Inteligência artificial já deixou de ser uma promessa distante no universo dos sistemas de gestão. Ela começa a aparecer em análises financeiras, previsões de demanda, recomendações comerciais, automação de tarefas, conciliações e consultas em linguagem natural.
Mas existe uma diferença importante entre contratar uma funcionalidade de IA e ter uma operação realmente preparada para utilizá-la.
Um ambiente TOTVS ou Sankhya pode ter acesso a recursos modernos e, ainda assim, enfrentar dificuldades para transformar dados em decisões.
Também pode estar tecnicamente bem estruturado e pronto para avançar sem que seja necessário substituir o ERP. A resposta depende da arquitetura, da versão, dos processos e da qualidade das informações de cada empresa.
Isso porque a IA não trabalha apenas com o nome ou com a marca do sistema. Ela depende da base que encontra: cadastros, históricos, regras de negócio, integrações, acessos e disponibilidade dos dados.
TOTVS e Sankhya possuem inteligência artificial?
Sim. As duas empresas já apresentam iniciativas de inteligência artificial aplicadas à gestão. A TOTVS define a Carol como sua plataforma de dados e inteligência artificial, capaz de se conectar a ERPs e outras fontes para apoiar previsões, recomendações e análises.
A companhia também incorporou uma Central de IA e novas visões do Protheus Insights ao release 12.1.2510 da Linha Protheus.
A Sankhya, por sua vez, apresenta uma camada de IA integrada ao seu ecossistema de gestão, com recursos voltados à configuração do ERP, automação de tarefas, criação de dashboards, análise preditiva e interação em linguagem natural.
Portanto, a pergunta não deve ser simplesmente “TOTVS ou Sankhya têm IA?”. A questão mais útil é: o ambiente utilizado pela sua empresa oferece dados, integrações e governança suficientes para que a IA gere resultados confiáveis?
O que significa ter um ERP preparado para IA?
Um ERP preparado para IA é aquele que consegue disponibilizar dados completos, consistentes, contextualizados e protegidos para aplicações analíticas ou automatizadas.
Na prática, isso exige mais do que instalar um módulo. A empresa precisa saber de onde os dados vieram, quais regras foram aplicadas, quem pode acessá-los, com que frequência são atualizados e se existe histórico suficiente para identificar padrões.
Quando essa estrutura não está organizada, a inteligência artificial pode até produzir uma resposta. O problema é que a resposta poderá reproduzir erros cadastrais, considerar informações desatualizadas ou ignorar regras que permanecem escondidas em planilhas e customizações antigas.
Veja oito sinais de que a base atual pode estar limitando essa evolução.
1. Os cadastros possuem duplicidades, lacunas e padrões diferentes
Cadastros são a matéria-prima da inteligência artificial dentro do ERP. Clientes duplicados, produtos sem categoria, centros de custo utilizados de maneiras diferentes e fornecedores com informações incompletas comprometem qualquer análise posterior.
Imagine que um mesmo cliente esteja registrado com três códigos. Para a equipe comercial, pode ser simples reconhecer que os registros pertencem à mesma empresa.
Para um modelo que calcula recorrência, inadimplência ou potencial de compra, eles podem representar três clientes diferentes.
O mesmo acontece quando unidades de medida, descrições de produtos, planos de contas ou classificações fiscais não seguem um padrão. A IA passa a interpretar inconsistências operacionais como se fossem características reais do negócio.
Algumas perguntas ajudam a identificar o problema:
- Existem regras obrigatórias para a criação e alteração de cadastros?
- Há duplicidades frequentes de clientes, fornecedores ou itens?
- Os campos essenciais são preenchidos de forma padronizada?
- Existe uma área responsável pela qualidade dos dados mestres?
- As mesmas classificações são utilizadas por todas as unidades da empresa?
Antes de treinar modelos ou automatizar decisões, pode ser necessário sanear, normalizar e estabelecer responsáveis pelos principais cadastros.
2. O histórico está fragmentado ou não é confiável
Boa parte das aplicações de IA depende de histórico. Previsões de vendas, identificação de anomalias, recomendações de produtos, avaliação de fluxo de caixa e análise de comportamento precisam comparar acontecimentos ao longo do tempo.
