da IA que eu consigo aproveitar aqui. Então fui trazendo também para dentro da empresa, mas sem neura, tá, Fred? Assim, eu não achei, nossa, se eu não implementar IA amanhã eu vou morrer, a empresa vai acabar. Não, eu fui, cara, com cautela, porque eu acho que esse é o momento também em relação a IA, um pouco de cautela. Acho que não pode ficar naquela do FOMO, sabe? Medo de estar fora, como se você tivesse perdendo a próxima grande novidade da vida, que eu acho que não é, não é assim.
Entendo que daqui a alguns anos a IA vai ser uma commodity.
Muito bom, muito bacana essa visão aí. E até possível da gente explorar um pouco mais ela no sentido de os dados. Eu queria até, pegando uma história minha sobre gestão de dados, né? Eu entrei numa empresa e a empresa tinha os dados muito bagunçados, mas o core ali, o 80/20 dos dados bagunçados, estava nos dados antigos sem dono. Você já deve ver isso diariamente, né? Entrar numa empresa para assessorar ela a fazer gestão dos dados e você vem com o seu processinho definindo os donos e nele os dados antigos não tem um dono e ninguém é o responsável por aquela má qualidade. Como resolver esse problema e como que a IA ajuda a resolver esse problema?
Maravilha! Isso que você falou me lembra do filme O Sexto Sentido, né? Eu vejo dados mortos todos os dias, né? Então essa é a brincadeira, isso é a rotina. Então quando uma empresa ela procura uma solução, geralmente porque ela tá no fundo do buraco, né? Então você só começa, o pessoal vai cavando buraco, quando chega ali que não tem mais o que cavar, ele levanta a mão, preciso de ajuda. Então a gente tem muita situação dessa, o executivo quer fazer um projeto de AI ou quer fazer um projeto de Big Data, de data lake e não funciona e o dado não bate. Chega um momento que cansa, imagina você tá liderando uma empresa, você pede um relatório para o departamento A, pede um relatório para o departamento B e não bate. Isso é realidade de grandes e médias empresas. Né? Por mais que elas tenham SAP, Salesforce, com o tempo vai criando uma planilha paralela, né? O cara pega o dado do SAP, mexe na planilha, e você começa a ter esses problemas de governança e gestão de dados. Então é muito comum a gente pegar bases bem ruins. Eu lembro de um cliente, quanto mais o cliente dá a garantia que a base dele é boa, pior é.
Quando, sabe, a soberba precede a queda, né? Adoro essa frase. Ou não, minha base é muito boa, minha base é excelente. A gente vai olhar, as estatísticas mostram o contrário. Quando eu pego uma base, por exemplo, de clientes e fornecedores, em média 60% dos telefones e endereços estão errados. 60%, cara, que valor que você vai tirar dessa base? Vou fazer um email marketing. Para quê? 60% não vai receber porque o email tá errado. Aí vou fazer um telemarketing ativo. 60% dos telefones estão errados, tá? E nem tô falando de base de pessoa física, que a gente muda muito. Não, base de pessoas jurídicas, que tem uma, muda menos, né, endereço e telefone, porque é falta do, da política para manter esse dado atualizado. Então essas bases ruins, elas são frequentes, tá? Então o que que a gente faz? Inteligência artificial para fazer essa, esse primeiro entendimento. Aí ela vai mostrar se a descrição tá boa, se a descrição tá ruim, quais são os campos que estão faltando. Tem um mecanismo que a gente chama de data profiling, ou é perfil dos dados. Então você roda uma AI, roda alguns cálculos matemáticos, que ele vai te indicar como que tá aquela base.
Então ele consegue analisar um volume muito grande, vai falar: poxa, você tem X% de incompletude, você tem isso, isso de problema, você tem campos faltando, você tem, por exemplo, descrição de produto com 5 caracteres, é impossível. Então você já sabe que ali tem um erro. Então aí, esses cálculos matemáticos que a gente tem inclusive no software já identifica. A gente já consegue rodar aí para cliente, fornecedor, para produto, para dar essa, essa garibada, esse primeiro processo, tá? Em alguns casos, principalmente materiais, a gente consegue muitas vezes 90, 95% de acurácia. Depois a gente passa para curadoria humana revisar, olhar se não não faltou nada, porque eu tenho, eu tenho que ter um compromisso muito grande com meu cliente. Porque se eu faço a IA, só IA, e não coloco pessoas, e aí por algum motivo a IA alucinou naquele item, ou ela não fez uma entrega completa, meu cliente pode comprar um produto de R$100 mil errado. Então a gente tem que ter essa curadoria humana, né? Nem que seja para falar, a IA fez certo. Então sim, é normal pegar essa base, é normal rodar IA para corrigir, passar na curadoria humana, E é alarmante.
