Sumário
Introdução
Imagine-se em meio a uma roda de amigos num fim de tarde. Um deles conta uma história muito envolvente, que te transportou para uma época muito feliz da sua vida. A história se desenrola até que se chega numa parte em que o narrador não se lembra exatamente os detalhes. A história está interessante e você está curioso para saber mais, mas a falta dessas informações ameaça deixá-la sem final. Nessas horas aquele amigo de ótima memória vem ao resgate:
– Claudio, onde foi mesmo que isso aconteceu?
– Foi no Bar do Zé, que ficava na rua de cima da casa do Juninho.
– Foi nessa hora que o garçom veio avisar que tinha acabado o gás?
– Não, nessa hora a gente já tinha comido as entradas. Ele veio falar do gás depois que decidimos trocar de mesa.
Pronto, informação recuperada, história continuada, tarde salva!
Agora, imagine contar com um amigo assim no seu negócio, só que 100% disponível e com acesso a todas os dados relevantes da sua empresa. Imagine ser capaz de obter qualquer informação sobre seus resultados com a naturalidade de quem pergunta a um amigo sobre uma história de bar. Quantas tardes seriam salvas e quanto dinheiro seria economizado?
É isso que as interfaces conversacionais estão tornando possível nos dias de hoje. Perguntas que fazemos o tempo todo de forma natural como “qual o faturamento dos últimos 3 meses?”, “qual foi a produção média do turno da tarde essa semana?”, “qual o % projetado de absenteísmo para o mês de abril?” podem agora ser respondidas instantaneamente, de forma exata, completa e contextualizada.
O cenário atual da análise de dados
Hoje em dia, para responder perguntas centrais para os negócios, não é incomum que as empresas precisem recorrer a equipes de pessoas com conhecimentos e habilidades específicas – e, muitas vezes, avançadas – de consulta e análise de dados, isso em cenário em que o dado já está disponível. Isso é necessário porque, mesmo que o dado já exista, é preciso um conhecimento completo de onde e como os dados estão armazenados. Além de uma fluência em linguagens específicas de consultas de dados, como SQL (Structured Query Language). Essas exigências, alinhadas a preocupações com aspectos como segurança e integridade dos dados tendem a tornar o processo lento e restritivo.
Como resultado as empresas perdem um tempo precioso para tomadas de decisões e geração de insights, reduzindo sua capacidade de implementar sua estratégia de negócios e de reagir rapidamente às mudanças de mercado. Levando-se em consideração a quantidade de dados que as empresas geram e a rapidez com que os mercados evoluem, essa lentidão na obtenção dos insights tem se tornado um obstáculo cada vez maior.
As interfaces conversacionais prometem resolver esse problema ao permitir que potencialmente qualquer pessoa da empresa obtenha essas informações de forma instantânea por meio de perguntas em linguagem natural, a que utilizamos todos os dias em nossas interações com nossos colegas.
O que são interfaces conversacionais?
Interfaces conversacionais são sistemas que permitem a interação entre humanos e computadores por meio de linguagem natural, seja via texto ou voz. Esses sistemas têm ganho muita notoriedade recentemente em virtude dos enormes avanços do campo da IA generativa em substituição aos sistemas tradicionais de processamento de linguagem natural (NLP), representada pelos conhecidos modelos GPT-4, Claude 3.5, Gemini 2.5 e seus sucessores, além de outros que tem crescido em complexidade e adoção.
Esses modelos não têm as limitações que os sistemas tradicionais de NLP usados até então, possuíam. Diferente desses, os modelos generativos são capazes de:
- Compreender linguagem natural de forma mais contextual.
- Gerar respostas detalhadas, claras e adaptadas ao tom e estilo do usuário.
- Lidar com perguntas complexas ou mal formuladas, preenchendo lacunas de entendimento com base em padrões aprendidos.
Por isso, o uso da IA generativa como “motor” das interfaces conversacionais para análise de dados tem o potencial de transformar a experiência do usuário. Uma vez que permite interações muito mais naturais, precisas e ricas do que a tecnologia podia prover até então. No entanto, para que essas interfaces possam entregar todo o seu potencial, é essencial que a fundação – ou seja, os dados – esteja preparada para suportar essa transformação.
Modernização dos dados: O passo necessário
Ainda que as interfaces conversacionais removam a necessidade de especialização para consultas, isso representa apenas uma “ponta” do problema, a do usuário. De nada adianta ter uma interface simples, que qualquer um pode usar, se os dados não estiverem disponíveis para serem consultados, estiverem espalhados, forem incompletos, ou simplesmente não forem confiáveis. Os dados são a fundação necessária para o sucesso das interfaces conversacionais e por isso é necessário modernizar essa fundação.
