{"id":2861,"date":"2026-09-17T11:11:01","date_gmt":"2026-09-17T14:11:01","guid":{"rendered":"https:\/\/jmlgrupo.com.br\/blog\/?p=2861"},"modified":"2026-09-17T12:33:30","modified_gmt":"2026-09-17T15:33:30","slug":"antes-do-preco-a-triagem","status":"publish","type":"post","link":"https:\/\/jmlgrupo.com.br\/blog\/antes-do-preco-a-triagem\/","title":{"rendered":"ANTES DO PRE\u00c7O, A TRIAGEM"},"content":{"rendered":"\n

Por que mais dados, mais IA ou mais automa\u00e7\u00e3o n\u00e3o resolvem sozinhos a pesquisa de pre\u00e7os nas compras p\u00fablicas<\/strong><\/p>\n\n\n\n

Vers\u00e3o de divulga\u00e7\u00e3o do estudo completo \u201cAntes do Pre\u00e7o, a Triagem\u201d.<\/em><\/p>\n\n\n\n

Duas horas, sete pre\u00e7os, nenhuma certeza<\/strong><\/p>\n\n\n\n

Marina abre o PNCP \u00e0s oito da manh\u00e3. Precisa do pre\u00e7o de uma seringa descart\u00e1vel de 10 ml. Parece f\u00e1cil. Ela digita \u201cseringa\u201d. Milhares de resultados. Tenta \u201cseringa 10 ml\u201d. No primeiro processo, encontra s\u00f3 agulha. No segundo, a seringa tem agulha, caixa com 100. No terceiro \u00e9 por unidade, mas n\u00e3o diz se tem agulha.  Duas horas depois, Marina tem sete pre\u00e7os e uma d\u00favida: encontrou sete pre\u00e7os do mesmo produto?<\/p>\n\n\n\n

O problema nem \u00e9 tanto encontrar pre\u00e7os. \u00c9 saber quais pre\u00e7os pertencem \u00e0 mesma compara\u00e7\u00e3o.<\/em><\/strong><\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Figura 1 \u2014 Uma busca pode recuperar registros nominalmente parecidos e economicamente diferentes.<\/em><\/p>\n\n\n\n

Hoje, grande parte da pesquisa acontece na cabe\u00e7a de quem busca pre\u00e7os. O sistema recupera registros, mas \u00e9 o usu\u00e1rio quem decide o que serve. \u00c9 esse trabalho anterior ao c\u00e1lculo que chamamos de triagem<\/strong>.<\/p>\n\n\n\n

A m\u00e9dia chega muito depois<\/strong><\/h3>\n\n\n\n

Quando se discute pesquisa de pre\u00e7os, a conversa costuma ir rapidamente para m\u00e9dia, mediana, m\u00e9dia saneada, outliers. Tudo isso importa. Mas existe uma sequ\u00eancia anterior. E mais fundamental. Imagine que algu\u00e9m colocou numa planilha os pre\u00e7os de caixa com 20 comprimidos, pacote com 100, unidade avulsa e um produto com dosagem diferente. A mediana pode estar matematicamente perfeita e ser economicamente in\u00fatil. O c\u00e1lculo n\u00e3o consegue corrigir sozinho a fragilidade da amostra.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Figura 2 \u2014 Antes do c\u00e1lculo, quatro decis\u00f5es precisam estar razoavelmente resolvidas<\/em><\/p>\n\n\n\n

J\u00e1 existem experi\u00eancias que resolveram peda\u00e7os do problema. A CGU j\u00e1 criou algoritmo para tornar homog\u00eaneos atributos e unidades antes de calcular estat\u00edsticas. Minas Gerais reuniu milh\u00f5es de registros de variadas fontes e desenvolveu o \u201cQuanto Custa\u201d. O Banco de Pre\u00e7os em Sa\u00fade acumulou conhecimento especializado em medicamentos. O Rio Grande do Sul usa notas fiscais para estimar pre\u00e7os.

