Sua empresa tem três definições de receita — e o agente vai escolher uma

TL;DR — Comercial fecha a reunião com um número. Controladoria abre o DRE com outro. Os dois chamam de receita — e nenhum dos dois está errado. São visões diferentes do mesmo negócio: o que fechou, o que virou nota, o que a norma deixa reconhecer no resultado. O problema começa quando a reunião pede “a” receita, como se existisse uma. Aí um assistente de IA responde um terceiro valor e ninguém pergunta qual visão ele usou. O norte: nomeie as três, certifique as dez medidas que movem dinheiro, ensine o sistema a calar quando a pergunta não cabe.

Você já viu essa cena.

Segunda-feira, 9h. Reunião de resultado. Comercial projeta R$ 12,4 milhões de “receita do mês”. Controladoria abre o DRE: R$ 9,1 milhões.

Aqui a conversa costuma ir para o lugar errado. Alguém trata a diferença como erro de conta. Quase nunca é.

Os dois números estão certos. Cada área mede o que precisa medir, no próprio relógio, com a própria lista do que entra e do que fica de fora. A palavra é a mesma. O fato por trás de cada número é outro.

• Comercial conta o que fechou: contrato assinado, negócio ganho, meta do time.
• Faturamento conta o que virou nota: NFe emitida.
• Controladoria conta o que a norma deixa reconhecer no resultado: receita do DRE, quando o cliente de fato recebeu o que foi prometido.

Três visões. Três relógios. Três listas de exclusão. Nenhuma é mentira. Nenhuma substitui a outra. Comercial precisa do número de fechamento para gerir o time. Controladoria precisa do número reconhecido para o balanço. Caixa, se entrar na mesa, traz um quarto: o que de fato entrou.

O incidente começa quando a reunião pede a receita — no singular — e alguém pede para “o time de dados alinhar”. Alinhar, nesse caso, não é corrigir um erro. É escolher qual visão vai para o slide. Enquanto a palavra for uma só, cada área vai achar que a outra está errada.

Na terça, quem responde por receita pergunta no chat interno para o assistente de IA da empresa: qual foi a receita de setembro? O sistema responde um terceiro valor, com duas casas e um parágrafo confiante. Ninguém sabe qual das três visões ele usou. Ninguém pergunta. O número entra na apresentação.

O modelo não inventou um fato. O fato já existia em triplicata. Ele fez o que um analista faz no primeiro dia, só que mais rápido e com mais autoridade aparente: encontrou um campo chamado receita, somou, formatou. Quem está começando ainda gagueja. O assistente responde sem hesitar.

Essa é a problemática deste texto. Não é “os dados estão sujos”. Não é “a IA alucina”. É a mesma palavra cobrindo três medidas honestas — e um sistema que escolhe uma no escuro.

No DataDriks, isso já apareceu como aviso. Em agente de IA já está em produção: se “receita líquida” tem três versões, o agente vai escolher uma — e não vai te avisar qual. Aqui o desdobramento. Primeiro as três visões. Depois o que a literatura descreveu com outro nome. No fim, um norte para quem está, nesta semana, decidindo o que a organização faz com dado.

O gargalo de 2026 deixou de ser “o modelo não lê a base”. Modelo de ponta lê. O que ele não tem — e a base também não guarda sozinha — é o que a sua empresa chama de receita.

Três receitas, um nome — e a norma que obriga a diferença

A controladoria não pode usar o número do comercial como receita do DRE. Não é capricho. O CPC 47 (a norma brasileira alinhada à regra internacional de receita) manda reconhecer quando a empresa cumpriu o que prometeu e o cliente obteve o controle do bem ou serviço — no valor que a empresa espera receber, sem contar imposto cobrado em nome de terceiro. Assinatura de contrato não é controle. Nota emitida às vezes é, às vezes ainda não. Imposto na nota não é receita da empresa.

Quem pede “um número só” está pedindo para a empresa furar a norma ou mentir para o comercial. Os dois números precisam existir. Precisam de nomes diferentes.

