Ontologia de negócio: o dicionário que a IA precisa antes de falar pela empresa

4 de nov. de 2026

Ontologia de negócio: o dicionário que a IA precisa antes de falar pela empresa

Diagrama de ontologia de negócio: ERP, planilha e relatório com três versões diferentes de faturamento convergem para um dicionário com a definição aprovada, que alimenta os agentes de IA

Faça um teste na próxima reunião de diretoria: pergunte quanto a empresa faturou em outubro. O financeiro vai trazer um número, o comercial vai trazer outro e o relatório do BI talvez traga um terceiro. Ninguém está mentindo. Um conta a nota emitida, outro conta o pedido fechado, o terceiro desconta devoluções. Entre pessoas, isso se resolve com uma conversa de cinco minutos.

Agora coloque um agente de inteligência artificial respondendo essa pergunta para o gerente comercial, montando o relatório semanal ou sugerindo onde cortar custo. Ele não vai levantar a mão para perguntar qual faturamento você quis dizer. Vai escolher um, responder com segurança e seguir em frente.

Foi exatamente esse problema que duas das maiores empresas de dados do mundo colocaram no centro dos seus anúncios entre o fim de outubro e o começo de novembro de 2026. O nome técnico é ontologia de negócio. O nome prático é dicionário oficial da empresa.

O que é uma ontologia de negócio?

É um registro, aprovado por quem responde pelo número, do que cada termo importante significa na sua empresa, de onde ele vem e como se relaciona com os outros. Não é só um glossário com frases bonitas. Para cada termo, a ontologia diz:

a definição: “faturamento líquido é o valor das notas emitidas no mês, menos devoluções e cancelamentos, sem impostos”;
a fonte: em qual tabela, relatório ou rotina do ERP esse valor é calculado;
o dono: quem tem autoridade para mudar a definição, normalmente a área que presta contas sobre aquele número;
as relações: um pedido pertence a um cliente, gera uma ou mais notas, e uma nota pode ter devolução.

Parece óbvio até você tentar escrever. “Cliente ativo” é quem comprou nos últimos 90 dias, nos últimos 12 meses ou quem tem contrato vigente? “Estoque disponível” inclui o que já está reservado para um pedido? “Inadimplente” é quem tem boleto vencido há um dia ou há trinta? Cada área costuma ter a sua resposta, e todas fazem sentido no contexto delas.

O que foi anunciado nos últimos dias?

Na sua conferência anual em Las Vegas, a Oracle apresentou novos recursos para a sua plataforma de dados com IA. O ponto central é um agente que lê os esquemas de banco de dados, a documentação dos sistemas e das integrações e até documentos internos, e monta um rascunho da ontologia da empresa. Esse rascunho não vale sozinho: especialistas de cada área revisam, corrigem e aprovam antes de os agentes de IA passarem a usar. A empresa informou que os recursos devem chegar aos clientes nos próximos 12 meses, segundo o comunicado oficial da Oracle e a cobertura da CDO Magazine.

Em 3 de novembro, foi a vez da Snowflake anunciar o Business Ontology. A ideia é a mesma: a empresa registra uma definição oficial para conceitos como receita líquida, indica um dono, aprova e liga essa definição aos dados que a calculam. Segundo o blog da própria Snowflake, só as definições aprovadas são entregues aos agentes, para que eles trabalhem com o significado que a empresa assina embaixo, e não escolham entre versões concorrentes. A empresa reconhece no mesmo texto que esse conhecimento costuma estar espalhado em relatórios, modelos de dados e na experiência de funcionários antigos.

A Snowflake também divulgou números de testes internos, citado pelo ETEnterpriseAI: quando os agentes recebem um mapa explícito de como os dados se conectam entre as áreas, a precisão das respostas melhora em cerca de 20% e o número de consultas que o agente precisa fazer aos sistemas cai 39%. É um teste do próprio fornecedor, então vale como indicação, não como promessa para a sua empresa.

Por que esse assunto apareceu justamente agora?

Porque quem pergunta mudou. Um relatório da Menlo Ventures publicado em 3 de novembro mostra que, na OpenRouter, plataforma que dá acesso a centenas de modelos de IA, os agentes já geram cerca de 80% de todo o volume de uso (medido em tokens, as unidades de texto que os modelos processam), algo como sete vezes o volume gerado diretamente por pessoas. É um único canal, usado mais por desenvolvedores e startups do que por grandes empresas, e a Menlo é investidora da OpenRouter, mas o sinal é claro, segundo o comunicado do relatório.

Isso muda o tamanho do risco. Quando uma pessoa consulta um número estranho, ela desconfia, liga para alguém, confere. Um agente que roda sozinho toda manhã repete o mesmo erro de interpretação em cada relatório, em cada e-mail para cliente, em cada sugestão de compra, até alguém perceber. A IA não erra por falta de inteligência; erra porque ninguém contou para ela o que a empresa quer dizer com cada palavra.

Onde essas definições estão hoje na sua empresa?

Na maioria das empresas médias, a resposta honesta é: em vários lugares e em nenhum oficialmente.