Em alguns casos, 60% de dados incorretos numa base de uma multinacional. Isso que impressiona. Não tô falando da padaria do seu Zé, falando de uma multinacional que muitas vezes só no Brasil tem 30, 40 anos de história.
E pelo que eu entendi, isso é uma regra geral, nacional, não nacional, bases estão cagadas, português claro. Precisamos trabalhar para melhorá-las. O O que mudou com o advento da IA é a eficiência, a velocidade, agilidade com que você consegue sanitizar uma base, é isso?
Exato. A IA ajudou nisso, nesse trabalho de sanitização, mas tem um pouquinho do trash in, trash out, entra lixo, sai lixo. Então assim, a IA não corrige processo. Não adianta você falar, pô, vou pôr uma IA e você não quer mexer em processo. Processo é um saco mexer, porque mexer em processo significa mexer pessoas, e mexer pessoas é um saco, porque as pessoas não— 30 anos eu faço assim. Você já deve ter escutado, né, Fred? Você vai visitar as empresas, Felipe também chega numa empresa lá, não, cara, mas por que que o copo tá aqui? Não, tá sempre assim. Mas, cara, não faz sentido, né? A história do jabuti em cima da árvore. Por que que o jabuti tá em cima da árvore? Não sei, colocaram aí, tá 30 anos assim, não é para mexer no jabuti. Então Então eu tomo muito cuidado com o AI no sentido de, cara, você precisa ser coerente no uso da AI, entender realmente como que isso está conectado à nossa estratégia de negócio e moderar suas expectativas. O excesso de expectativas é o pai de todos os problemas, para não usar uma palavra mais pesada aqui. Então você tem que controlar suas expectativas, sim.
Mas sim, a AI consegue dar uma garibada na base, a gente passa uma curadoria humana, já melhora muito. Mas para fazer isso mais integrado, você vai ter que mexer em pessoas e processos. Eu acho que tem um problema, que tá todo mundo pensando o seguinte: cara, eu vou pôr agente de IA e vou mandar um monte de gente embora. E eu acho que não é bem assim, principalmente falando também na área de cadastros. Ainda vai precisar de curadoria humana por muito tempo. E aí ela roda melhor quando o processo tá bem definido, porque aí você fala para a gente de IA o que ele tem que fazer em cada etapa. Se isso não tá bem definido, como que você vai configurar o agente de IA? Baseado em quê? Quando você falou de base antiga, do antigo, você falou de falta de dono. Então, quando a gente fala de governança de dados, que é uma disciplina de negócios inclusive, que a gente trabalha muito mais com negócio, óbvio que governança de dados você precisa ter algumas plataformas tecnológicas de apoio, mas o principal papel ali da governança de dados é maximizar a qualidade do dado. Para maximizar a qualidade do dado, Uma das primeiras tarefas que você tem que fazer é definir os data owners, quem são os donos do dado.
Ah, mas essa base tá sem dono. Então vamos achar um pai, e vai ser adoção forçada. Se a gente entender que é você, Fred, mãe também, pode ser mãe também. Aqui é, aqui é bem, bem inflexível. Você é o pai, você é a mãe, e vai assumir aquilo. Aí você se torna responsável. Você se torna responsável por alguma coisa, não é simplesmente atribuir isso para você. Eu tenho que colocar isso de forma estratégica para ti. Muitas vezes o teu resultado dentro da empresa pode depender da qualidade daquela base. Isso é a governança inteligente. Se o dado é um ativo, por que que o executivo não ganha dinheiro se o dado tá certo? E por que que ele não perde dinheiro se o dado tá errado? Tá vendo até onde vai essa visão de dado como ativo? Muito fácil chegar aqui: dado é o novo petróleo. Puta, super batida essa frase. Mas, cara, se dado é tão importante, por que que não tá na remuneração variável dos executivos e gerentes?
Eu ia te perguntar isso. Você já viu? Alguma empresa com remuneração variável atrelada à qualidade de dados?
Para alguns cargos muito específicos, não para autoexecutivos. Deveria ter.
Aí fica a dica.
Aí, para onde vamos?
Fica a dica.
Que legal esse insight.
Para onde vamos?