O assistente de IA não tem como adivinhar qual mesa está perguntando. Ele tem permissão de consultar a base, dezenas de tabelas, e um vício útil: responder. Sistema fluente prefere uma resposta plausível a um “não sei”. É o mesmo padrão de o “pensamento” da IA que você lê: texto coerente não é evidência de processo correto. Número com duas casas não é evidência de definição única.

Há evidência experimental exatamente nesse ponto. Juan Sequeda, Dean Allemang e Bryon Jacob testaram perguntas de negócio — do tipo que empresa faz, não exercício de curso — contra a base de uma seguradora. Um modelo de ponta, sem ajuda, consultando a estrutura crua das tabelas: 16,7% de acerto. A mesma pergunta, com um mapa explícito do que cada termo significa: 54,2%. Com uma checagem que barra consulta sem sentido e tenta consertar: 72,55%, dos quais cerca de 8% foram recusas explícitas (“não sei”) (Sequeda, Allemang & Jacob, 2024; extensão em IEEE Data Engineering Bulletin, 2024; síntese em Journal of Web Semantics, 2025).

O desconto DataDriks, porque importa: os autores trabalhavam à época numa empresa que vende esse tipo de mapa; o teste é um ramo (seguros); o modelo é de 2023. Isso limita generalização. O que o experimento sustenta, e que importa para a reunião de segunda, são três fatos:

1. Só a estrutura da tabela não carrega o significado da pergunta de negócio. 16% não é “quase”.
2. Significado escrito — o que a palavra quer dizer, de onde vem, como se calcula — multiplica acerto. Não porque o modelo ficou mais inteligente. Porque parou de adivinhar a tradução.
3. A recusa de 8% não é falha. É o sistema finalmente tendo um estado que a consulta crua não tem: calar.

No financeiro, o dano da escolha silenciosa é concreto. Meta de comercial amarrada no fechamento, provisão amarrada no DRE, caixa amarrado no que entrou. O assistente que mistura as três não “errou a conta”. Ele uniu universos que a empresa — e o CPC 47 — combinaram não unir, e embalou a união como insight.

O problema tem nome desde os anos 90

Quando duas áreas discordam do número e as duas contas estão certas, o mercado chama de desalinhamento. A literatura de bases de dados chama de heterogeneidade de significado: as fontes não discordam dos registros; discordam do sentido que aqueles registros carregam.

Richard Hull, em 1997, já tratava isso como o problema central de juntar bases: sistemas feitos para aplicações diferentes usam a mesma palavra com vocabulários locais distintos (Hull, 1997). Cinco anos depois, Maurizio Lenzerini descreveu a integração como três peças (Lenzerini, 2002):

1. as fontes de cada área;
2. a pergunta única que a diretoria finge existir;
3. a tradução entre uma e outra.

Sem tradução explícita, não existe número único. Existe a ilusão de um.

Traduza para a reunião de segunda. Comercial, faturamento e controladoria são três fontes. “Receita do mês” é a pergunta única. A tradução está na cabeça de três pessoas — e some quando o assistente consulta a base sozinho. O modelo inventa uma tradução implícita, não documentada, e a devolve como fato.

Há um refinamento que descreve a tabela da reunião com precisão. Stuart Madnick e Hongwei Zhu, no MIT, isolam dois tipos de diferença que passam em qualquer teste de “o campo está preenchido?” (Madnick & Zhu, 2006):

• de unidade — o que conta como um: nota, contrato, cliente, grupo econômico;
• de tempo — em que instante o fato passa a existir: assinatura, emissão, reconhecimento, caixa.

Três unidades. Três relógios. Um rótulo. Isso não é “falta de cultura de dados”. É cada área falando a própria língua, sem um dicionário no meio.

