Como consultar dados do ERP com IA mantendo permissões e rastreabilidade

Dá para consultar dados do ERP com IA sem afrouxar o controle de acesso, desde que três decisões sejam tomadas antes do primeiro teste. A IA consulta uma camada de dados preparada para isso, e as tabelas de produção ficam fora do alcance dela. Cada pergunta roda com a identidade e as permissões de quem perguntou, nunca com um usuário de serviço que enxerga a empresa inteira. E toda resposta sai acompanhada dos filtros, do período e da fonte que a geraram, com a consulta registrada em log. Com esses três pontos resolvidos, a inteligência artificial integrada ao ERP vira um atalho confiável para perguntas do dia a dia. Sem eles, vira um jeito rápido de mostrar o dado errado para a pessoa errada.

Como a IA transforma uma pergunta em consulta ao ERP?

O modelo de linguagem não conhece os dados da empresa. Ele recebe a pergunta do usuário junto com uma descrição do que está disponível (tabelas, colunas, indicadores e suas definições) e, a partir disso, monta um pedido de dados. Quem executa esse pedido é um componente separado, que devolve o resultado para o modelo redigir a resposta. Existem dois desenhos principais para essa etapa, e a escolha entre eles define boa parte do risco.

• Geração de SQL a partir do texto (text-to-SQL): o modelo escreve a consulta, que roda em um conjunto fechado de visões ou em um modelo semântico. É flexível e responde perguntas que ninguém previu, mas erra mais quando os nomes e os relacionamentos são confusos.
• Ferramentas com parâmetros: a equipe de dados publica consultas prontas, como compras por fornecedor e período ou saldo por item e armazém, e o modelo só escolhe a ferramenta e preenche os parâmetros. Cobre menos perguntas, mas cada uma já foi validada.
• Combinação dos dois: ferramentas para as perguntas mais frequentes e críticas, SQL gerado para a exploração, sempre sobre a mesma camada de dados.

Em qualquer dos desenhos, a ligação entre o assistente e os dados pode ser feita por um conector padronizado. Um dos protocolos abertos criados para isso está explicado em o que é MCP e como conectá-lo ao Power BI Desktop.

Por que não conectar a IA direto no banco do ERP?

É a primeira ideia de quase todo piloto, porque parece a mais simples: criar um usuário de banco, entregar a conexão ao assistente e deixar o modelo descobrir as tabelas. Quatro problemas aparecem logo.

• As permissões do ERP não estão no banco: em muitos ERPs, quem decide o que cada pessoa vê é a aplicação, com perfis, menus e restrições por filial. Uma conexão direta ao banco passa por fora dessa camada, e o usuário de serviço enxerga tudo.
• As regras de negócio também não: registros cancelados que continuam na tabela, exclusão lógica, várias empresas e filiais na mesma base, datas com significados diferentes (emissão, entrega, entrada da nota). Uma consulta que ignora essas regras devolve um número plausível e errado.
• Nomes que não ajudam: tabelas e colunas identificadas por códigos curtos obrigam o modelo a adivinhar. Ele adivinha com confiança, e o usuário não tem como perceber.
• Carga e risco na produção: uma consulta mal montada sobre tabelas grandes concorre com o faturamento e o recebimento. E um usuário com permissão de escrita não deveria existir nesse cenário.

A alternativa é uma camada intermediária de leitura: uma réplica, um data warehouse ou o modelo semântico que já alimenta os painéis, com visões nomeadas em linguagem de negócio, regras aplicadas e indicadores definidos uma única vez. Se a empresa já tem um modelo de BI confiável, boa parte dessa camada está pronta.

Como manter as permissões de cada usuário?

• Identidade repassada até os dados: o assistente autentica a pessoa com o login corporativo e executa a consulta em nome dela. O log e o filtro passam a ter o nome de uma pessoa no lugar de um usuário genérico.
• Segurança em nível de linha (row-level security): a regra de que o comprador da filial 2 só vê a filial 2 fica gravada na camada de dados e vale para qualquer consulta, escrita por uma pessoa ou gerada pelo modelo.
• Colunas sensíveis mascaradas ou fora do alcance: salários, margens por cliente, dados pessoais e condições negociadas com fornecedores só aparecem para os papéis que já têm esse acesso no ERP.
• Lista fechada de fontes: o assistente consulta apenas as visões publicadas para ele. O que não está na lista não existe para o modelo.
• Somente leitura: a credencial usada não tem permissão de alterar nada, por configuração do banco.
• Regra fora do prompt: uma instrução do tipo "não mostre dados de outras filiais" é um pedido ao modelo, e pedidos podem ser contornados por uma pergunta bem construída. Controle de acesso se aplica onde o dado é lido.

O trabalho mais demorado dessa etapa costuma ser o mapeamento: traduzir os perfis do ERP em papéis da camada de dados e decidir os casos de fronteira, como o gerente regional que responde por duas filiais ou o analista de controladoria que vê custo mas não vê folha.

O que registrar para ter rastreabilidade?

