IA preditiva com os seus próprios dados: procura, incumprimentos e marcações a que ninguém comparece

A inteligência artificial que aparece nas notícias escreve: redige emails, resume documentos, responde a perguntas. Há outra, muito menos vistosa, que funciona há anos em bancos, seguradoras e grandes distribuidores: a que prevê a partir das tabelas que o seu programa de gestão já guarda.

A IA preditiva aprende com o seu próprio histórico (as linhas e colunas do seu ERP, do seu CRM ou do seu programa de marcações) e calcula a probabilidade de algo acontecer: que uma fatura seja paga com atraso, que um paciente falte à consulta, quanto vai encomendar cada cliente na próxima semana. O seu trabalho é ordenar: diz-lhe o que olhar primeiro. Com algumas centenas ou poucos milhares de casos já se pode testar, e o seu valor está na decisão que desencadeia, revista por uma pessoa.

Dois tipos de IA: a que escreve e a que decide

A IA generativa produz conteúdo: texto, imagens, código. A IA preditiva trabalha com dados tabulares, ou seja, informação organizada em linhas e colunas, como uma folha de cálculo ou as tabelas de um programa de gestão. Cada linha é um caso (uma fatura, uma marcação, uma encomenda) e cada coluna uma característica (o valor, o cliente, o dia da semana, os dias de atraso do último pagamento).

As duas complementam-se. A preditiva calcula. A generativa explica o resultado em linguagem natural, prepara o email ou cria a tarefa para a pessoa que tem de agir.

Entre o que esta tecnologia consegue fazer e o que as empresas usam há uma grande distância. No inquérito da McKinsey de 2025, 88 % das empresas dizem usar IA de forma habitual em pelo menos uma área, mas menos de duas em cada cinco atribuem à IA alguma melhoria no seu resultado operacional. Parte dessa distância está aqui: o histórico já está no programa de gestão e ninguém o transforma numa decisão diária.

O que pode prever com os dados que já tem

Estes são os usos mais frequentes em empresas médias, e todos partem de dados que já existem:

• Procura por cliente ou por produto. Quanto vai encomendar cada cliente ou quanto vai vender de cada referência na próxima semana. Serve para comprar melhor e para não ficar sem stock no que mais roda.
• Atrasos e incumprimentos. Que faturas têm mais probabilidade de ser pagas tarde, de acordo com a forma como cada cliente pagou até agora. Assim liga-se primeiro a quem tem mais risco, antes do vencimento.
• Marcações a que ninguém comparece. Em clínicas, oficinas, gabinetes de contabilidade ou centros de formação, que marcações têm mais risco de ficar vazias. Reforça-se a confirmação dessas ou oferece-se a vaga à lista de espera.
• Orçamentos que vão ser aceites. Quais têm mais probabilidade de fechar e quais estão a arrefecer, para fazer o acompanhamento onde mais rende.
• Clientes que se estão a afastar. Quem reduziu a frequência de compra antes de deixar de comprar de todo.
• Material que caduca ou que esgota. Que referências vão caducar antes de serem usadas ao ritmo atual de consumo.

Em todos os casos a pergunta é a mesma: que decisão toma todos os dias ou todas as semanas, com que dados, e quanto custa errar.

Como funciona, passo a passo

1. Reúne-se o histórico. Os casos passados com o resultado conhecido: faturas com a data real de pagamento, marcações com a indicação de se o paciente veio ou não, encomendas com o que foi entregue. Sai do programa de gestão, sem o alterar.
2. O modelo aprende e é testado com o passado. Treina-se com um período (por exemplo, 2024) e mede-se quanto acerta noutro que não viu (2025). Se não melhorar o que já fazem a olho, não se usa.
3. Todos os dias pontua o que é novo. As faturas desta semana, as marcações de amanhã, os orçamentos em aberto. Junto a cada probabilidade indica que fatores a explicam.
4. A IA generativa explica-o e transforma-o em tarefas. «Estas cinco faturas têm risco alto de atraso: duas são de clientes que demoraram mais nos seus três últimos pagamentos». E prepara o lembrete ou a tarefa para quem tem de agir.
5. Uma pessoa decide. A previsão organiza o trabalho e a decisão continua a ser da sua equipa.

Quantos dados são precisos

Menos do que se costuma pensar. Até há pouco tempo, um modelo preditivo exigia muito histórico e semanas de afinação. Os modelos de base para tabelas, treinados previamente com milhões de conjuntos de dados sintéticos, mudaram isso. O mais conhecido, o TabPFN, publicado na revista Nature em janeiro de 2025 por uma equipa liderada pela Universidade de Friburgo, supera os métodos anteriores em tabelas até 10.000 linhas e dá o resultado em segundos.