A tecnologia tamb\u00e9m avan\u00e7ou. IA consegue aproximar textos diferentes, extrair atributos, sugerir c\u00f3digos e encontrar candidatos que uma busca literal n\u00e3o localizaria. O problema \u00e9 ir de \u201cparecido\u201d para \u201ccompar\u00e1vel\u201d.\u201cSeringa 10ml\u201d e \u201cseringa 20ml\u201d s\u00e3o textos muito pr\u00f3ximos. N\u00e3o s\u00e3o o mesmo produto. Uma caixa com 20 comprimidos e outra com 100 podem ser o mesmo medicamento, mas os pre\u00e7os precisam de uma unidade comum. E mesmo dois registros do mesmo exato produto podem ter pre\u00e7os formados em condi\u00e7\u00f5es muito diferentes. Dez unidades entregues com urg\u00eancia numa cidade distante n\u00e3o s\u00e3o necessariamente uma boa refer\u00eancia para cem mil unidades entregues num centro de distribui\u00e7\u00e3o.<\/p>\n\n\n\n

A IA pode ajudar a encontrar. Ainda precisamos decidir.<\/em><\/strong><\/p>\n\n\n\n

Mais dados podem piorar a pesquisa<\/strong><\/h3>\n\n\n\n

A Lei n\u00ba 14.133\/2021 prometeu ao PNCP um Painel Nacional de Pre\u00e7os, um Banco de Pre\u00e7os em Sa\u00fade e acesso \u00e0 base nacional de notas fiscais eletr\u00f4nicas. A NF-e parece particularmente atraente porque costuma informar melhor o que foi faturado: marca, modelo, GTIN, NCM, unidade comercial, quantidade e apresenta\u00e7\u00e3o.<\/p>\n\n\n\n

\u00d3timo. Mas aparece outro problema. Imagine uma licita\u00e7\u00e3o de 1.000 unidades por R$ 10 cada. O fornecedor entrega em vinte remessas de cinquenta unidades e emite vinte notas fiscais. Quantos pre\u00e7os de mercado temos? Um.<\/p>\n\n\n\n

Se cada nota entrar como uma nova observa\u00e7\u00e3o independente, o sistema passar\u00e1 a enxergar vinte compras de cinquenta unidades a R$ 10. A escala que formou o pre\u00e7o desaparece. Contratos com mais entregas parceladas tamb\u00e9m ganham artificialmente mais peso na amostra. Esse tipo de erro \u00e9 conhecido como pseudorreplica\u00e7\u00e3o: estamos contando v\u00e1rias vezes a mesma evid\u00eancia.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Figura 3 \u2014 Vinte documentos de execu\u00e7\u00e3o n\u00e3o significam vinte negocia\u00e7\u00f5es independentes.<\/em><\/p>\n\n\n\n

Por isso, integrar NF-e n\u00e3o basta. \u00c9 preciso ligar edital, resultado, ata, contrato, ordem de fornecimento, nota fiscal, recebimento e liquida\u00e7\u00e3o para reconstruir o neg\u00f3cio em que aquele pre\u00e7o nasceu. A nota fiscal sabe bastante sobre o produto. A licita\u00e7\u00e3o conta a negocia\u00e7\u00e3o. Precisamos das duas.<\/p>\n\n\n\n

Dado demais, contexto de menos<\/strong><\/h3>\n\n\n\n

O problema j\u00e1 aparece antes da NF-e. A Transpar\u00eancia Brasil encontrou milhares de duplicidades no PNCP. Tamb\u00e9m encontrou milhares de produtos repetidos dentro da mesma compra. Parte desses casos pode ser leg\u00edtima, talvez lotes distintos ou tratamento favorecido a pequenas empresas. O ponto \u00e9 justamente este: olhando apenas a linha, nem sempre d\u00e1 para saber o que ela representa.<\/p>\n\n\n\n

O TCU encontrou outro sintoma: mais de quinhentas compras estimadas acima de R$ 100 milh\u00f5es e valor homologado pelo menos cem vezes menor. Havia estimativa de R$ 900 bilh\u00f5es homologada por R$ 30 mil.<\/p>\n\n\n\n

Se os auditores mais bem equipados do pa\u00eds precisam separar erro de cadastro de irregularidade real, triagem n\u00e3o \u00e9 burocracia adicional para o comprador. \u00c9 uma capacidade que falta ao sistema inteiro.<\/p>\n\n\n\n

Quando a triagem decide quem compete com quem<\/strong><\/p>\n\n\n\n

At\u00e9 aqui parece que estamos discutindo apenas pesquisa de pre\u00e7os. N\u00e3o estamos. A mesma capacidade de reconhecer produtos equivalentes serve para decidir quem concorre com quem. E a\u00ed o problema fica maior.<\/p>\n\n\n\n

