Não se pode compartilhar, reutilizar ou explorar o que não é conhecido e regulamentado. Num momento em que todos os órgãos públicos desejam participar da economia de dados, implementar casos de uso de inteligência artificial ou aderir aos Espaços Europeus de Dados, o primeiro passo continua sendo o mais difícil. E esse primeiro passo tem um nome: governança de dados.
A tentação de conectar tudo e por que isso é um erro.
Quando uma administração decide abrir seus dados ou alimentar um catálogo corporativo, a tentação é grande: conectar diretamente sistemas transacionais ou data lakes a um portal público e permitir que o cidadão, a empresa ou o agente acessem esses dados.eresO Sat resolve isso. Parece rápido, parece eficiente, parece moderno.
Mas expor dados brutos, sem inventário, higienização e enriquecimento semântico prévios, é a receita perfeita para três problemas bem conhecidos no setor público: inconsistências que corroem a confiança, riscos legais decorrentes da exposição inadequada de dados pessoais e, por fim, repositórios que ninguém utiliza porque ninguém entende o que contêm. Construir um ecossistema de dados interoperável não é um problema técnico de exportação, mas uma jornada estratégica que transforma o caos informacional em valor público real.
Pense em domínios, não em sistemas.
A jornada começa, paradoxalmente, afastando-se da tecnologia. Antes de analisar bancos de dados ou implementar ferramentas, uma organização precisa compreender seu panorama informacional por meio dos chamados Domínios de Informação: agrupamentos de dados em torno de uma área temática coerente e delimitada, como mobilidade, saúde, educação, sustentabilidade ou serviços sociais.
A definição desses domínios nos permite responder à questão fundamental de toda governança: quem é responsável por essas informações? Quando a responsabilidade é atribuída às áreas de negócio e não aos departamentos de TI, garantimos que a governança sobreviva às mudanças organizacionais e às inevitáveis migrações de sistemas. É o passo que nos permite romper com os silos e avançar em direção a modelos de governança federada, como os propostos pelo paradigma Data Mesh.
O inventário técnico e o papel da inteligência artificial.
Com o mapa de responsabilidades definido, é hora de colocar a mão na massa.eresO inventário técnico dos ativos de dados inclui sistemas, tabelas, arquivos, APIs e repositórios de documentos. Realizar esse trabalho manualmente em uma organização de complexidade moderada — e as administrações são — é inviável. A automação não é uma opção, é uma necessidade. Ferramentas de autodescoberta (rastreadores de dados) que se conectam a bancos de dados para extrair esquemas e metadados são essenciais para manter o registro atualizado.
No entanto, aqui devemos lembrar uma das armadilhas mais comuns da governança de dados: a tecnologia é uma condição necessária, mas nunca suficiente. Comprar uma plataforma de catálogo não significa ter governança. Os gestores de dados e os líderes empresariais precisam fornecer o contexto que nenhuma ferramenta consegue inferir sozinha.
É aqui que a inteligência artificial generativa está mudando o jogo. Onde antes uma pessoa precisava decifrar o significado de um campo técnico opaco, hoje ferramentas com IA analisam estruturas, dados de exemplo e documentação esparsa para propor mapeamentos semânticos automáticos. A IA não só ajuda a construir glossários de negócios, como também pode cruzar informações sobre a demanda do consumidor com o estoque existente e sugerir quais combinações de ativos têm maior potencial para se tornarem produtos de dados prontos para o consumidor.
Da matéria-prima ao produto de dados
Ter um inventário automatizado e controlado é um marco importante, mas o inventário é uma ferramenta para uso interno. Nem tudo que inventariamos merece ser catalogado ou publicado. É necessário um processo de seleção e design que transforme ativos brutos em verdadeiros produtos de dados.
Um produto de dados é sempre concebido a pensar no consumidor e, por conseguinte, raramente será um còpia O formato exato de uma tabela. Criá-la é um exercício de curadoria: traduzir a linguagem técnica para o vocabulário empresarial, vincular cada campo a um glossário corporativo inequívoco, aplicar transformações estruturais, agregar microdados para gerar indicadores estatísticos úteis e, muitas vezes, combinar vários recursos para fornecer um contexto completo.