Para uma empresa média, isso significa que dois ou três anos do seu próprio histórico podem bastar para um primeiro teste. O que é preciso é que o resultado esteja registado: se ninguém aponta se o paciente veio ou a data real em que se recebeu, não há nada com que aprender.

O que não faz

• Dá probabilidades. Um risco de 80 % significa que, em cada dez casos parecidos, oito correram mal. Os outros dois correram bem.
• Aprende com o passado. Se algo de fundo mudar (uma crise num setor, um novo cliente muito grande, uma tabela de preços diferente), o modelo demora a notá-lo. É preciso medir os seus acertos todos os meses.
• Encontra relações, mas não explica as suas causas. Que as encomendas de segunda-feira se atrasem mais não diz porquê.
• Herda os enviesamentos do histórico. Se no passado um tipo de cliente foi pior tratado, o modelo vai aprendê-lo. Por isso revêem-se os fatores que usa.

O que diz a lei

Se a previsão afeta pessoas, há duas normas a ter presentes. O RGPD (artigo 22.º) reconhece o direito de não ficar sujeito a decisões tomadas exclusivamente com base no tratamento automatizado que produzam efeitos jurídicos ou afetem significativamente: com uma pessoa a rever cada decisão, o modelo organiza o trabalho e não decide sozinho. E o Regulamento europeu da IA considera de risco elevado os sistemas que avaliam a solvabilidade de pessoas singulares. Prever a procura, o stock ou os atrasos de pagamento de outras empresas não entra nessa categoria. As datas de aplicação do Regulamento estão no nosso glossário de IA (em espanhol).

Além disso, os dados não têm de sair do seu ambiente: o modelo pode funcionar com os dados na União Europeia (em espanhol) ou nos seus próprios servidores.

Como começar

Escolha uma única decisão que se repita e que hoje custe dinheiro quando falha: as faturas pagas com atraso, as marcações vazias ou o material que caduca. Com o seu histórico faz-se uma prova de conceito, que se compara com o que realmente aconteceu antes de a usar no dia a dia.

Na Tecnea, a prova de conceito começa em 850 €, o desenvolvimento completo vai de 5.000 a 20.000 € e a mensalidade começa em 250 € (o que inclui cada valor, em espanhol). Se o seu programa de gestão deixa ler os dados, não é preciso substituí-lo: explicamo-lo em a IA integra-se com o meu ERP? (em espanhol). E se hesita entre a IA que o seu programa já traz e um desenvolvimento próprio, o critério está em basta-me a IA que vem no meu programa?.

Perguntas frequentes

Preciso de uma equipa de dados para usar IA preditiva?

Não. O modelo é preparado e mantido por quem desenvolve a aplicação. A sua equipa vê o resultado onde já trabalha (uma lista ordenada por risco, um alerta, uma tarefa) e decide.

De quantos dados preciso?

Para um primeiro teste costumam bastar algumas centenas ou poucos milhares de casos com o resultado registado, por exemplo dois ou três anos de faturas ou de marcações. O decisivo é que o resultado esteja apontado.

Tenho de mudar de programa de gestão?

Não. Os dados leem-se do programa que já usa e o resultado volta a ele ou à ferramenta onde a sua equipa trabalha.

Em que difere de um painel de indicadores?

Um painel mostra o que já aconteceu. Um modelo preditivo estima o que vai acontecer com cada caso concreto (esta fatura, esta marcação) e ordena-os para agir mais cedo.

Pode decidir sozinho, sem uma pessoa?

Tecnicamente sim, mas não o recomendamos quando afeta pessoas, e o RGPD limita as decisões totalmente automatizadas com efeitos significativos. O habitual é o modelo organizar o trabalho e uma pessoa decidir.

Se tem uma decisão que se repete e um histórico no seu programa de gestão, diga-nos qual é e dizemos-lhe se pode ser prevista com os seus dados.

Este artigo é informativo. A Tecnea desenvolve aplicações à medida com IA, incluindo preditiva, por isso temos interesse em que a experimente. É por isso que explicamos também o que não faz e em que casos a lei exige uma pessoa por trás de cada decisão.

Fontes

1. McKinsey & Company, «The state of AI in 2025: Agents, innovation, and transformation» (novembro de 2025): mckinsey.com
2. Hollmann, N. e outros, «Accurate predictions on small data with a tabular foundation model», Nature 637, 319-326 (janeiro de 2025): nature.com
3. Universidade de Friburgo, «New AI model TabPFN enables faster and more accurate predictions on small tabular data sets» (janeiro de 2025): uni-freiburg.de
4. Regulamento (UE) 2016/679 (RGPD), artigo 22.º: eur-lex.europa.eu
5. Regulamento (UE) 2024/1689 relativo à inteligência artificial, anexo III: eur-lex.europa.eu