Por Francisco Teixeira, SAP Solution Center Service Director, Inetum
Durante mais de uma década, as organizações investiram milhões em sistemas modernos, migrações para a cloud, plataformas de analytics, automação e, mais recentemente, Inteligência Artificial. No entanto, continuam incapazes de responder a perguntas básicas sobre o seu próprio negócio.
O maior risco hoje não é não inovar — é inovar sobre dados errados. E é precisamente isso que está a acontecer.
A narrativa dominante sugere que as empresas estão mais digitais do que nunca, mas basta entrar num comité de gestão para perceber que algo não está alinhado. Perguntas simples como: “Qual é a nossa margem real por cliente?”, “Quantos dias de stock temos?” ou “Os nossos números estão corretos?” continuam sem resposta clara. A tecnologia não é o problema. O problema é o que está dentro dela: dados inconsistentes, processos distorcidos ao longo dos anos e uma governança que nunca acompanhou o ritmo da modernização.
Hoje, sistemas modernos convivem com duplicação de registos, versões paralelas da verdade e relatórios que contam histórias diferentes consoante o departamento que os produz. Todos sabem que os números não são totalmente fiáveis, mas continuam a utilizá-los porque não existe alternativa. Em cada migração para S/4HANA que acompanhamos, o padrão repete-se: milhares de materiais duplicados, contas sem responsável definido, regras de pricing que ninguém sabe explicar e processos que foram sendo remendados ao longo do tempo. Num caso recente, mais de metade dos registos de clientes de uma organização estavam duplicados ou inválidos. O sistema é o mais moderno do mercado; os dados que o alimentam ainda não acompanharam essa evolução.
A chegada da Inteligência Artificial tornou este problema ainda mais evidente. A IA promete decisões mais rápidas, processos mais inteligentes e ganhos de eficiência. Mas há uma verdade desconfortável que poucos assumem: a IA é tão boa quanto os dados que a alimentam. Se a base é frágil, a IA não resolve o problema — amplifica-o. E há um nível mais subtil neste problema: informação que parece organizada do ponto de vista humano pode não estar estruturada nem utilizável do ponto de vista da IA. Um relatório que um gestor lê sem dificuldade pode ser, para um modelo, um conjunto de dados ambíguo e contraditório.
E as consequências vão muito além da operação. As auditorias financeiras e o compliance fiscal exigem rigor, rastreabilidade e consistência e é exatamente aí que os dados frágeis se transformam num risco concreto. Dados errados deixaram de ser apenas um problema operacional; representam um risco legal e reputacional.
O caminho para corrigir esta realidade não passa por mais tecnologia, mas por enfrentar o que foi sendo adiado. É necessário definir responsabilidades claras sobre os dados, criar processos de validação contínua e garantir que os indicadores críticos do negócio têm uma única fonte de verdade. É igualmente essencial simplificar a landscape tecnológica, eliminar adaptações ao sistema obsoletas e alinhar processos com o standard.
Isto não é uma decisão técnica. É uma decisão de gestão. Quando os dados são sólidos, a IA deixa de representar um risco e torna-se um verdadeiro multiplicador de valor. Sem confiança nos dados, qualquer investimento em IA acrescenta apenas mais uma camada de incerteza.
A transformação digital não falhou por falta de investimento. Ficou aquém porque esse investimento foi feito sem assegurar as condições mínimas para que a tecnologia funcionasse: dados limpos, processos claros e governance real.
O próximo ciclo, impulsionado pela IA e por clientes cada vez mais exigentes, não vai perdoar estas lacunas. As organizações que investirem agora na qualidade dos dados e na simplificação tecnológica vão extrair valor real da IA. As restantes vão continuar a investir… e a falhar.
A pergunta já não é se “devemos digitalizar”; a pergunta é: em que terreno estamos a construir?