Essa transformação não pode ser dissociada da privacidade desde a concepção. Antes de qualquer publicação, é imprescindível aplicar Técnicas de Aprimoramento da Privacidade (TAP), como anonimização ou pseudonimização, para mitigar riscos éticos e legais. Somente assim obtemos um ativo padronizado, protegido com segurança e acompanhado de métricas de qualidade e contratos de uso claros.
DCAT-AP-ES: a linguagem comum para falar com o mundo
Uma vez criados os produtos de dados, eles precisam ser expostos. O catálogo de produtos de dados é o serviço que o viabiliza, mas, para que nosso catálogo não seja uma ilha, ele precisa falar uma linguagem universal. É aqui que entra a adoção do DCAT-AP-ES e seus derivados setoriais.
Este perfil de aplicação, enquanto padrão estrutural para metadados, é o que garante a interoperabilidade. Ele permite descrever não apenas o conteúdo do produto de dados, mas também quem o edita, com que frequência é atualizado e sob quais licenças é distribuído (com vocabulários como o ODRL). A adoção deste padrão é a porta de entrada para os Espaços de Dados Europeus. Um catálogo bem construído com base neste padrão deixa de ser um simples localizador de arquivos para se tornar o alicerce da confiança digital: ele possibilita a verificação da identidade, a observabilidade e, em última instância, a automatização das transações entre organizações.
Em direção a uma IA com agentes e mercados de conhecimento
A jornada não termina com a publicação. As organizações que dominam essa cadeia produtiva estão lançando as bases para um futuro imediato em que o catálogo evolui para um verdadeiro Mercado do Conhecimento. Nesse cenário, os consumidores do nosso catálogo não serão mais apenas analistas humanos: serão agentes de inteligência artificial e contratos inteligentes capazes de localizar informações em ecossistemas federados, compreender suas restrições legais, negociar o acesso a elas e compor respostas complexas de forma autônoma e governada.
Para a administração pública, esse horizonte não é ficção científica: é a consequência lógica de um trabalho anterior bem-feito.
Conclusão: não existe certoeres
O entusiasmo em participar de Espaços de Dados, compartilhar informações com outras administrações ou implementar casos de uso avançados de IA não pode nos fazer esquecer os fundamentos. Ignorar a fase interna de descoberta e governança é a maneira mais segura de construir silos insustentáveis e expor nossas organizações a riscos legais e de reputação.
A automação e a inteligência artificial oferecem-nos hoje um atalho inestimável para gerir ativos técnicos a uma velocidade e escala impensáveis há poucos anos. Mas a transição do inventário técnico para o catálogo de negócios continua a exigir uma abordagem centrada no utilizador, rigor no design do produto e compromisso com normas abertas.
Os dados deixam de ser um passivo técnico oculto em um servidor quando percorrem todo o caminho: domini → inventário → produto → catálogo → ecossistemaSó então se torna um ativo confiável e governável, pronto para se conectar com o mundo.
Na AOC, acreditamos que este é o caminho que todas as administrações catalãs devem trilhar se quiserem ser protagonistas — e não meras espectadoras — da economia de dados. E é um caminho que não pode ser percorrido isoladamente: exige normas comuns, infraestruturas partilhadas e uma visão nacional que coloque a governança de dados no centro da transformação digital do setor público.
Assim, na Rede de Governos Locais Inteligentes, já estamos trabalhando para tornar esse caminho acessível a todas as entidades locais, independentemente de seu porte e capacidade técnica. O objetivo é disponibilizar ao mundo local alguns instrumentos mínimos, comuns e reutilizáveis para a governança de dados: modelos de referência, critérios metodológicos, vocabulários compartilhados, diretrizes para inventário e catalogação e serviços comuns que evitem que cada administração tenha que começar do zero. Para as câmaras municipais, conselhos distritais e entidades dependentes, esse esforço conjunto deve significar menos incerteza, menos dispersão, menos dependência de soluções fechadas e mais capacidade real de transformar seus dados em conhecimento, melhores serviços públicos e políticas mais inteligentes a serviço dos cidadãos.
NotaEste artigo foi inspirado no artigo de Carlos Alonso Peña, Diretor de Divisão na Direção Geral de Dados, publicou no LinkedIn em maio de 2026 sob o título "De dados ocultos a ativos ocultos: O caminho para os produtos de dados".