Enquanto a engenharia tratava tradução, a qualidade de dados já tinha avisado que acerto do registro é só uma fatia. Wang e Strong, numa pesquisa clássica com quem usa o número (não com quem administra a base), organizaram qualidade em quatro blocos: o dado em si, o dado para aquela tarefa, a forma de apresentar, e o acesso (Wang & Strong, 1996). A rotina da madrugada no verde atesta, no melhor dos casos, um pedaço da primeira. Quem pergunta “receita” na reunião precisa da segunda: o número certo para aquela decisão. Entregar faturamento quando a pergunta era DRE é dado certo e útil para a tarefa errada. Wang e Strong mediram isso há trinta anos. O assistente de 2026 redescobriu o buraco na velocidade da automação.

Indicador sem fórmula não é indicador. É apelido.

Indicador parece número. Na literatura, indicador de desempenho é medida composta: uma conta sobre fatos do dia a dia, com relação com outros indicadores. Claudia Diamantini, Domenico Potena e Emanuele Storti mostraram por que o “dicionário compartilhado” trava nas empresas: heterogeneidade de definição é a regra; sem a fórmula escrita, não dá nem para decidir se dois indicadores são o mesmo objeto, equivalentes, ou só homônimos (Diamantini, Potena & Storti, 2016). O trabalho deles existe para construir um dicionário mínimo e consistente — a partir da conta, não do rótulo do slide.

“Receita do mês” sem fórmula não entra nesse dicionário. Não há o que conferir. Não há como o sistema dizer “esta pergunta já está respondida pela receita líquida do DRE”. O assistente, diante do homônimo, escolhe a tabela mais parecida com a palavra. A ciência, aqui, só confirma o que a operação já sente: o nome da medida não é a medida. A medida é a fórmula, a unidade, o filtro e o relógio — escritos de forma que um segundo analista, e um segundo sistema, reproduzam o mesmo número.

Isso amarra o arco interno.Antes de ser data-driven pedia definição única e dono.Esteira de dados pedia contrato: estrutura, significado, prazo de atualização, dono, versão, quem usa.Painel não é decisão pedia contrato de decisão: pergunta, medida, limiar, responsável. A fórmula escrita é o que faz a medida desse contrato deixar de ser prosa: vira objeto conferível. Sem isso, o limiar do painel dispara ação sobre o número da mesa errada.

O que passa no teste e mesmo assim quebra o assistente

Qualidade de dados, no sentido de esteira, já sabe caçar campo vazio, tipo errado e volume estranho. A maior parte das empresas implementou o primeiro item do contrato. Estrutura. Às vezes prazo de atualização. Significado ficou no chat, no “todo mundo sabe”, na anotação da consulta gravada.

Os defeitos que param o assistente passam no teste de estrutura. A linha é válida. O significado, não.

Para um humano que estranha, ainda há defesa: o gerente olha o cartão do painel, acha o número gordo, liga para alguém. Para o assistente, essa defesa some. Ele age — escreve o relatório, dispara o e-mail, atualiza o cadastro, sugere o corte de carteira. Painel errado espera alguém desconfiar; assistente errado encadeia a próxima etapa.

Sculley e o time do Google chamaram um primo disso de consumidor não declarado: uma saída fica acessível, outros sistemas a consomem em silêncio, e qualquer mudança — inclusive melhoria — quebra amarrações que ninguém avisou (Sculley et al., 2015). O assistente interno com permissão de ler a base é o consumidor não declarado de todas as consultas chamadas receita. Ele não entra na lista de quem usa o contrato. Por isso a consulta “pode mudar na sexta”. Por isso o número da apresentação de terça não tem caminho de volta.

IA sem dados confiáveis só automatiza confusão. O complemento, agora, é mais específico: IA sem definição única automatiza a definição de quem chegou primeiro na tabela.

Há um agravante organizacional. Quando a medida vira meta, ela deixa de medir. Marilyn Strathern condensou Goodhart: quando uma medida vira alvo, deixa de ser boa medida (Strathern, 1997). Jerry Muller descreveu o que vem depois: julgamento substituído por indicador padronizado, bônus amarrado no número, a organização otimizando o cartão (Muller, 2018). Três visões de receita mais um bônus amarrado em “receita” é o desenho perfeito para o time otimizar a definição mais fácil de empurrar para cima — em geral a do comercial — enquanto o DRE e o caixa seguem outra física. O assistente, escolhendo em silêncio, não cria isso. Ele industrializa o que a empresa já tinha.

