Como testar IA sem expor dado real: base sintética e contrato
Por Pedro Mafra Mendes · 3 min de leitura
Para testar IA sem expor dado real, eu não anonimizo: extraio só a forma estatística do dado (distribuições, correlações, sazonalidade) e gero uma base sintética no volume real, com problemas plantados. E para todo fornecedor de IA ou de atendimento, exijo desde a contratação a exportação das conversas, por arquivo ou API aberta.
Por que anonimizar dado não resolve
Quando alguém quer prototipar um agente com dado de cliente, a primeira ideia é anonimizar: tirar nome, CPF, e-mail e seguir. Na prática, isso tem três problemas.
É lento. Toda base anonimizada passa pela governança da empresa, alguém precisa aprovar, conferir o que saiu, documentar. Um protótipo que deveria levar dias espera semanas.
Ainda vaza padrão. Mesmo sem nome, o dado carrega a assinatura do negócio: quanto se vende por região, qual categoria cresce, qual cliente compra todo mês. Para um concorrente ou para um fornecedor descuidado, isso já é informação demais.
E muitas vezes nem é necessário. Para validar o método de uma análise, você não precisa do dado verdadeiro. Precisa de um dado que se comporte como o verdadeiro.
Como funciona a base sintética
A ideia é extrair só a forma do dado e deixar o conteúdo em casa. Você olha a base real e anota o comportamento dela:
- as distribuições (quanto vale o tíquete típico, quantos itens por pedido, quantos dias até a entrega);
- as correlações (região com prazo, categoria com devolução);
- a sazonalidade por dimensão (mês, dia da semana, campanha).
Com isso, a IA gera uma base nova, inventada, no mesmo volume da real. Se a loja tem cem mil pedidos por mês, a base sintética também tem. O ponto que mais gosto: você planta incidentes de propósito. Um lote de pedidos atrasados em uma transportadora, uma semana de devolução fora da curva, um SKU que some do estoque.
Aí você testa o método. Se o agente que deveria achar o atraso não acha o atraso plantado, o método está errado, e você descobriu isso sem que nenhum dado de cliente saísse da empresa. Só depois que o método passa no sintético eu ligo o dado de verdade.
Quando a base sintética faz sentido
Faz sentido em três situações que vejo com frequência:
- protótipo com fornecedor de fora, antes de existir contrato e cláusula de dado;
- treinamento de time, em que as pessoas precisam praticar com algo parecido com o negócio sem acessar o dado sensível;
- teste de um agente novo, em que você quer saber se ele pega o problema antes de deixar que ele mexa em algo real.
Não faz sentido quando a análise depende do dado exato, como conciliar o extrato do banco com o contas a pagar. Aí o trabalho é com a base real, dentro de casa, com a permissão certa.
O que exigir do fornecedor de IA no contrato
A segunda regra é sobre o dado que sai de casa e precisa voltar. Todo fornecedor de IA ou de atendimento guarda as conversas com os seus clientes. Essas conversas são um dos ativos mais ricos da empresa: mostram por que o cliente chama, onde o processo falha, o que ele pergunta antes de comprar.
Por isso peço desde a contratação, antes de assinar, a exportação das conversas por arquivo ou por API aberta. Com isso você consegue:
- guardar o histórico, mesmo se trocar de fornecedor;
- montar o seu próprio painel, com as métricas que importam para você;
- ligar a IA da empresa nessas conversas para análise, cruzando com venda, troca e logística.
Se o fornecedor não tem API, não espere ela aparecer. Enquanto isso, baixe o CSV do painel dele com regularidade e guarde na sua base. É manual, e o histórico fica com você.
O erro que vejo é descobrir isso só na hora de trocar de ferramenta. Aí o fornecedor antigo não tem incentivo nenhum para ajudar, e anos de conversa ficam presos lá.
Perguntas frequentes
Base sintética serve para treinar o agente de IA?
Serve para validar o método do agente, ou seja, ver se ele encontra os problemas que você plantou. A calibragem fina, com as particularidades do negócio, acontece depois, com o dado real dentro da empresa.
Anonimizar dado é proibido?
Não, mas é lento, passa pela governança e ainda vaza padrão. Para prototipar, a forma estatística resolve mais rápido e expõe menos.
E se o fornecedor de atendimento não tiver API de exportação?
Baixe o CSV do painel com frequência fixa e guarde na sua base. Na próxima renovação, coloque a exportação como condição do contrato.