No código do sistema legado. Aquele relatório do ERP que “sempre bateu” exclui bonificações e notas de remessa porque alguém programou assim há quinze anos. A regra existe, mas só no código. É o tipo de comportamento escondido de que falamos no artigo sobre a Lei de Hyrum.
Em planilhas. O fechamento mensal passa por uma planilha que ajusta três contas na mão antes de ir para a diretoria.
Na cabeça de alguém. A analista que está há vinte anos na empresa sabe que o cliente do grupo X conta como um só, apesar dos quatro CNPJs. Se ela sair, a regra sai junto, o mesmo risco que descrevemos ao falar de fator ônibus.

Ligar uma IA aos dados sem resolver isso é entregar a ela as tabelas e esconder o manual. Ela vai ler os dados certos e chegar à conclusão errada.

Como um erro de definição vira prejuízo?

Dois exemplos do dia a dia mostram o tamanho do problema.

Um agente de cobrança é configurado para mandar lembretes a clientes inadimplentes. Para o sistema, inadimplente é qualquer título vencido. Para o financeiro, só depois de 30 dias, porque vários clientes grandes pagam sempre com uma semana de atraso combinado. Resultado: os melhores clientes recebem mensagem de cobrança automática, e o comercial passa a semana pedindo desculpas.

Um agente de compras sugere reposição com base no estoque disponível. Ele soma o que está na prateleira, sem descontar o que já está reservado para pedidos aprovados. A sugestão sai menor do que deveria, e a ruptura aparece justo no item que mais vende.

Em nenhum dos casos a IA “alucinou”. Ela leu dados reais, de sistemas reais. O que faltava era a definição combinada. Por isso, ao conectar a IA ao ERP, a pergunta não é só “que dados ela acessa?”, mas também “com qual significado?”.

É preciso comprar uma plataforma para ter isso?

Não necessariamente. Os anúncios da Oracle e da Snowflake mostram para onde o mercado está indo, e para empresas que já usam essas plataformas podem fazer sentido. Mas o trabalho mais difícil não é de ferramenta, é de combinar entre as áreas o que cada termo quer dizer e quem decide.

Uma empresa média pode começar com algo bem mais simples: um documento estruturado, guardado junto com as integrações, que descreve cada termo, a consulta que o calcula e o responsável. O agente de IA consulta esse dicionário antes de responder, do mesmo jeito que um agente com RAG consulta os documentos da empresa. Quando o volume crescer, migrar esse conteúdo para uma plataforma é bem mais fácil do que começar do zero.

Como começar sem transformar isso num projeto de dois anos?

O erro clássico é tentar mapear a empresa inteira antes de colocar qualquer agente para trabalhar. O caminho que funciona é o inverso: começar pelo processo em que a IA vai atuar primeiro.

Escolha um processo. Por exemplo, o atendimento ao vendedor que quer saber o status de um pedido, ou o relatório semanal de vendas.
Liste os termos que esse processo usa. Normalmente são de 10 a 20: pedido faturado, prazo de entrega, cliente ativo, margem.
Deixe a IA fazer o rascunho. Ela pode ler o código do ERP, os relatórios e as rotinas e propor como cada termo é calculado hoje. É justamente o que a Oracle anunciou, e funciona também com sistemas legados próprios.
Peça aprovação de quem responde pelo número. O financeiro aprova o que é faturamento; o comercial aprova o que é cliente ativo. Sem dono, a definição não vale.
Teste com perguntas de resposta conhecida. Pegue cinco perguntas cujo resultado o time já sabe e confira se o agente chega ao mesmo número.
Revise quando o sistema mudar. Nova regra fiscal, nova filial, novo tipo de pedido: a definição precisa acompanhar. Sem isso, o dicionário envelhece em silêncio.

Esse trabalho tem um efeito colateral útil: mesmo sem IA nenhuma, a empresa passa a ter as regras do seu sistema escritas fora do código, o que reduz a dependência de pessoas específicas e facilita qualquer modernização futura. E ajuda a definir com clareza os limites do que a IA pode fazer.

Hype ou oportunidade?

Tem um pouco de hype na palavra. “Ontologia” soa como projeto acadêmico, e é fácil um fornecedor vender a ideia de que basta ligar a ferramenta para os agentes entenderem a empresa. Não basta. Alguém de dentro precisa decidir o que cada número significa.

A oportunidade é real e barata de começar. Empresas que organizarem o seu dicionário agora vão colocar agentes para trabalhar com menos retrabalho, menos resposta contraditória e mais confiança da diretoria. As que pularem essa etapa vão descobrir o problema do jeito mais caro: com um número errado num relatório que alguém usou para decidir.

Como a RETTA pode ajudar?

A RETTA, software house e empresa de outsourcing de TI de Lajeado/RS, desenvolve soluções de inteligência artificial conectadas aos sistemas da empresa e trabalha há anos dentro de ERPs e sistemas legados. Usamos a própria IA para levantar as regras que estão escondidas no código e nos relatórios, transformamos isso num dicionário que as áreas conseguem revisar e aprovar, e só então ligamos os agentes aos dados, com testes de resposta conhecida. Assim, quando o agente responder pela sua empresa, ele vai usar o mesmo número que a diretoria assina.

Se a sua empresa quer colocar IA para responder ou agir sobre os dados do negócio, comece pelo diagnóstico gratuito de IA da RETTA e descubra quais definições precisam estar combinadas antes do primeiro agente entrar em operação.