O melhor exemplo vem do Chile. L\u00e1 os pr\u00f3prios fornecedores preenchiam atributos dos produtos ofertados. O cat\u00e1logo parecia ter enorme variedade. S\u00f3 parecia.<\/p>\n\n\n\n

Pesquisadores descobriram que mais de 7 mil registros correspondiam a menos de 3 mil produtos. Muitas ofertas equivalentes apareciam no sistema como coisas diferentes, inviabilizando a disputa. Quando a descri\u00e7\u00e3o dependia inteiramente do fornecedor, quase tudo era vendido sem disputa.<\/p>\n\n\n\n

A corre\u00e7\u00e3o come\u00e7ou pelo cadastro. Primeiro organizaram categorias e atributos, usaram IA para ganhar escala e revis\u00e3o humana nos casos duvidosos. S\u00f3 depois conseguiram redesenhar a competi\u00e7\u00e3o e economizar, estimulando maior competi\u00e7\u00e3o. Padronizar tornou poss\u00edvel dinamizar as disputas.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Figura 4 \u2014 No Chile, organizar a identidade do produto foi condi\u00e7\u00e3o para redesenhar a competi\u00e7\u00e3o.<\/em><\/p>\n\n\n\n

E o Sicx?<\/strong><\/h3>\n\n\n\n

A experi\u00eancia chilena interessa diretamente ao Brasil. O sistema do Sicx prev\u00ea objetos padronizados, ofertas e ranqueamento autom\u00e1tico. O decreto fala expressamente em comparabilidade, e precisa falar.<\/p>\n\n\n\n

Todo ranking come\u00e7a antes do algoritmo. Quando o sistema decide quais ofertas s\u00e3o do mesmo conjunto.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Figura 5 \u2014 O mesmo erro de identidade produz efeitos diferentes no Painel e no Sicx.<\/em><\/p>\n\n\n\n

O decreto exige transpar\u00eancia dos crit\u00e9rios, pesos e par\u00e2metros usados no ranqueamento. Isso \u00e9 positivo. Mas existe uma pergunta anterior: por que aquelas ofertas foram colocadas no mesmo ranking? Ou, no caso oposto, por que duas ofertas equivalentes ficaram em conjuntos diferentes?<\/p>\n\n\n\n

Explicar muito bem quem ficou em primeiro e segundo lugar ajuda pouco se ningu\u00e9m consegue explicar por que aqueles concorrentes foram colocados na mesma corrida.<\/em><\/strong><\/p>\n\n\n\n

O Sicx \u00e9 oportunidade rara porque pode fazer a compara\u00e7\u00e3o nascer melhor na origem. E pode automatizar um problema antigo. Vai depender de como cat\u00e1logo e regras de equival\u00eancia forem constru\u00eddos.<\/p>\n\n\n\n

O que o Painel Nacional precisa saber antes de calcular<\/strong><\/h3>\n\n\n\n

A solu\u00e7\u00e3o n\u00e3o parece ser um grande algoritmo central capaz de resolver qualquer mercado. Caf\u00e9, medicamento, pneu e equipamento m\u00e9dico n\u00e3o precisam dos mesmos atributos. Alguma coisa, por\u00e9m, precisa ser comum: o que foi comprado, em que unidade, a que neg\u00f3cio cada documento pertence e por que dois registros podem ou n\u00e3o entrar na mesma compara\u00e7\u00e3o.<\/p>\n\n\n\n

Depois disso, um Painel oficial pode calcular refer\u00eancias nacionais. O BPS pode manter curadoria especializada em sa\u00fade. Outros setores podem fazer o mesmo. Universidades, \u00f3rg\u00e3os de controle, empresas e ferramentas de IA podem usar a mesma mat\u00e9ria-prima para construir solu\u00e7\u00f5es diferentes.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Figura 6 \u2014 Uma base p\u00fablica comum pode sustentar o Painel oficial, motores setoriais e ferramentas externas.<\/em><\/p>\n\n\n\n

