Pergunte, confie, decida

Não. Ele cobre as perguntas novas do dia a dia, que hoje viram fila e esperam dias, e devolve ao time técnico o tempo das análises complexas. Seus dashboards continuam funcionando: o DataTalks complementa, não compete.

Não. Você pergunta do jeito que falaria com um colega. Quem entende do negócio pergunta e recebe a resposta com fonte e cálculo à vista.

Hoje temos conector nativo para Omie e rota consultiva para Dremio e Data Lake em ambientes enterprise. Para outras fontes (SAP, ERPs proprietários, planilhas governadas), avaliamos a viabilidade técnica numa conversa de diagnóstico, antes da proposta. Preferimos dizer “vamos validar” a prometer o que ainda não está pronto.

Não é pré-requisito. Com Omie, a conexão é direta pelo conector nativo. Quando ainda não existe uma base consolidada, a Somativa ajuda a montar esse caminho como parte do projeto.

Não como acontece quando alguém cola dados numa IA pública. O dado bruto permanece na plataforma de dados da sua empresa. A camada de contexto filtra o que cada perfil pode ver e envia aos modelos apenas o necessário para responder, por canais corporativos e sem uso para treinamento. Cada resposta registra a fonte, o cálculo e a permissão que a produziu, e a operação segue a LGPD.

Chamam isso de Shadow AI, e ele nasce de um prazo curto, não de má-fé: a pergunta não pode esperar a fila e alguém resolve numa conta pessoal. O DataTalks não é uma ferramenta de monitoramento e não controla o que a sua equipe abre no navegador. O que ele faz é remover o motivo do atalho: a resposta oficial chega na hora, já filtrada pelo perfil de quem perguntou e com a origem do número à vista. E na forma de uso em que o DataTalks é ponte para a IA generativa, é ele que leva contexto e permissões para dentro do Copilot ou do Claude — e o que passa por ele fica registrado.

O risco existe em qualquer IA generativa, e o DataTalks foi desenhado para contê-lo. A definição de cada indicador fica fixada na camada semântica, com uma consulta de referência que codifica as regras de cálculo (o que conta, o que fica de fora, como deduplicar), e toda geração ancora nesse exemplar. Quando o contexto sustenta pouco a resposta, a plataforma sinaliza a dúvida ou pede esclarecimento antes de responder. E cada número sai com fonte e cálculo à vista, para conferência.

Menos do que um projeto de BI. Com Omie, a implantação se mede em semanas: conector nativo, configuração de permissões e validação das primeiras perguntas com quem responde pelo indicador na sua empresa. Em ambientes com Data Lake, o desenho é consultivo e feito junto com o seu time de dados, com escopo definido nesse diagnóstico.

Olhe quatro frentes:

• Tempo: horas entre a pergunta e a resposta, hoje medidas em dias de fila.
• Custo: horas de analista consumidas por relatórios recorrentes e planilhas paralelas.
• Risco: decisões tomadas com número errado, ou dados sensíveis colados em IA pública.
• Oportunidade: as perguntas que ninguém faz porque dá trabalho demais responder.

A prova de conceito mede essas frentes no seu contexto, antes de qualquer contrato de escala.

Ele trabalha em conjunto com essas plataformas. Modelos e interfaces de uso geral são o combustível e a experiência; o DataTalks é a camada de contexto e governança entre os seus dados e a IA. Ele entrega a elas indicadores oficiais, regras, permissões e a fonte única de verdade dos seus dados. A empresa escolhe a experiência, e a inteligência sobre o negócio vem do DataTalks.

Na implantação, o time da Somativa explora os dados junto com o seu e fixa a camada semântica: definição oficial de cada indicador, regras de cálculo, consultas de referência, permissões por perfil e o vocabulário que a empresa usa no dia a dia. Depois, a camada segue aprendendo com curadoria: cada correção aprovada pelo time de dados vira conhecimento permanente da plataforma.

Modelos de fronteira, em uma arquitetura agnóstica por design: o DataTalks orquestra motores como GPT, Gemini e Claude e escolhe o adequado para cada tarefa. O modelo pode mudar sem mudar nada para quem usa, porque o contexto do seu negócio não vive no modelo, vive na camada semântica do DataTalks. Quem pergunta recebe a resposta com as mesmas regras e a mesma prova de origem, sem precisar saber qual motor trabalhou por trás.

Times técnicos montam uma primeira versão em poucos dias, e ela funciona bem para quem lê SQL e valida cada resposta. O custo aparece depois: manter resolução de nomes do negócio, salvaguardas, curadoria e regras de cálculo sob mudança constante dos dados é um produto permanente, disputando a atenção dos seus melhores engenheiros. O DataTalks entrega essa camada pronta e mantida, e o seu time fica com a autoria: define as métricas, aprova o que a plataforma aprende e controla os acessos.