Em processos de Governança de Dados Mestres, especialmente no cadastro de materiais, existe um ponto de origem que costuma determinar a qualidade de todo o restante do fluxo: a solicitação.
Quando uma solicitação nasce incompleta, genérica ou mal estruturada, o impacto aparece rapidamente. O time de cadastro precisa devolver a demanda, compras pode cotar o item errado, o almoxarifado pode receber um material incompatível e a manutenção pode descobrir o erro apenas quando a peça deveria ser utilizada.
Por isso, é natural que muitas empresas enxerguem o treinamento dos solicitantes como uma resposta para o problema. Afinal, se o usuário informar melhor, o cadastro tende a nascer melhor.
O problema não é que o solicitante não saiba tudo sobre PDM, por exemplo. O problema é esperar que ele precise saber.
Com isso em mente, talvez a pergunta mais importante não seja: “como treinar melhor o solicitante?”. Talvez a pergunta seja: “como apoiar o solicitante no momento exato em que ele está tentando informar o dado?”.
O limite do treinamento tradicional
Treinar solicitantes é importante. Mas existe um limite prático nessa abordagem.
O solicitante normalmente não vive o processo de cadastro todos os dias. Ele pode ser um técnico de manutenção, um comprador, um usuário da operação, alguém do almoxarifado ou de qualquer área que precisa resolver uma necessidade real do negócio.
Esse usuário pode saber exatamente qual peça precisa substituir, onde ela será aplicada, qual equipamento está parado e qual fornecedor costuma atender aquela demanda. Mas isso não significa que ele saiba traduzir esse conhecimento em uma solicitação estruturada conforme as regras de PDM, classificação, atributos técnicos, descrição curta, descrição longa, unidade de medida, duplicidade e part numbers alternativos.
O ponto central é este: o solicitante conhece a necessidade operacional, mas nem sempre conhece a linguagem cadastral necessária para transformar essa necessidade em dado mestre de qualidade.
O usuário não deveria depender de manuais para executar o processo
A governança não deveria depender de o usuário interromper o processo para consultar manuais, instruções, apresentações de treinamento ou documentos de apoio — muito menos de consultas posteriores a materiais que ficam fora da ferramenta de cadastro.
Se cada família de material exige atributos diferentes, se cada PDM possui regras próprias, se cada tipo de solicitação demanda validações específicas, não faz sentido esperar que o solicitante interrompa o preenchimento para procurar qual orientação se aplica àquele caso.
Na prática, ninguém quer sair de uma ferramenta moderna para buscar respostas em um manual — o dia a dia do usuário não permite isso.
O solicitante não deveria precisar consultar a governança fora do processo. A governança precisa aparecer para ele dentro do processo, no momento em que a decisão precisa ser tomada.
Isso muda a lógica da solicitação. Em vez de um formulário passivo, que apenas recebe informações, passamos a ter um processo assistido, capaz de orientar, perguntar, sugerir, validar e alertar o usuário enquanto ele executa a solicitação.
É nesse ponto que a combinação de RPAs e agentes de IA deixa de ser uma promessa genérica e passa a ter aplicação prática em Governança de Dados Mestres: eles levam as regras, os padrões e as boas práticas para dentro da experiência real do usuário.
O mercado já entendeu: o aprendizado precisa estar no fluxo de trabalho, dentro do processo
Durante muito tempo, tratamos a baixa qualidade das solicitações como um problema essencialmente de capacitação. Se o usuário preenchia mal, a resposta era quase automática: criar um treinamento, atualizar um manual, reforçar uma comunicação ou devolver a solicitação com novas orientações.
Essas ações continuam tendo valor. Mas estudos e movimentos recentes de mercado apontam para uma abordagem complementar e, em muitos casos, mais efetiva: apoiar o usuário dentro do fluxo real de trabalho.
Um estudo publicado no *Quarterly Journal of Economics* analisou a introdução gradual de um assistente conversacional de IA para 5.172 profissionais de atendimento ao cliente. O acesso à IA aumentou a produtividade média em 15%, medida por problemas resolvidos por hora, com ganhos especialmente relevantes entre profissionais menos experientes e de menor desempenho inicial.
Esse dado é muito importante para Governança de Dados Mestres. O solicitante de um cadastro normalmente não é especialista em PDM, taxonomia, atributos técnicos, regras descritivas ou critérios de duplicidade. Ele é especialista na necessidade operacional. Ele sabe o problema que precisa resolver, mas nem sempre sabe transformar esse conhecimento em uma solicitação estruturada.
A leitura para MDM é direta: em processos complexos, não basta esperar que o usuário consulte treinamentos, manuais ou instruções externas sempre que precisar tomar uma decisão no processo. É preciso que o processo ajude o usuário no momento em que ele está preenchendo, escolhendo, anexando, classificando e justificando.
Existe ainda outro ponto relevante. Segundo a Gartner, 59% das organizações não medem qualidade de dados, o que dificulta entender o custo real da má qualidade e o retorno dos programas de melhoria.
Isso significa que muitas empresas provavelmente subestimam o custo das solicitações ruins: devoluções, retrabalho, duplicidades, compras incorretas, atrasos, baixa rastreabilidade e esforço adicional das áreas de cadastro, compras e manutenção.
Por isso, o futuro da qualidade de dados na origem não depende apenas de treinar mais. Depende de orientar melhor. E orientar melhor significa levar a regra de governança para dentro do processo: no campo certo, no momento certo, com a pergunta certa.