Rastreabilidade significa conseguir responder, semanas depois, de onde saiu um número que alguém usou em uma reunião. Para isso, cada interação precisa deixar um registro com seis informações:

• Quem perguntou e quando: usuário, papel aplicado, data e hora.
• A pergunta original: o texto como foi digitado.
• A consulta executada: o SQL gerado ou a ferramenta chamada, com os parâmetros.
• As fontes e a data dos dados: quais visões foram lidas e até quando elas estavam atualizadas.
• O resultado: quantidade de linhas retornadas e a resposta entregue.
• A versão do assistente: modelo, instruções e definições de indicadores em vigor naquele dia.

Parte disso precisa aparecer também para o usuário, no rodapé de cada resposta: filtros aplicados, período considerado, fonte e data de atualização. É o que permite a quem lê notar que a pergunta foi entendida de outro jeito. Como o log guarda perguntas e resultados, ele próprio contém dado da empresa: vale definir quem pode consultá-lo e por quanto tempo fica guardado.

Como conferir se as respostas estão certas?

1. 1.Montar um conjunto de perguntas de referência: algumas dezenas de perguntas reais dos usuários, cada uma com a resposta correta tirada do relatório oficial do ERP ou de um painel já validado.
2. 2.Rodar o conjunto e classificar os erros: definição ambígua do indicador, período mal interpretado, relacionamento errado entre tabelas, filtro esquecido. Cada tipo de erro tem uma correção diferente.
3. 3.Fixar as definições na camada de dados: se "compras do mês" considera a data de emissão do pedido ou a data de entrada da nota é uma decisão do negócio. Ela precisa estar escrita uma vez, para não ser reinventada a cada pergunta.
4. 4.Fazer o assistente perguntar de volta: quando falta o período, a filial ou a unidade, pedir o esclarecimento custa dez segundos e evita uma resposta errada.
5. 5.Repetir o teste a cada mudança: troca de modelo, nova visão publicada ou ajuste nas instruções pedem uma nova rodada do conjunto inteiro antes de liberar.
6. 6.Dar ao usuário um botão de resposta errada: os casos marcados entram no conjunto de referência e mostram onde a camada de dados precisa melhorar.

Como isso fica em números?

A empresa a seguir foi imaginada para o exercício. Os valores são hipotéticos e não descrevem projeto nem cliente da Insight Pro. Uma distribuidora com três filiais emitiu R$ 480 mil em pedidos para um fornecedor de embalagens em setembro, dos quais R$ 130 mil pela filial 2. Uma compradora da filial 2 pergunta ao assistente quanto foi comprado desse fornecedor no mês. Com a identidade repassada e a segurança em nível de linha, a resposta é R$ 130 mil, com o rodapé: filial 02, pedidos emitidos de 1º a 30 de setembro, cancelados excluídos, dados atualizados até as 23h de ontem. Se a consulta rodasse com um usuário de serviço, ela receberia R$ 480 mil e veria o volume das outras filiais, que o perfil dela no ERP não mostra.

No dia seguinte, ela compara com o relatório do ERP e encontra R$ 142 mil para a mesma filial. O rodapé resolve a dúvida em minutos: o relatório soma pela data de entrada da nota fiscal. Entraram em setembro R$ 20 mil de pedidos emitidos em agosto, e R$ 8 mil dos pedidos de setembro ainda não tinham sido recebidos. Nenhum dos dois números está errado. Eles respondem perguntas diferentes, e sem o registro da consulta essa conversa terminaria em desconfiança sobre o assistente.

Antes da liberação, a mesma empresa rodou 60 perguntas de referência. Na primeira rodada, 44 respostas bateram com o relatório oficial (73%). Dos 16 erros, 9 vinham de indicador sem definição única, 4 de período mal interpretado e 3 de relacionamento errado entre tabelas. Com as definições fixadas na camada de dados e o assistente passando a perguntar o período quando ele falta, a segunda rodada chegou a 56 acertos (93%). As 4 perguntas restantes viraram limitação documentada: o assistente informa que não responde aquele tipo de pergunta e indica o relatório oficial.

Quando a consulta com IA não é o caminho?

Alguns usos pedem outra solução. Números de fechamento contábil e fiscal, que precisam bater no centavo, continuam saindo do relatório oficial do ERP. Perguntas que dependem de dado do minuto, como saldo disponível para faturar agora, exigem atenção à defasagem da camada de leitura, que muitas vezes é atualizada só uma vez por dia. E quando o cadastro de base está ruim, com códigos duplicados ou unidades inconsistentes, o assistente só entrega mais rápido um número em que ninguém confia. Nesses casos, o investimento rende mais na qualidade do dado do que na interface de perguntas.

Se a sua empresa quer permitir perguntas em linguagem natural sobre compras, estoque ou financeiro e ainda não sabe se os dados e as permissões aguentam, vale avaliar a integração antes de escolher a ferramenta. No diagnóstico gratuito da Insight Pro, dentro do serviço de Inteligência Artificial, olhamos como o seu ERP guarda os dados e os perfis de acesso, verificamos se já existe uma camada de leitura aproveitável, listamos as perguntas que os usuários mais fariam e devolvemos um desenho de integração com IA, com os controles de permissão, o registro de consultas e o plano de testes. Você decide depois se segue para um projeto.