O problema surge quando parte desse histórico foi perdida em migrações, arquivada fora do ERP ou alterada sem rastreabilidade. Também é comum encontrar anos de informações em planilhas, bancos paralelos ou sistemas que já não possuem integração com a operação atual.
Ter muitos dados não é o mesmo que ter um histórico útil. Para apoiar a IA, as informações precisam manter contexto: data, origem, unidade de negócio, moeda, status da transação e regras vigentes naquele período.
Se a empresa não consegue reconstruir por que determinado número mudou ou qual sistema originou um registro, o modelo também terá dificuldade para interpretar essa variação.
Um diagnóstico deve verificar retenção, integridade, granularidade, rastreabilidade e comparabilidade dos dados históricos. Em alguns casos, a reconstrução dessa linha do tempo será mais importante do que a própria escolha da ferramenta de IA.
3. As APIs existem, mas não sustentam os casos de uso desejados
Uma API permite que sistemas troquem informações de forma estruturada. Porém, a simples existência de uma API não significa que o ambiente esteja pronto para IA.
É preciso avaliar se os serviços necessários estão documentados, se permitem consultar os objetos certos, se possuem autenticação adequada, se suportam o volume de requisições e se entregam informações com a velocidade exigida pelo caso de uso.
Quando os dados só podem ser obtidos por acesso direto ao banco, exportações manuais ou rotinas desenvolvidas para uma única necessidade, a expansão da IA tende a ficar mais cara e arriscada.
A própria documentação da Sankhya recomenda o uso da API Gateway como padrão oficial de integração e alerta para os riscos de acessar diretamente o banco de dados, abordagem que pode ignorar regras de negócio e ampliar a exposição de informações.
A TOTVS também oferece APIs e recursos de integração, mas a disponibilidade e a aderência devem ser verificadas conforme a linha de produto, o release e a arquitetura utilizada por cada cliente.
Para avaliar a prontidão, pergunte:
- Quais dados podem ser consultados e atualizados por APIs suportadas?
- A documentação reflete o ambiente atual?
- Existem limites de volume, desempenho ou simultaneidade?
- É possível conceder apenas os acessos necessários a cada integração?
- Há ambientes de homologação e mecanismos de monitoramento?
4. As integrações formam uma rede difícil de entender e manter
Empresas em crescimento costumam integrar o ERP a bancos, plataformas de vendas, sistemas fiscais, CRMs, ferramentas de atendimento, aplicações logísticas e soluções de planejamento.
O risco aparece quando essas conexões são criadas ponto a ponto, sem arquitetura comum. Um script envia dados para uma planilha, outro consulta diretamente o banco e uma terceira integração depende de uma pessoa para reiniciar o processo quando ocorre uma falha.
Nesse cenário, a IA pode receber versões diferentes da mesma informação. O estoque do ERP mostra uma quantidade, o e-commerce apresenta outra e o data warehouse ainda não recebeu o movimento mais recente.
Uma integração preparada para IA precisa ter responsáveis definidos, registros de execução, tratamento de erros, políticas de segurança e frequência de atualização compatível com o processo. A empresa também deve saber qual sistema é a fonte oficial de cada dado.
O objetivo não é integrar tudo em tempo real sem necessidade. É garantir que cada informação esteja disponível no momento certo, com origem conhecida e qualidade controlada.
5. As customizações se tornaram uma dívida técnica
Customizar um ERP não é necessariamente um problema. Muitas empresas possuem processos específicos que justificam extensões, campos próprios e automações desenvolvidas sob medida.
A limitação surge quando ninguém mais conhece a lógica dessas alterações, quando elas modificam o núcleo do sistema ou quando cada atualização exige um projeto longo para descobrir o que poderá parar de funcionar.
Customizações antigas também podem duplicar regras de negócio. Parte da lógica fica no ERP, parte em um sistema externo e outra parte em uma planilha. Para a IA, essa fragmentação reduz o contexto e dificulta saber qual regra deve prevalecer.