A Lei exige um Painel Nacional de Pre\u00e7os. N\u00e3o exige que toda intelig\u00eancia sobre os dados p\u00fablicos caiba numa \u00fanica tela. O Estado tem um papel especialmente importante porque h\u00e1 coisas que s\u00f3 a origem consegue garantir. Se a dose do medicamento nunca foi informada, ferramenta nenhuma recupera a dose com certeza. Se a unidade desapareceu, algu\u00e9m ter\u00e1 de adivinhar. Se contrato e nota fiscal n\u00e3o t\u00eam v\u00ednculo, reconstruir a compra fica muito mais caro.<\/p>\n\n\n\n

Corrigir o dado quando ele nasce costuma ser mais barato do que tentar descobri-lo anos depois.<\/em><\/strong><\/p>\n\n\n\n

E quem est\u00e1 pesquisando hoje?<\/strong><\/h3>\n\n\n\n

N\u00e3o precisamos esperar que toda essa infraestrutura exista. H\u00e1 perguntas que qualquer pesquisa j\u00e1 pode fazer antes de aceitar o n\u00famero.<\/p>\n\n\n\n

1<\/strong><\/td>Sei exatamente que produto cada registro representa?<\/td><\/tr>
2<\/strong><\/td>Os pre\u00e7os est\u00e3o na mesma unidade?<\/td><\/tr>
3<\/strong><\/td>Estou contando compras diferentes ou documentos da mesma compra?<\/td><\/tr>
4<\/strong><\/td>Consigo explicar por que cada pre\u00e7o entrou ou saiu?<\/td><\/tr>
5<\/strong><\/td>A amostra \u00e9 boa o bastante ou estou for\u00e7ando um n\u00famero?<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

A \u00faltima pergunta talvez seja a mais desconfort\u00e1vel. Sistemas foram feitos para responder. \u00c0s vezes, por\u00e9m, a resposta correta \u00e9: n\u00e3o h\u00e1 compar\u00e1veis suficientes. O objeto pode ser incomum, a especifica\u00e7\u00e3o est\u00e1 estreita demais. Um n\u00famero qualquer fecha a tela. N\u00e3o necessariamente melhora a contrata\u00e7\u00e3o.<\/p>\n\n\n\n

O desafio \u00e9 maior que o Painel de Pre\u00e7os<\/strong><\/h3>\n\n\n\n

Come\u00e7amos tentando resolver a pesquisa de pre\u00e7os. No caminho, percebemos que o mesmo problema aparece em outras decis\u00f5es. Para pesquisar pre\u00e7os, precisamos saber quais neg\u00f3cios passados pertencem \u00e0 mesma compara\u00e7\u00e3o. Para organizar o Sicx, precisamos saber quais ofertas pertencem ao mesmo mercado. Para modelar estrat\u00e9gias de compras, tamb\u00e9m precisamos reconhecer objetos compar\u00e1veis.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Figura 7 \u2014 A mesma capacidade de reconhecer objetos compar\u00e1veis sustenta o espa\u00e7o de evid\u00eancia e o espa\u00e7o competitivo.<\/em><\/p>\n\n\n\n

Marina continua precisando de um n\u00famero at\u00e9 o fim do dia. O Estado consegue lhe dar um n\u00famero. Uma plataforma privada tamb\u00e9m. Uma IA pode produzir um em segundos.<\/p>\n\n\n\n

A dificuldade est\u00e1 em outra parte: o que o n\u00famero realmente compara e por que merece ser usado?<\/em><\/strong><\/p>\n\n\n\n

Para continuar a conversa, leia o estudo completo <\/strong>AQUI<\/strong><\/a>.<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

Por que mais dados, mais IA ou mais automa\u00e7\u00e3o n\u00e3o resolvem sozinhos a pesquisa de pre\u00e7os nas compras p\u00fablicas Vers\u00e3o […]<\/p>\n","protected":false},"author":108,"featured_media":2869,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[916,918],"tags":[],"coauthors":[917,932],"class_list":["post-2861","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-compras-publicas","category-pesquisa-de-precos"],"acf":[],"_links":{"self":[{"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/posts\/2861","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/users\/108"}],"replies":[{"embeddable":true,"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/comments?post=2861"}],"version-history":[{"count":2,"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/posts\/2861\/revisions"}],"predecessor-version":[{"id":2873,"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/posts\/2861\/revisions\/2873"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/media\/2869"}],"wp:attachment":[{"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/media?parent=2861"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/categories?post=2861"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/tags?post=2861"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/jmlgrupo.com.br\/blog\/wp-json\/wp\/v2\/coauthors?post=2861"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}