Grandes empresas brasileiras estão implantando IA generativa em processos críticos agora, e a maioria delas está fazendo isso sem conseguir responder uma pergunta simples: se alguém pedisse hoje uma lista de todos os dados que um agente de IA está usando para tomar decisões, de onde eles vêm, se são confiáveis e quem é o responsável por eles, essa resposta existiria? Na maior parte dos casos, não. Essa é a lacuna que um catálogo de dados resolve, e é o motivo pelo qual a Jump está desenvolvendo propostas de implantação do OpenMetadata, plataforma de código aberto com mais de 3.000 implantações empresariais globais, para clientes que chegaram ao ponto em que a IA funciona em piloto mas não consegue escalar com segurança porque a fundação de dados embaixo dela ainda não está visível nem governada.
O problema que virou urgente quando a IA entrou em produção
Um catálogo de dados é o sistema que centraliza tudo que uma organização sabe sobre seus próprios: onde cada conjunto de informações existe, quem é responsável por ele, de onde veio, com quais outros sistemas se conecta, se passou por verificação de qualidade e quem pode acessá-lo. Durante anos, esse tipo de ferramenta foi tratada como projeto de documentação, útil para auditorias e compliance, mas ignorado pela maioria dos times no dia a dia. O argumento para investir nela sempre competiu com outras prioridades e raramente vencia.
O que mudou não foi a ferramenta, mas o que passou a consumir esses dados. Analistas humanos, quando encontram uma tabela desatualizada ou com definição ambígua, perguntam para alguém. Agentes de IA não perguntam, eles agem com base no que encontram, e se o que encontram está errado, a resposta que produzem carrega o mesmo nível de confiança com que carregaria uma resposta certa. Esse comportamento tem nome técnico, alucinação, e a causa mais frequente em ambientes corporativos não é o modelo de IA sendo impreciso: é o dado que o modelo recebeu sendo incompleto, desatualizado ou sem contexto suficiente para ser interpretado corretamente.
A escala do problema fica clara quando se considera o que dados fragmentados significam na prática. A maioria dos programas de governança de dados não falha por falta de política. Falha porque as respostas para perguntas básicas, qual tabela de clientes é confiável, o que acontece se esse modelo de transformação mudar, quem é dono desse dado, estão espalhadas entre warehouses, projetos de pipeline, planilhas, threads de comunicação interna e conhecimento tácito de pessoas que podem não estar mais na empresa. Adicionar agentes de IA sobre esse cenário sem resolver a fragmentação não é acelerar o negócio: é garantir que os agentes tomem decisões sobre contexto incompleto em velocidade maior do que qualquer processo manual conseguiria detectar.
O que o OpenMetadata resolve que outros sistemas não resolveram
O OpenMetadata resolve o problema histórico que fazia projetos de catálogo morrerem antes de chegar à produção: a dependência de documentação manual. Com mais de 120 conectores para os principais sistemas de dados do mercado, incluindo Databricks, Snowflake, dbt, Airflow, Tableau e Power BI, a plataforma coleta metadados diretamente dos sistemas de origem de forma automática e contínua. Isso significa que o catálogo se mantém atualizado sem depender de que alguém lembre de documentar cada mudança, que é exatamente onde os projetos de catálogo anteriores falhavam.
A versão lançada em junho de 2025 adicionou data contracts ao repertório da plataforma: acordos formais e verificáveis por máquina que definem o que cada conjunto de dados deve ser em termos de esquema, qualidade e prazo de atualização. Quando um data contract está ativo, qualquer sistema que consuma aquele dado, incluindo um agente de IA, pode verificar automaticamente se o dado que está recebendo cumpre as condições acordadas antes de usá-lo. Isso transforma o catálogo de um sistema de documentação em um mecanismo de confiança operacional.
Para um agente de IA que consulta dados, a diferença é concreta. Sem catálogo, o agente recebe uma tabela e faz o melhor que pode com o que encontra. Com o OpenMetadata configurado, o agente recebe junto com a tabela o status de certificação daquele dado, quem é o responsável técnico e de negócio, quais verificações de qualidade foram aprovadas e quando, quais campos contêm informações sensíveis e quais contratos de dados estão ativos. Essa camada de contexto verificado é o que separa um agente que responde com confiança de um agente que responde com precisão.
O projeto é de código aberto e API-first, o que significa que times com capacidade de engenharia podem hospedar a plataforma internamente, estender entidades de metadados e integrar operações de catálogo à própria arquitetura de dados da organização sem dependência de fornecedor. Para organizações que já operam sobre Databricks ou Snowflake, a integração nativa com essas plataformas permite que o catálogo reflita automaticamente as mudanças de schema, linhagem e qualidade que acontecem nesses ambientes, sem esforço adicional dos times de dados.
Por que isso importa para quem leva governança de IA a sério
A relação entre catálogo de dados e governança de IA certificada não é apenas lógica: é técnica e regulatória. A ISO 42001, padrão global de gestão de inteligência artificial do qual a Jump é uma das únicas empresas brasileiras certificadas, exige que organizações mantenham documentação rastreável sobre os dados que alimentam seus sistemas de IA, com linhagem verificável e mecanismos de controle de qualidade ativos. Um catálogo com coleta automática de metadados e data contracts é parte concreta da evidência que sustenta essa certificação.
Para organizações que usam modelos de IA sobre dados internos, o catálogo cumpre o papel de camada de rastreabilidade: qualquer decisão tomada por um sistema de IA pode ser conectada ao dado que a fundamentou, com informação sobre qualidade, linhagem e responsabilidade daquele dado no momento exato em que foi consultado. Sem essa camada, auditar decisões de IA é impossível na prática. Com ela, a organização consegue responder a reguladores, clientes e seu próprio conselho de administração com evidência documentada, não apenas com intenções declaradas.
O EU AI Act, com obrigações progressivamente ativas desde 2025, e o PL 2338, que tramita no Brasil com estrutura similar, convergem nesse ponto: sistemas de IA de alto risco precisam de documentação de dados rastreável e mecanismos de supervisão que funcionem. Organizações que implementam um catálogo de dados como parte da sua estratégia de IA não estão apenas melhorando a eficiência dos seus agentes: estão construindo a evidência que a regulação vai exigir.
A Jump está desenvolvendo as implantações do OpenMetadata com essa perspectiva como ponto de partida, conectando a capacidade técnica da plataforma com os requisitos de governança da ISO 42001 e com a arquitetura de dados que cada cliente já opera. O catálogo não é um projeto separado da estratégia de IA: é a infraestrutura que torna a estratégia de IA sustentável. Quando o problema de dados fragmentados se torna visível em produção, geralmente já virou incidente. O trabalho de evitar esse incidente começa antes, e começa pelo mapa, fale com a Jump.
Referências
DQLabs. Best Data Catalog Tools in 2026: A Buyer’s Guide, jun. 2026.
Marmot Data. Best Data Catalogs for AI Agents in 2026, jul. 2026.
ToolWorthy. OpenMetadata Review 2026.
Medium / Antonio Soto. Using AI for Data Governance with dbt and OpenMetadata, jun. 2026.
Atlan. 16 Best Data Catalog Tools in 2026: Buyer’s Guide, abr. 2026.
Thoughtworks. The State of Data Mesh in 2026, jul. 2026.
ISO/IEC. ISO/IEC 42001:2023 Artificial Intelligence Management System.
Comissão Europeia. EU AI Act Official Implementation Page.
Acessar o blog da Jump