Contrato da esteira não chega na diretoria — nem no assistente

Contrato que só promete “este campo é número e não vem vazio” protege a rotina da madrugada. Isso é higiene da fonte. Diretoria e assistente vivem na pergunta. Sem tradução explícita — fórmula, unidade, relógio, exclusão — não há pergunta única. Há homônimo.

Para medida de decisão, o contrato precisa responder o que a estrutura da tabela não responde. É a tradução escrita para gente e para máquina:

1. Fórmula. Não o parágrafo. A conta. Sem fórmula não há como testar se duas medidas são a mesma.
2. O que entra e o que fica de fora. Receita líquida exclui imposto, estorno, venda entre empresas do grupo, período de teste? O CPC 47 já exclui quantia cobrada em nome de terceiro. Escreva o resto. Definição sem exclusão é slogan.
3. Unidade. Uma linha por nota, contrato, cliente, competência? Cruzar unidade errada é a forma mais educada de duplicar receita.
4. Relógio. Assinatura, emissão, reconhecimento, caixa. Quatro tempos. Escolha um por medida — e dê outro nome para os outros três.
5. Dono. Nome de pessoa. Quando comercial e controladoria divergirem, alguém decide qual número vale para aquela pergunta. Sem nome, você tem inquilino — o mesmo sinal que o artigo de confiança já apontava para receita média por cliente. Abraham, Schneider e vom Brocke definem governança como exercício de autoridade e controle, não como comitê (Abraham et al., 2019).
6. Recusa.“Receita do mês” para quem olha resultado não é “volume fechado no comercial”. Se a pergunta não cabe na tradução, a resposta correta é a do experimento: não sei. Não é consulta inventada contra quarenta tabelas.
7. Quem usa, declarado. Painel, modelo, assistente. O que não está na lista vai se amarrar no escuro.

Estrutura da tabela continua necessária. Estrutura sozinha, em 2026, é piso — não teto de decisão. A medida precisa existir como objeto conferível antes de entrar no contrato de decisão do painel. Sem isso, o limiar dispara no universo errado.

A camada que falta não é página na intranet

Camada de significado virou jargão de fornecedor no mesmo ritmo em que “empresa guiada por dados” virou. Vale o desconto de sempre: quem anuncia padrão aberto também vende ferramenta.

Mesmo com o desconto, o movimento de 2026 é a indústria alcançando o que a academia nomeou nos anos 90 e 2000. Em janeiro, um grupo grande de fornecedores publicou a primeira versão de um padrão aberto para trocar significado — métrica, dimensão, relacionamento e contexto, pensado para humano e para assistente. Tradução honesta: o mercado admitiu, por escrito, que significado fragmentado não escala. Hull já tinha dito. Lenzerini já tinha formalizado. O dicionário de indicadores já tinha o método. Sequeda mediu o custo de ignorar isso quando quem pergunta é um modelo.

O que o padrão não faz — e o que nenhum catálogo faz no lugar da empresa — é decidir o que é receita. Ferramenta transporta definição. Não cria acordo. Não escreve a tradução. Não assina CPC 47.

Camada de significado útil, na prática, é a tradução versionada e consultável:

• a medida tem nome estável (receita líquida do DRE), não apelido de slide;
• a fórmula está em um lugar só — o dicionário mínimo, não cinco relatórios do painel e três planilhas de análise;
• o cruzamento, a unidade e o calendário fiscal estão combinados: duas pessoas perguntando a mesma coisa, com palavras diferentes, caem no mesmo número;
• origem e frescor viajam junto: o número certo para aquela decisão, não só o registro preenchido;
• existe estado de recusa, medido. No experimento, 8% de “não sei” baixou o erro. Consulta crua sempre responde. Em produção, sistema que cala quando não cabe perde para a demonstração — e ganha para o DRE.