Muito bom. Veja, a analogia é muito simples. Imagina um diretor industrial, ele é responsável pela fábrica. A fábrica está suja, a fábrica levou multa, o sindicato está reclamando de um monte de coisa, tem máquina quebrada. Isso não vai afetar a remuneração variável dele? Por que que não deveria afetar com dado ruim? Então essa é a questão, né? Eu não gosto de fazer governança de dados só na dor, sabe? Ó, faz isso que você vai ser mandado embora, ou faz isso que eu não vou te pagar. Eu não gosto muito dessa visão. Eu prefiro a visão é: eu te explico a importância de fazer aquilo, mostra o quanto que você vai ganhar com aquilo, mas de outro lado também a gente tem que ter um porrete, sabe? Ó, tô querendo te trazer para o caminho certo do jeito positivo. Mas se você não quiser ir, tem um porretinho aqui também para fazer você andar, entendeu?
Acho que pode ser um estímulo de crescimento.
É lógico, você tem que trabalhar sempre nessa veia, né? Mas sempre, olha, olha, que nem a mãe, né, que pega o chinelo, olha lá, hein, cuidado no dado, hein. Cara, que papo sensacional!
Paramos num lugar excelente, né, Fred?
Muito bom, muito obrigado pelo seu tempo. Valeu, Paulo. Grandes aprendizados aqui hoje. Hoje.
Fora, eu vou cuidar dos meus dados melhor depois de hoje. Vamos ver se um dia vão me remunerar por isso.
PLR, né?
É isso aí.
Mas é muito importante que a gente, esse episódio, para a gente poder ficar com o nosso podcast mais completo, porque não dá para ter completude na era da AI sem tocar no assunto dados, organização de dados, letramento no tema.
Sim, sim, total.
E ficar observando para onde vai entre os players de MDM e os RPs e CRMs, que são os donos dos silos, né? Quem vai nos ajudar a resolver isso que, como você narrou bem, é um problema crônico.
É um problema crônico. Eu vou fazer uma analogia com a Copa do Mundo, que a gente tá vivenciando agora, para que o espetáculo aconteça, alguém preparou o gramado, preparou os holofotes, limpou o estádio. Então isso é gestão e governança de dados, é você arrumar a casa para que o espetáculo possa começar. Então para que o vendedor possa vender, alguém tem que fazer o trabalho do bastidor. E quando o trabalho no bastidor é bem feito, o espetáculo tende a rodar melhor. Então se você quer colocar IA na sua empresa, você que é um executivo de uma multinacional quer trazer essa transformação digital, olha para dentro um pouquinho. E quando a gente fala de governança de dados e de criação de uma cultura data-driven, você precisa trabalhar com pessoas, que são os principais ativos de uma organização. Processos, você precisa ter processo bem definido, inclusive para configurar os agentes dentro desse processo. Senão, agente, se o processo não tá bem definido, qual o caminho o agente vai tomar? Não sabe. Nem você sabe como que ele vai saber. É um processo bem definido. E aí você vai para uma tecnologia que abraça. Aí você vai ter um software de MDM construindo a base única da verdade de cadastro.
Aí você pode rodar os seus agentes de IA. Aí você vai ter um agente de IA que vai calcular a tua previsão de estoques, vai ter um agente de IA que vai fazer um atendimento melhor para os seus clientes. E aí tudo isso com compliance, respeitando a LGPD, privacidade dos dados. Tudo isso são aspectos da governança de dados que qualquer executivo de negócio tem que conhecer. Porque senão você coloca a tua empresa em risco.
Quase um roadmap de implementação de IA.
É isso aí.
Muito obrigado. Obrigado, Fih.
Obrigado a você. Hoje—
Eu que agradeço a participação.
Com a ajuda do Paulo, nós tratamos os dados no AI Firstcast de uma maneira diferente. Muito obrigado, Paulo.
É isso. Lembrando a todos que nós somos patrocinados pelo SoftBank, é uma grande honra, o banco que mais investe em inteligência artificial na América Latina. E deixe seus comentários, suas perguntas, sua sugestão de entrevistado, e a gente volta no próximo capítulo. Muito obrigado.
Isso aí, obrigado.
APRESENTADORES
Quem apresenta o AI First Cast
Fred Pericini
Co-fundador da Agência F2F, Engenheiro de Produção pela UFSCAR, empreendedor com mais de 10 anos de experiência em Marketing Digital, foi consultor na McKinsey, diretor comercial do Groupon Brasil e Groupon China.
Filipe Xavier
Especialista em marketing digital, branding e estratégia de conteúdo. Experiência c-level, visão ampla de comunicação e tecnologia e entusiasta early-adopter de inteligência artificial.