Arthur Guttilla Head of Product Marketing, Strattum Com passagens na Amazon Web Services e no Google, Guttilla trabalhou diretamente com fundadores de startups e empresas de capital de risco, compreendendo as necessidades de empresas tecnológicas em estágio inicial na interseção entre tecnologia e negócios.
Em resumo
Uma diretora financeira recebe de um agente de IA o valor da receita recorrente do trimestre e faz a pergunta seguinte: de onde saiu esse número? Se a resposta for só o número, ele não entra no material do conselho. Saber de qual sistema o dado saiu, por quais cálculos passou e em nome de quem foi consultado é o que a linhagem de dados registra. Ela torna uma resposta auditável e é parte do Company Brain, a camada que conhece a empresa: quais dados existem, onde vivem, como se relacionam e quem pode ver o quê.
A linhagem de dados é o registro de onde um dado veio, por quais transformações passou e onde ele é consumido. Ela descreve o caminho de um valor desde o sistema de origem, passando por cargas, junções, cálculos e agregações, até o relatório, o painel ou a aplicação que o exibe. Em inglês, o termo é data lineage.
O registro pode ter dois níveis de detalhe. Em nível de tabela, mostra que a tabela de receita mensal é alimentada pelas tabelas de faturas do ERP e de contratos do CRM. Em nível de coluna, mostra que o campo receita líquida é calculado a partir do valor faturado, do desconto e do cancelamento, cada um vindo de uma coluna específica. O nível de coluna custa mais para manter e é o que responde perguntas sobre um campo isolado.
Há esforços para padronizar esse registro entre ferramentas. A especificação aberta OpenLineage, hospedada pela LF AI & Data Foundation, descreve a linhagem com três entidades: os jobs, as execuções de cada job e os conjuntos de dados que eles consomem e produzem.
Antes da IA, a linhagem de dados já resolvia quatro problemas recorrentes:
Uma resposta gerada por IA é mais um ponto de consumo do dado. Ela tem origem e transformações como qualquer relatório, com dois elementos novos: a interpretação da pergunta e a escolha do contexto enviado ao modelo.
Para ser auditável, a linhagem de dados de uma resposta precisa registrar:
Nas áreas em que cada número vira decisão ou obrigação, uma resposta sem caminho de volta fica parada na validação. A controladoria não fecha o mês com um valor que não consegue conciliar com o ERP. O jurídico não cita uma cláusula sem saber de qual versão do contrato ela saiu.
Esse é um dos motivos pelos quais pilotos de IA nessas áreas param antes da produção. A resposta pode até estar correta, e ninguém consegue demonstrar isso. A conferência manual de cada resposta consome o tempo que o piloto deveria liberar.
No Company Brain, a linhagem acompanha o contexto desde a conexão com as fontes. Cada entidade do grafo de conhecimento guarda os registros de origem que a compõem. Cada termo resolvido pela ontologia do negócio aponta a definição usada. A camada semântica registra como a pergunta foi traduzida em consulta.
Quando o contexto é servido ao modelo via MCP, cada informação segue com a referência do sistema e do registro de onde saiu, e a consulta roda com a permissão herdada de quem perguntou. A resposta pode ser reconstruída depois com a mesma pergunta, as mesmas definições e os mesmos registros, na data em que foi feita.
O mesmo registro serve à análise de impacto. Se a coluna de desconto muda de nome no ERP, a linhagem mostra quais definições, perguntas recorrentes e agentes dependem dela antes que a mudança chegue à produção.
A linhagem de dados é tão completa quanto os metadados que a alimentam. Transformações feitas em planilhas locais, scripts sem versionamento ou processos manuais ficam fora do registro, e o caminho aparece com lacunas.
Sistemas legados sem log de alteração impõem outro limite. É possível registrar de qual tabela o dado foi lido e quando, e nem sempre é possível saber quem alterou o valor na origem e por quê. Nesses casos, o registro vai até onde o sistema permite e deixa a lacuna visível para quem audita.
Mapear a linhagem de todos os dados da empresa antes de colocá-la em uso costuma travar o projeto. O ponto de partida prático é uma pergunta que precisa ser auditável hoje, como a receita reconhecida do trimestre ou o prazo contratual de um cliente estratégico.
Essa pergunta define as fontes, as definições e as transformações que precisam de registro desde o primeiro dia. Cada pergunta seguinte reaproveita o caminho já mapeado, e a área responsável consegue verificar a origem de cada resposta sem refazer a consulta à mão.