Não é preciso comprar a sigla. É preciso tratar definição como acordo vivo: dono, mudança anunciada, quem usa avisado. Glossário na intranet que ninguém atualiza desde 2024 é documentação. Documentação não é tradução. Documentação não governa assistente.

No financeiro, a briga tem nome próprio

Quem opera dado em crédito, cobrança ou carteira já viu o primo da receita: inadimplência.

Três números, de novo. Saldo vencido. Quantidade de clientes em atraso. Volume de parcelas. A mesma mora, três unidades. O comercial quer carteira saudável. Cobrança quer fila priorizada. Contabilidade quer provisão. O assistente que “ranqueia quem ligar primeiro” com a definição errada não só erra o relatório: erra a ação. Liga para quem não deveria, deixa quieto quem deveria, e ainda explica o critério com um parágrafo que parece política interna.

“Cliente ativo” é o outro clássico. Trinta dias, noventa dias, contrato aberto, última fatura paga, entrou no produto. Quatro predicados. Um adjetivo. Quatro fórmulas, quatro indicadores; o rótulo único é inconsistência do dicionário. Em governança já estava o teste: se ninguém pode decidir a definição oficial, você não tem governança — tem documentação. Assistente em cima disso não espera o comitê. Ele escolhe.

O case do VooAI mostrou o avesso bem-feito: origem, fonte da verdade, medida com dono, regra de decisão explícita, sinal que o produto pode recusar (esperar / só acompanhar). Dado vira valor quando a tradução atravessa ponta a ponta — inclusive o direito de não disparar a ação. Receita, inadimplência e cliente ativo pedem o mesmo rigor, sem a desculpa de que “é só um número da diretoria”.

Os campos da medida mais cara — e depois as dez que movem dinheiro

Esqueça o catálogo de trezentos termos. Pegue a medida que move bônus, provisão ou corte de canal. Preencha isto. Se não couber numa página, a medida ainda não existe — existe discussão. A ciência pede dicionário mínimo. Muller pede julgamento sobre o que medir. Os dois apontam para a mesma disciplina: poucas fórmulas, explícitas, cruéis.

Depois, as dez ou vinte medidas de decisão. Não trezentas. Andrew Ng já dizia para não alimentar modelo com lixo; o equivalente de 2026 é não alimentar assistente com apelido. Significado de verdade cabe numa lista pequena.

Piso de higiene, barato perto do incidente:

1. Um nome interno estável por fórmula (receita líquida do DRE, inadimplência de saldo vencido no dia seguinte). O nome do slide pode ser bonito. O nome da consulta, não.
2. Mudança de definição que quebra o que já existia é versão, não alteração silenciosa. Quem usa entra na lista — inclusive o assistente.
3. Assistente só consulta medida certificada. Fora da lista, recusa. Permissão herdada, não ampliada: o mesmo princípio de não colar a base na caixa de texto do modelo, agora na camada de significado.
4. Toda resposta de assistente que cita número leva o nome da medida, a versão da fórmula e a data e hora de atualização. Sem isso, auditar é arqueologia.
5. Humano no portão onde a meta morderia: bônus, provisão, comunicação a cliente, corte de crédito.

Nada disso é departamento de segurança. É a tradução que a teoria de integração exige há vinte anos, agora no caminho da pergunta. A IA só tornou impossível continuar adiando.

Norte: o que fazer com dados nesta organização

Este parágrafo é para quem está decidindo. Não para quem está escolhendo ferramenta.

O norte não é “ficar guiado por dados”. O norte não é “colocar um chat em cima da base”. O norte é tornar o significado da decisão tão explícito quanto a estrutura da tabela — e só então deixar sistema consultar.

Três recusas, primeiro. Elas poupam trimestre.

• Não unifique as três receitas num número só. A norma contábil, a operação comercial e o caixa medem fatos diferentes. Unificar é mentir para alguém. O trabalho é nomear.
• Não comece pelo catálogo, pelo padrão de fornecedor nem pelo assistente. Ferramenta transporta a tradução. Sem acordo, você comprou um segundo lugar para o homônimo viver.
• Não peça ao modelo para “aprender o que é receita”. O experimento mediu o custo dessa fé: 16% na estrutura crua. O modelo não vai inferir o CPC 47 a partir de um campo numérico obrigatório.