Exemplo prático — Assistente de IA na seleção e preenchimento de PDM e part numbers alternativos
Para sair do conceito e trazer isso para a prática, imagine um solicitante da área de manutenção que identificou tecnicamente o material necessário para uma substituição: um ROLAMENTO SKF 16020.
Antes de solicitar um novo cadastro, ele faz o que se espera de um bom usuário do processo: pesquisa na base existente para verificar se o material já está cadastrado ou se existe algum item similar que poderia atender à mesma necessidade.
Neste caso, ele não encontra o rolamento nem um item equivalente na base. A partir daí, o processo deixa de ser apenas uma busca e passa a ser uma nova solicitação de cadastro.
Esse solicitante, no entanto, não chega de mãos vazias: ele pode ter uma URL do fabricante, uma foto da embalagem ou etiqueta, um print do desenho técnico ou até mesmo um PDF com o datasheet. Esses elementos são fundamentais porque carregam parte importante da informação técnica necessária para estruturar o cadastro.
Esse solicitante, que já gastou um tempo definindo e buscando as informações técnicas do material que precisa cadastrar, passaria por um novo desafio: selecionar o PDM correto dentro de uma lista de milhares de PDMs, preencher atributos técnicos, informar part numbers alternativos, fabricantes equivalentes e demais informações exigidas pelo processo.
É exatamente nesse ponto que o uso de um guia, um assistente baseado em IA, faz toda a diferença — veja abaixo como é fácil:
*[A animação que ficará neste espaço será publicada posteriormente.]*
Veja que todo o esforço inicial do solicitante não foi desperdiçado. Ele não precisou saber previamente qual era o PDM correto entre milhares de possibilidades. Também não precisou conhecer de memória todos os atributos técnicos esperados para um rolamento, nem dominar o padrão descritivo que será aplicado na criação do material.
O que ele precisou fazer foi trazer o melhor contexto disponível: a necessidade operacional, a referência técnica, a URL do fabricante, a imagem da etiqueta, o desenho técnico ou o datasheet.
A partir daí, os agentes de IA passaram a atuar como apoio dentro do processo:
- primeiro, ajudando a identificar o PDM mais adequado;
- depois, sugerindo o preenchimento dos atributos técnicos;
- em seguida, apoiando a identificação de part numbers, fabricantes alternativos e possíveis equivalências;
- por fim, transferindo as informações estruturadas para o formulário de solicitação, já respeitando o padrão descritivo definido pela governança.
Esse é o ponto central da abordagem: a IA não substitui o solicitante, porque o contexto operacional continua sendo dele. Também não elimina a governança, porque as regras, validações e padrões continuam sendo necessários.
A IA atua justamente no espaço entre os dois. Ela transforma o conhecimento prático do solicitante em informação estruturada para o processo de cadastro. E faz isso ao vivo, durante a execução, antes que a solicitação incompleta vire retrabalho.
No modelo tradicional, o erro aparece depois: quando o cadastro devolve a solicitação, quando compras não consegue cotar, quando o fornecedor interpreta errado ou quando o material chega incompatível.
No modelo assistido por IA, a orientação acontece antes. Antes da devolução. Antes do retrabalho. Antes da duplicidade. Antes da compra errada.
Conclusão — Menos dependência de treinamento, mais inteligência no processo
Treinar solicitantes continua sendo importante, mas talvez tenhamos exagerado na expectativa de que o usuário final precise interpretar e aplicar sozinho todas as regras necessárias para criar uma boa solicitação de cadastro.
Em Governança de Dados Mestres, especialmente no cadastro de materiais, o solicitante não deveria ser tratado como alguém que precisa virar especialista em PDM. Ele deveria ser tratado como alguém que possui o contexto da necessidade e precisa de apoio para transformar esse contexto em informação estruturada.
Essa é a grande mudança. A qualidade do dado não nasce apenas de um usuário treinado. Ela nasce de um processo bem desenhado, com regras claras, responsabilidades definidas, tecnologia adequada e assistência contextual no momento da execução.
Os agentes de IA entram exatamente nesse ponto: ajudando o solicitante a navegar pelo processo, interpretar referências, escolher o PDM correto, preencher características técnicas, identificar possíveis duplicidades e estruturar a solicitação antes que ela avance para as próximas etapas.
No fim, a discussão não é treinamento ou IA. A discussão é como reduzir a distância entre o que o solicitante sabe e o que o processo precisa receber.
E, para isso, a melhor resposta talvez não seja exigir que todos saibam mais antes de começar. A melhor resposta é oferecer ajuda ao vivo, enquanto o processo acontece.
Seus solicitantes não precisam ser especialistas em governança. Eles precisam ser guiados por ela.
Sobre a akquinet Brasil
Somos especialistas em governança de cadastro e soluções de Master Data Management (MDM). Como parte do grupo alemão AKQUINET, estamos presentes no Brasil desde 2012, desenvolvendo e implementando uma ampla gama de projetos para clientes de variados setores como varejo, indústria, agronegócio, farmacêutico, entre outros. Com uma equipe experiente e altamente qualificada, nos consolidamos como uma referência no mercado, oferecendo soluções como o MDM+ BRO, add-on certificado SAP para ambientes ECC e S/4HANA, e o MDM+ MUB, plataforma SaaS para outros ERPs, além de serviços de consultoria especializada em governança de cadastros e processos.