Governança de BI com IA: evitar divergências de métricas e halucinações

Gere um guia prático para organizações que substituíram ferramentas de BI tradicionais por Inteligência Artificial em dashboards. Considere um caso em que um CEO cancela o tooling de BI (por exemplo Metabase) e entrega a equipe para 'usar IA' para tudo, levando a divergências entre vendas e finanças e a métricas imprecisas. Aborde por que IA pode halucinar números quando as tabelas subjacentes não estão limpas ou atualizadas e como o time de dados pode evitar esse problema. Forneça um checklist em etapas acionáveis sobre governança de dados (definição e unicidade de métricas, limpeza e atualização de ETL, fontes confiáveis, governança de metadados), governança de IA (limites de uso, validação de resultados, controles de qualidade, monitoração de performance), e governança de dashboards (versões, consistência entre fontes, definição clara de métricas como ativo de clientes). Inclua ainda: 1) um conjunto de perguntas a fazer antes de adotar IA para dashboards; 2) estratégias de validação cruzada entre BI tradicional e IA; 3) padrões de documentação de métricas; 4) um modelo de contrato com fornecedores de IA voltado a dados internos e governança. Use linguagem clara, exemplos simples e passos práticos. Além disso, analise qual ferramenta de IA seria mais adequada para esse cenário entre as opções: chatgpt, claude, deepseek, gemini, copilot, perplexity. Justifique a escolha, destacando riscos de halucinação, acurácia, privacidade, integração com dados e governança. Termine com métricas de sucesso para a implementação e um plano de mitigação de riscos.