Cinco movimentos, nesta ordem.

1. Inventário honesto (duas semanas). Escolha as palavras que já geraram briga em reunião: receita, inadimplência, cliente ativo, margem, perda de cliente. Para cada uma, colete as fórmulas que de fato rodam — comercial, nota, DRE, planilha do diretor. Conte quantas traduções informais existem. Esse número é o diagnóstico. Se for um, você não precisa deste artigo. Se for três, você não precisa de mais painel.

2. Lista curta do que move dinheiro (duas semanas). Bônus, provisão, preço, corte de canal, cobrança, comunicação a cliente. Dez medidas, vinte no máximo. O resto do catálogo espera. Medir tudo é substituir julgamento por volume. Dicionário mínimo e consistente, não enciclopédia.

3. Escreva a tradução (um mês). Para cada medida da lista: fórmula, exclusão, unidade, relógio, dono, recusa, quem usa. Versionado. Comercial e controladoria assinam a exclusão. Onde não houver acordo, dois nomes — receita de fechamento comercial e receita líquida do DRE — e o fim da palavra solta “receita” no chat do assistente.

4. Feche o portão (duas semanas). Humano e máquina só consultam a lista certificada para decisão que move dinheiro. Fora dela, o sistema cala. Meça a recusa. Recusa subindo no começo é sinal de vocabulário honesto, não de modelo ruim. Permissão herdada. Consumidor declarado. Caminho de volta no número que entra na apresentação: nome + versão + frescor.

5. Só então a conversa com o dado. Assistente, autoatendimento, “pergunte em português”. Agora existe a pergunta única de verdade. Agora a conversa em português tem o que o experimento mostrou que falta. O chat deixa de ser oráculo e vira interface de um dicionário que a empresa já governava.

Quem está no começo da jornada de tecnologia faz os passos 1 a 3 numa planilha e num arquivo de notas. Quem já tem plataforma de dados faz os mesmos passos no repositório que versiona a transformação. A ferramenta muda. O norte não muda. Empresa governada e empresa pequena pecam no mesmo lugar: pulam a tradução e compram a interface.

O critério de sucesso, daqui a noventa dias, cabe em quatro perguntas que a diretoria consegue fazer em voz alta:

1. Quantas fórmulas oficiais existem para a palavra que mais briga na reunião — e elas têm nomes distintos?
2. Qual decisão de dinheiro ainda consulta medida sem dono e sem recusa?
3. O assistente (ou o analista) consegue citar a versão da fórmula do número que está no slide?
4. Alguma pergunta da semana foi recusada — e a recusa evitou um número errado na apresentação?

Se (1) for “uma palavra, três contas”, você ainda está na reunião de segunda. Se (4) for “nunca recusamos”, você construiu um sistema que prefere fluência a verdade. Wang e Strong chamariam isso de dado acessível e pouco interpretável. Lenzerini chamaria de consulta sem tradução. A operação chama de reunião ruim.

Quem decide o que fazer com dados nesta organização não precisa de mais um piloto de IA. Precisa escolher, nesta semana, quais significados a empresa autoriza a circular — e quais o sistema tem a obrigação de não responder.

Dados com contexto, estratégia e prática.