Modernizar os dados significa caminhar para um cenário em que a organização possua “uma fonte única da verdade”, por meio, por exemplo, da consolidação dos dados em estruturas centralizadas (ex.: data lakehouses) que garantam disponibilidade, consistência, completude e confiabilidade dos dados. Ainda que os dados não estejam centralizados, é fundamental que haja uma estrutura e governança que garantam confiabilidade e coerência das informações armazenadas ao redor da organização.
Isso significa que a organização que quiser o benefício das interfaces conversacionais precisa considerar investir em projetos de integração e em práticas sólidas de ETL (Extract, Load, Transform), sincronização automática, normalização, padronização, validação e governança dos dados, caso não tenha chegado ainda neste estágio.
Modernizar os dados não é apenas uma etapa técnica; é um investimento estratégico que prepara a organização para competir em um mercado cada vez mais orientado por insights.
Orquestradores – A ligação entre a conversa e os dados
Conectores de dados são componentes construídos para fornecer acesso direto às informações corporativas, traduzindo solicitações em consultas a bancos de dados, APIs ou outras fontes. No entanto, para implementar interfaces conversacionais é necessário lidar com interações mais complexas e coordenar múltiplas etapas e é aí que entram em cena os orquestradores de fluxo ou orquestradores de IA. Eles atuam em conjunto com os conectores de dados, adicionando uma camada de inteligência e lógica ao processo e permitindo que as interfaces conversacionais façam muito mais do que apenas buscar dados.
Um exemplo que ilustra bem como um orquestrador poderia complementar uma IA generativa é na parte matemática. Modelos de linguagem (LLMs) são conhecidamente limitados para realizar cálculos matemáticos, especialmente mais complexos. Um orquestrador poderia atuar “terceirizando” essa lógica para bibliotecas de cálculo, suplantando essa limitação.
Um outro exemplo diz respeito a situações em que múltiplas etapas de consulta, combinação e consolidação dos dados são necessários para que o dado seja produzido. O orquestrador coordenaria esse fluxo e passaria a informação para que o modelo de linguagem a “traduza” em uma resposta completa para o usuário.
Ferramentas como o LangChain exemplificam bem esse conceito. Elas permitem que modelos de linguagem interajam com múltiplas fontes de dados, APIs e sistemas externos em fluxos coordenados. Além disso, oferecem recursos como memória conversacional, permitindo que a interface “lembre-se” de informações compartilhadas anteriormente, tornando a experiência mais fluida e personalizada.
Por tornar possível essa combinação de forças entre a capacidade de geração dos LLMs com fluxos e processamento lógicos, os orquestradores são ferramentas quase indispensáveis na implementação das interfaces conversacionais.
Case: Como a dti tem ajudado organizações a superar o desafio do acesso aos dados
Como parte de sua incessante busca pela evolução e geração de valor para os clientes, a dti tem se posicionado na vanguarda das soluções de interfaces conversacionais.
Em um de nossos projetos a dti ajudou uma das maiores mineradoras do mundo a reduzir, através de uma interface conversacional, um importante gargalo operacional. A interface possibilitou análises complexas dos dados – inclusive com geração de gráficos sob demanda – da produção de minério sem a necessidade de múltiplas interações com o sistema tradicional de produção e sem a necessidade de acionamento da área responsável para validação dos dados. Isso representou não somente uma enorme economia de tempo e recursos como reduziu de forma significativa a possiblidade de inconsistências nos seus dados de produção realizada e projetada.
Conclusão
As interfaces conversacionais representam o próximo passo na evolução da forma como as empresas interagem com seus dados. Elas oferecem uma oportunidade única de democratizar o acesso a informações, acelerar a tomada de decisões e melhorar a eficiência operacional, tudo isso enquanto proporcionam uma experiência mais intuitiva e poderosa para os usuários.
No entanto, colher esses benefícios exige mais do que apenas implementar a tecnologia. É necessário investir na modernização dos dados, integrar sistemas de forma inteligente e superar desafios técnicos com uma abordagem estratégica. As empresas que derem esse passo estarão não apenas acompanhando a transformação digital, mas liderando-a, posicionando-se à frente da concorrência em um mercado cada vez mais orientado por dados.
Se você está pronto para explorar como as interfaces conversacionais podem transformar sua organização, entre em contato conosco. Nós estamos prontos para ajudar sua empresa a se preparar para o futuro sem renunciar à geração de valor no presente.
