Contexto
A empresa já tinha feito a parte difícil. Power BI consolidado, vários modelos semânticos publicados e governados, bancos corporativos, documentos e regras de acesso definidas. O gargalo estava na última milha: quando a pergunta de um diretor não cabia em um dashboard pronto, ela virava chamado, mensagem ou planilha.
Dali em diante o caminho passava por várias ferramentas, exportações e planilhas auxiliares, com um analista no meio e retrabalho a cada pergunta nova. Entre a dúvida e um número em que alguém confiasse, iam de 2 a 4 dias.
O desafio
Colocar um chat sobre esse ambiente parecia simples. O que tornava o projeto difícil era o que não podia mudar.
Modelos feitos para pessoas
Os modelos semânticos eram ricos, mas foram desenhados para alguém ler um relatório, não para um agente escolher a medida certa.
Um número oficial por indicador
Se o chat respondesse algo diferente do relatório, a ferramenta perderia credibilidade na primeira semana.
Permissões por país e unidade
Cada pessoa só pode ver pela IA o que já vê hoje no Power BI. Nenhuma resposta pode abrir um dado que o relatório não abriria.
Três comitês para aprovar
Segurança da informação, jurídico e ética de IA precisavam avaliar a solução por dentro antes da produção.
Como conduzimos
Descoberta e definição 2 semanas
Entendimento da operação atual, das perguntas mais frequentes e dos ganhos esperados. Escopo fechado para a primeira entrega.
Construção 5 semanas
Integração com as fontes do cliente, preparação dos modelos semânticos para consumo por IA e desenvolvimento dos agentes por domínio de negócio.
Testes e piloto 3 semanas
Validação com um grupo reduzido de usuários, ajuste fino em casos reais e medição de acurácia antes de ampliar o acesso.
Aprovação dos comitês Processo do cliente
Segurança da informação, jurídico e ética de IA avaliaram a solução e aprovaram formalmente a ida para produção.
Produção 4 semanas
Liberação para o time, com acompanhamento próximo nas primeiras semanas e suporte direto para dúvidas e ajustes.
Evolução contínua Em andamento
Novos casos de uso entram a partir do feedback real, sem refazer o que já está em produção.
Arquitetura da solução
Uma camada nova de acesso sobre o ambiente analítico que já existia. Nada foi migrado e nenhuma permissão foi criada do zero.
- Usuário corporativoLogin único (SSO) no ambiente que a empresa já controla
- Portal Active IAPonto único de acesso, com trilha de auditoria por usuário
- Agentes de IAInterpretam a pergunta, escolhem a fonte e executam a consulta registrada
- Modelos semânticosMedidas homologadas e regras de acesso (RLS) que já existiam no Power BI
- Resposta com fonteNúmero, consulta executada e contexto, sem caixa-preta
- Permissões herdadas do modelo semântico
- Log de cada interação
- Acurácia medida antes da liberação
- Validação humana
- Monitoramento de uso e custo
A solução convive com a IA que a empresa já usa, como Copilot, ChatGPT Enterprise e Azure OpenAI, e acrescenta o contexto e a governança dos dados corporativos.
Os cinco riscos de IA corporativa e como cada um foi tratado
| Risco | Como aparece | Como foi resolvido |
|---|---|---|
| Dado não preparado para IA | Modelo feito para pessoa ler, não para agente consultar. | Preparar os modelos virou etapa do projeto, com prazo e entregáveis próprios: descrições, sinônimos e medidas homologadas. |
| Resposta inventada | Número fluente, bem escrito e inexistente. | O agente executa a medida homologada. Sem medida que cubra a pergunta, ele responde que não sabe e explica o motivo. |
| Dois números para o mesmo indicador | O que o chat responde não bate com o relatório. | O indicador oficial sai do modelo semântico. O agente lê o valor, não recalcula. |
| Ninguém sabe o que a IA fez | Sem registro de quem perguntou, o que rodou e quanto custou. | Pergunta, consulta, modelo, tempo e custo ficam registrados. A acurácia é medida antes da liberação. |
| Acesso maior do que a pessoa tinha | O chat expõe o que o relatório não expunha. | O agente herda a permissão do usuário no Power BI, validada antes da liberação. |
Resultados
- OperaçãoDe 2 a 4 dias para menos de 30 segundos entre a pergunta e o número, com a mesma medida oficial do relatório. Acurácia de 92% validada pela área na bateria de testes de homologação.
- UsuárioGestores e executivos perguntam direto, sem abrir ferramenta, sem fila e sem depender do analista. Quem não via um dado antes continua sem ver.
- GovernançaTodas as respostas com fonte. Cada pergunta fica registrada com a consulta executada, o modelo usado, o tempo e o custo.
- EstratégiaUma camada de acesso governado aos dados corporativos, aprovada pela governança do próprio cliente, que cresce por agente sem refazer o que já existe.
Números medidos na própria plataforma. Onde não há medição, o resultado está descrito sem estimativa.
O que levamos deste projeto
- O trabalho que mais pesa não é o modelo de linguagem. É preparar os modelos semânticos para serem lidos por um agente: descrições, sinônimos e medidas homologadas.
- Quando a fonte não cobre a pergunta, a resposta certa é "não sei", com o motivo. É isso que mantém a confiança no número.
- Levar segurança, jurídico e ética para dentro do projeto desde a descoberta encurta a aprovação, em vez de travá-la no final.