Alguns sinais de alerta são:
- Ausência de documentação funcional e técnica;
- Dependência de poucos profissionais ou de um fornecedor específico;
- Falta de testes para validar atualizações;
- Campos personalizados sem definição clara;
- Rotinas que acessam diretamente tabelas do banco;
- Dificuldade recorrente para adotar novos releases.
O caminho não é eliminar toda personalização, mas separar o que realmente diferencia o negócio daquilo que apenas reproduz processos que já poderiam ser atendidos pelo padrão atual do ERP.
6. A versão do ERP ou a infraestrutura impede a adoção de novos recursos
Funcionalidades de inteligência artificial, segurança, APIs e experiência de uso frequentemente dependem de releases, componentes e requisitos técnicos específicos.
No caso do Protheus, por exemplo, a TOTVS associa a Central de IA e as novas visões do Protheus Insights ao release 12.1.2510. Isso não significa que todo ambiente anterior seja incapaz de utilizar IA, mas mostra por que a versão precisa fazer parte do diagnóstico.
Também devem ser avaliados banco de dados, middleware, servidores, conectores, patches de segurança e capacidade de processamento. Um projeto pode funcionar em pequena escala e apresentar gargalos quando passa a consultar grandes volumes ou executar tarefas com maior frequência.
Ambientes em nuvem reduzem parte da carga relacionada à infraestrutura e às atualizações, mas não dispensam testes, governança e revisão das customizações.
A questão central é saber se a arquitetura consegue evoluir no ritmo necessário, sem transformar cada nova capacidade em um projeto de alto risco.
7. As permissões são amplas demais ou pouco rastreáveis
Se a IA puder consultar ou executar ações dentro do ERP, ela deverá respeitar os mesmos princípios de segurança aplicados aos usuários: menor privilégio, segregação de funções, rastreabilidade e aprovação para operações sensíveis.
Contas genéricas, usuários de integração com perfil de administrador, acessos mantidos após mudanças de função e ausência de logs são sinais de uma base pouco preparada.
O risco aumenta porque interfaces em linguagem natural tornam o acesso às informações mais simples. Isso é positivo para a produtividade, mas exige controle para que um usuário não visualize dados de folha, margens, contratos ou informações pessoais sem autorização.
No Oracle NetSuite, por exemplo, a documentação do AI Connector Service informa que as consultas respeitam as permissões do papel utilizado: a ferramenta só pode acessar os dados liberados para aquele perfil. Esse é um princípio importante para qualquer arquitetura de IA empresarial.
Antes de avançar, a empresa deve revisar perfis, contas de serviço, tokens, segregação de funções, logs e políticas para aprovação de ações automatizadas.
8. Os dados só ficam disponíveis depois de exportações e conciliações manuais
Se toda pergunta relevante exige extrair arquivos, reunir planilhas e esperar que alguém faça uma conciliação, a IA não encontrará uma base pronta para responder com agilidade.
Esse problema costuma aparecer em perguntas aparentemente simples:
- Qual é a margem atual por projeto ou contrato?
- Qual subsidiária concentra o maior risco de caixa?
- Quais clientes reduziram o volume de compras nos últimos meses?
- O estoque disponível considera pedidos, reservas e mercadorias em trânsito?
Quando diferentes áreas respondem com números distintos, normalmente não falta apenas uma ferramenta de análise. Faltam conceitos compartilhados, integração e uma fonte confiável para cada indicador.
Nem todo processo precisa operar em tempo real. Uma previsão mensal pode usar uma atualização diária, enquanto uma recomendação feita durante a venda talvez exija dados quase imediatos. Estar preparado significa alinhar a disponibilidade dos dados à decisão que será tomada.
Quantos sinais indicam que o ERP está limitando a IA?
Não existe uma pontuação universal, mas uma leitura inicial pode ajudar:
- De zero a dois sinais: a base pode estar apta a receber um projeto-piloto, desde que o caso de uso e os controles sejam bem definidos.
- De três a cinco sinais: é recomendável realizar um plano de saneamento, integração e governança antes de ampliar o uso da IA.
- De seis a oito sinais: a arquitetura provavelmente exige uma revisão mais profunda, comparando o custo de modernizar o ambiente atual com a adoção de uma nova plataforma.
