Quem já montou um termo de referência conhece a rotina: abrir o painel de preços, exportar planilhas, filtrar por descrição, descartar registros estranhos "no olho", calcular uma média e torcer para o controle interno não questionar. Para uma licitação com dezenas de itens, são dias de trabalho de gente qualificada — e o resultado ainda carrega dois riscos: sobrepreço, quando um registro atípico puxa a média para cima, e estimativa frágil, quando há poucos dados e ninguém percebe.

Foi esse problema que nos levou a construir o EstimaAI. Este artigo não é sobre o produto; é sobre o método. O que um algoritmo faz com o histórico de compras que uma planilha não consegue?

1. Encontrar o item certo entre milhares

O primeiro gargalo não é o preço, é a descrição. "Papel A4 75g" aparece de dezenas de formas nas bases oficiais. Classificar cada registro no código correto de catálogo (CATMAT/CATSERV) é uma tarefa de processamento de linguagem natural: o modelo aprende as variações e agrupa o que é o mesmo item, mesmo quando o texto é diferente.

2. Tirar os outliers antes de calcular

Um registro de R$ 500 no meio de cem registros de R$ 25 não é "dado", é ruído — um erro de unidade, uma compra emergencial, um item mal classificado. Métodos estatísticos como o intervalo interquartil ou o coeficiente de variação identificam esses pontos automaticamente e os excluem do cálculo, com registro de por que foram excluídos. Esse registro é o que sustenta a decisão quando o auditor pergunta.

3. Preferir mediana e faixa, não média e ponto

A média é sensível a extremos; a mediana não. Mais importante que um número único é uma faixa segura: o intervalo dentro do qual a maior parte das compras recentes aconteceu. Isso dá ao agente de compras margem para negociar e ao controle interno um critério objetivo de aceitação.

4. Medir o quanto dá para confiar

Nem todo item tem histórico suficiente. Quando há poucos registros, ou quando a dispersão é muito alta, a estimativa é frágil — e o sistema precisa dizer isso, em vez de entregar um número com aparência de precisão. No EstimaAI, esse é o nível de confiança: um alerta que orienta o servidor a fazer verificações complementares (cotação direta, consulta a contratos similares) antes de fechar o valor.

5. Olhar o tempo e a região

Preço de 2023 não serve para 2026 sem ajuste, e preço de outra região pode não representar o seu mercado. Filtros temporais (últimos 12 meses) e regionais fazem parte do cálculo, e a variação no período aparece como informação — não como surpresa.

O que muda na prática

  • Tempo: horas de pesquisa manual por item viram minutos de revisão de um resultado já saneado.
  • Segurança: a decisão fica documentada — quais registros entraram, quais saíram e por quê.
  • Padronização: dois servidores chegam ao mesmo resultado para o mesmo item, o que reduz questionamentos.
  • Foco: a equipe deixa de digitar e passa a analisar os casos que o sistema marcou como frágeis.

IA em compras públicas não substitui o julgamento do agente. Ela retira o trabalho braçal e entrega o julgamento com evidência.

Como começar

Não é preciso reformar o processo de compras para testar. Uma prova de conceito com o histórico do próprio órgão, em 4 a 8 semanas, mostra a diferença entre o preço de referência atual e o calculado com saneamento — item a item. Conheça a frente de IA e Automação ou agende um diagnóstico com uma lista real de itens.