Conectar a IA aos seus números (sem vazar nada)

Putz, repara numa coisa: o problema quase nunca é a IA ser ruim de conta. O problema é que ela está respondendo de cabeça, sem nunca ter aberto os SEUS números. É como contratar o melhor analista financeiro do mercado, sentar ele na sua sala e nunca dar acesso ao seu ERP, ao seu fechamento, à sua planilha de custos. Ele vai falar bonito e vai errar feio, porque está adivinhando. Conectar a IA aos seus dados é exatamente o que tira ela do genérico. Só que conectar errado é pior: ou vaza informação que não podia sair, ou inventa um número com cara de verdade.

01O formato do dado decide o caminho

A primeira coisa que muda tudo é parar de tratar "os meus dados" como uma coisa só. Não existe um caminho único para conectar a IA aos seus números. O que existe é o formato do dado, e o formato dita a estrada.

Pensa comigo em três tipos de número que vivem em toda empresa. Tem o dado estruturado, que mora em linha e coluna: a planilha de custos, a tabela do ERP, o relatório de vendas exportado. Tem o documento de texto corrido: a política de crédito, o contrato do fornecedor, o manual de aprovação de despesa. E tem o relatório visual: o PDF do fechamento mensal, o demonstrativo com gráfico, a apresentação de resultado com tabela colorida.

São três naturezas diferentes, e cada uma pede uma ferramenta diferente. Tentar enfiar os três no mesmo caminho é o erro número um. O estudo do @datasciencebrain bate exatamente nessa tecla: o formato do dado decide a arquitetura de memória, não o contrário.

02Dado estruturado: muitas vezes a IA nem precisa de vetorial

Aqui mora o engano mais comum de quem acabou de aprender RAG: achar que TODO dado precisa virar busca vetorial. Não precisa. E em finanças isso é especialmente verdade, porque boa parte dos seus números vive estruturado, em linha e coluna.

Quando o dado é uma planilha de custos ou uma tabela do ERP, a IA não ganha quase nada transformando cada célula em coordenada de significado. O que ela precisa é entender a ESTRUTURA: quais são as colunas, o que cada uma significa, qual é o total de linhas, a soma de cada coluna, o intervalo dos valores. Em vez de "buscar trechos parecidos", ela raciocina sobre o schema, sobre as estatísticas (média, soma, máximo, mínimo) e sobre uma amostra de algumas linhas representativas.

Pensa na diferença prática. Para responder "qual produto tem o pior custo unitário", a IA não precisa de uma busca semântica difusa. Ela precisa olhar a tabela, ordenar a coluna de custo unitário e ler a primeira linha. Isso é raciocínio sobre dado estruturado, não busca vetorial. É mais barato em token, mais exato e não tem o risco de a busca trazer a ficha errada.

O recado é direto: antes de montar um RAG inteiro para os seus números, pergunte se o dado já não está estruturado. Se está, o caminho é dar para a IA o schema, as estatísticas e uma amostra, e deixar ela calcular. Beleza?

03Documento e relatório visual: dois caminhos que não se misturam

Agora os dois outros formatos, que muita gente trata igual e não são.

O documento de texto é o território natural do RAG, exatamente como você viu na aula de RAG e memória (a 2.4). A política de crédito, o contrato do fornecedor, o manual de despesas: tudo isso é texto corrido, e a IA acha a resposta certa buscando por significado. Você pergunta "qual o prazo de pagamento desse contrato" e a busca por significado puxa o trecho certo, mesmo que o contrato escreva "vencimento" em vez de "prazo de pagamento". Para texto, RAG resolve.

O relatório visual é onde mora a armadilha. Pega o PDF do seu fechamento mensal: ele tem tabela, tem gráfico de barras, tem número alinhado em coluna, tem rodapé com a nota de rodapé que muda o sentido da linha de cima. Se você joga esse PDF num RAG tradicional, ele extrai o texto e EMBARALHA tudo: a tabela vira uma sopa de números soltos, o gráfico desaparece, a relação entre a linha e a coluna se perde. O RAG tradicional quebra no relatório visual, e o pior é que ele quebra em silêncio: devolve um número que parece certo e está errado.

A saída é ler a página como IMAGEM. Modelos com visão (multimodal) olham o PDF como uma foto da página, enxergam a tabela como tabela, o gráfico como gráfico, e preservam a relação entre os números. É a diferença entre transcrever um demonstrativo às cegas e olhar para ele de fato.

04Segurança: em finanças, é o ponto mortal

Tudo que vimos até aqui é sobre fazer a IA acertar. Agora o ponto que, no financeiro, é o que pode te derrubar: o que sai da empresa.

No instante em que você conecta a IA aos seus números, você precisa responder uma pergunta antes de qualquer outra: esse dado PODE sair da empresa? Tem dado que pode ir para um modelo na nuvem sem problema nenhum. E tem dado que não pode sair de jeito nenhum: folha de pagamento nominal, dado de cliente, número que move o preço da sua ação, base que cai sob LGPD. Mandar isso para fora sem pensar não é otimização, é vazamento.

Existem três camadas de proteção que andam juntas. A primeira é anonimização: tirar o que identifica antes de mandar, trocar o nome do cliente por um código, mascarar o CPF, agregar o que dá para agregar. A segunda é a escolha de onde rodar: dado sensível pode pedir um modelo rodando local ou num ambiente fechado, em vez da nuvem pública, e isso é uma decisão de risco, não de preguiça. A terceira é o gateway, um portão que fica entre você e o modelo e BARRA o que não pode passar, registrando tudo que passou.

Esse gateway é o mesmo conceito da Pilha mais AI Gateway que você viu na Sala de Máquinas, e conecta direto com a aula de governança da execução (a 4.4). Não é burocracia: é o que separa "usei IA nos meus números" de "vazei os meus números para um terceiro sem perceber". Em finanças, essa diferença tem nome de processo, de multa e de demissão.

05Juntando tudo: do número genérico ao número seu

Agora dá para ver o quadro inteiro. Conectar a IA aos seus dados é o que tira ela do genérico, é o que faz ela parar de chutar e começar a responder com o seu fechamento na frente. Mas conectar é uma faca de dois gumes: conectar errado ou vaza informação que não podia sair, ou inventa um número com cara de verdade.

A sequência mental que protege você é sempre a mesma. Primeiro, olhe o FORMATO do dado e escolha o caminho: estruturado vira raciocínio sobre schema, texto vira RAG, relatório visual vira leitura como imagem. Segundo, antes de plugar qualquer coisa, passe pela checagem de segurança: esse dado pode sair, precisa anonimizar, roda local ou na nuvem, o gateway está no meio. Formato primeiro, segurança sempre.

Quem entende essa ordem para de tratar IA como uma caixa mágica que adivinha número e passa a tratar como um analista que você dá acesso, com regra, ao que ele pode ver. É a diferença entre uma análise que você confia e uma que te coloca numa reunião com um número fantasma. Beleza?

Faça agora

Pratique