Essa classificação é apenas uma referência. O peso de cada sinal muda conforme o objetivo. Uma permissão inadequada, por exemplo, pode inviabilizar um projeto mesmo que todos os outros itens estejam organizados.
É melhor atualizar, integrar ou migrar o ERP?
A resposta depende da distância entre a arquitetura atual e os objetivos estratégicos da empresa.
Atualizar e otimizar o ERP atual pode ser o melhor caminho quando os processos principais funcionam bem, os dados são confiáveis e as lacunas estão concentradas em versão, parametrização ou governança.
Criar uma camada de integração e dados pode fazer sentido quando diferentes sistemas precisam continuar operando, mas a empresa necessita padronizar APIs, consolidar informações e disponibilizar uma base comum para análises.
Avaliar a migração para um ERP em nuvem torna-se relevante quando versões antigas, customizações excessivas, integrações frágeis e dados fragmentados elevam continuamente o custo da evolução.
Também pode ser uma alternativa para empresas que precisam consolidar múltiplas entidades, padronizar processos globais ou reduzir a dependência de infraestrutura própria.
A decisão não deve ser baseada apenas na chegada da IA. É importante comparar custo total de propriedade, riscos, capacidade de integração, aderência aos processos, disponibilidade de competências e tempo para gerar valor.
Como o Oracle NetSuite cria uma base para a evolução com IA?
O Oracle NetSuite reúne finanças, vendas, projetos, estoque e outras áreas em uma plataforma de gestão nativa em nuvem. Essa estrutura ajuda a reduzir a dispersão de informações e a manter dados operacionais e financeiros no mesmo ambiente.
A Oracle vem incorporando recursos de inteligência artificial ao NetSuite para apoiar análises, relatórios, gestão financeira e diferentes processos empresariais.
A plataforma também disponibiliza o SuiteTalk REST Web Services, com operações sobre registros, consultas, metadados e tratamento de campos personalizados.
Isso não elimina a necessidade de qualidade cadastral, governança e desenho de processos. Nenhum ERP transforma automaticamente dados desorganizados em decisões confiáveis.
A vantagem de uma plataforma integrada está em oferecer uma arquitetura mais consistente para que essas práticas sejam implantadas e evoluam com o negócio.
A disponibilidade de cada recurso de IA deve ser validada de acordo com o país, a conta, o release e o escopo contratado.
Como a Active pode apoiar esse diagnóstico?
Antes de recomendar uma migração, é necessário compreender o ambiente atual. A consultoria NetSuite da Active atua de forma consultiva para mapear processos, integrações, customizações, dados e requisitos de negócio.
A partir desse diagnóstico, a empresa pode identificar se o melhor caminho é corrigir lacunas específicas, reorganizar integrações ou estruturar uma migração para o Oracle NetSuite.
Como parceira oficial Oracle e pioneira em projetos NetSuite no Brasil, a Active reúne serviços de implementação, desenvolvimento, integrações e sustentação.
O trabalho não termina no go-live: a evolução da plataforma precisa acompanhar novas necessidades, automações e casos de uso de inteligência artificial.
A IA amplia a qualidade, e também os problemas, da base existente
Perguntar se o TOTVS ou o Sankhya está preparado para IA não deve servir para classificar um fornecedor como moderno ou ultrapassado. Os dois ecossistemas possuem iniciativas atuais de inteligência artificial.
O ponto decisivo é verificar se o ambiente específico da empresa permite utilizar essas capacidades com segurança, contexto e escala.
Cadastros inconsistentes, histórico fragmentado, APIs insuficientes, integrações frágeis, customizações sem controle, versões antigas, permissões excessivas e dados indisponíveis são sinais de que a tecnologia poderá avançar mais rápido do que a estrutura de gestão.
Antes de contratar mais uma ferramenta, vale avaliar a base. Esse diagnóstico mostra se a empresa pode começar com um caso de uso pontual, se precisa modernizar sua arquitetura ou se chegou o momento de considerar uma plataforma de gestão mais integrada.
Quer entender se o seu ERP está preparado para a próxima etapa da inteligência artificial? Fale com um especialista da Active e avalie o melhor caminho para transformar dados, processos e tecnologia em uma base real de crescimento.