Fontes

• Heterogeneidade de significado (fundação): Hull, R. (1997).Managing semantic heterogeneity in databases: A theoretical perspective. Proceedings of PODS '97.https://doi.org/10.1145/263661.263668
• Integração como fontes, pergunta única e tradução: Lenzerini, M. (2002).Data integration: A theoretical perspective. Proceedings of PODS '02, 233–246.https://doi.org/10.1145/543613.543644
• Heterogeneidade de unidade e de tempo: Madnick, S. E., & Zhu, H. (2006).Addressing the Challenges of Aggregational and Temporal Ontological Heterogeneity. MIT Sloan Research Paper No. 4570-05 / CISL 2005-11.https://ssrn.com/abstract=876954
• Qualidade além do acerto do registro: Wang, R. Y., & Strong, D. M. (1996).Beyond accuracy: What data quality means to data consumers. Journal of Management Information Systems, 12(4), 5–33.https://doi.org/10.1080/07421222.1996.11518099
• Dicionário formal de indicadores: Diamantini, C., Potena, D., & Storti, E. (2016).SemPI: A semantic framework for the collaborative construction and maintenance of a shared dictionary of performance indicators. Future Generation Computer Systems, 54, 352–365.https://doi.org/10.1016/j.future.2015.04.011
• Modelo de linguagem + significado explícito (evidência experimental): Sequeda, J. F., Allemang, D., & Jacob, B. (2024).A Benchmark to Understand the Role of Knowledge Graphs on Large Language Model's Accuracy for Question Answering on Enterprise SQL Databases. GRADES-NDA '24.https://doi.org/10.1145/3661304.3661901 — consulta crua à estrutura ~16,7%; com mapa de significado ~54,2%. Extensão com checagem e reparo: ~72,55% incluindo ~8% de “não sei” —Increasing Accuracy of LLM-powered Question Answering on SQL databases: Knowledge Graphs to the Rescue, IEEE Data Engineering Bulletin, 47(4), 2024.http://sites.computer.org/debull/A24dec/p109.pdf — síntese: Knowledge Graphs as a source of trust for LLM-powered enterprise question answering, Journal of Web Semantics, 85, 100858 (2025).https://doi.org/10.1016/j.websem.2024.100858. Trabalho de autores então numa empresa do setor; domínio de seguros; ler com desconto de fornecedor, desenho experimental revisado por pares.
• Consumidor não declarado: Sculley, D. et al. (2015).Hidden Technical Debt in Machine Learning Systems. NeurIPS 2015.https://papers.nips.cc/paper/5656-hidden-technical-debt-in-machine-learning-systems.pdf
• Governança como autoridade e controle: Abraham, R., Schneider, J., & vom Brocke, J. (2019).Data governance: A conceptual framework, structured review, and research agenda. International Journal of Information Management, 49, 424–438.https://doi.org/10.1016/j.ijinfomgt.2019.07.008
• Medida que vira meta: Strathern, M. (1997).‘Improving ratings’: Audit in the British University system. European Review, 5(3), 305–321.https://doi.org/10.1002/(SICI)1234-981X(199707)5:3%3C305::AID-EURO184%3E3.0.CO;2-X — formulação clássica da lei de Goodhart. Muller, J. Z. (2018).The Tyranny of Metrics. Princeton University Press.
• Reconhecimento de receita (norma, não opinião): CPC 47 — Receita de Contrato com Cliente (correlação à IFRS 15). Princípio: reconhecer quando (ou à medida que) a obrigação de desempenho é satisfeita e o cliente obtém o controle do ativo; contraprestação esperada, excluídas quantias cobradas em nome de terceiros.http://static.cpc.aatb.com.br/Documentos/527_CPC_47_Rev%2021.pdf
• Contrato de dados (prática de engenharia): Sanderson, C.The Rise of Data Contracts.https://dataproducts.substack.com/p/the-rise-of-data-contracts — situado no arco de esteira de dados.
• Agentes em produção e gargalo de dado (contexto): Anthropic & Material.The 2026 State of AI Agents Report. Relatório de fornecedor.https://resources.anthropic.com/hubfs/The%202026%20State%20of%20AI%20Agents%20Report.pdf — discutido em Agente de IA já está em produção.
• Padrão aberto de intercâmbio de significado (indústria, 2026): Snowflake / OSI working group.Specification Now Live (27 jan. 2026). Anúncio de fornecedor.https://www.snowflake.com/en/blog/open-semantic-interchanges-specs-finalized/ — especificação: https://github.com/open-semantic-interchange/OSI
• Arco interno:Antes de ser data-driven·Painel não é decisão·VooAI·IA sem dados confiáveis