Catálogo pronto para mecanismos e agentes de IA.

Situação real: a recomendação faz sentido, mas o produto não existe naquela condição

Uma pessoa pede a um assistente: "Quero uma mochila impermeável, até 25 litros, que caiba como bagagem de mão e chegue antes de sexta". O agente encontra uma página bem posicionada, interpreta a descrição e recomenda o modelo certo.

Ao abrir a loja, a variante exibida tem 32 litros. O preço mencionado pertence a outra cor. O estoque terminou no dia anterior. A página de produto promete entrega rápida, mas o cálculo para o CEP mostra outra data. A política de troca no rodapé também difere da resposta do atendimento.

O agente parece ter errado. Na verdade, ele reuniu informações incompatíveis publicadas pela própria empresa.

Esse problema já existia antes de agentes de IA. Clientes, buscadores, marketplaces, vendedores e atendentes também sofrem quando a arquitetura depende de descrições livres, planilhas paralelas e atualizações sem dono. A novidade é que uma interface conversacional comprime a comparação e apresenta uma síntese pronta para decisão. A inconsistência fica menos visível e pode ganhar aparência de certeza.

Tese: catálogo é infraestrutura de decisão

Uma página bonita pode ajudar a desejar. Um catálogo confiável precisa ajudar a identificar, comparar, escolher, comprar, receber e, quando necessário, devolver.

Para isso, a empresa precisa separar três entidades que muitas operações misturam:

• produto: o que é, para quem serve e quais benefícios e atributos possui;
• variante: a configuração específica, como cor, tamanho, material ou capacidade;
• oferta: preço, moeda, disponibilidade, vendedor, condição, entrega e política aplicáveis naquele momento.

Quando essas entidades ficam presas em um único bloco de texto, pessoas e sistemas precisam inferir relações. Quando estão estruturadas, identificadas e sincronizadas, a empresa consegue responder com mais precisão.

A pergunta estratégica não é "o catálogo tem descrição?". É "que decisão cada campo sustenta, qual sistema responde por ele e como sabemos se ainda está válido?".

A arquitetura começa na tarefa, não na árvore interna

Organizações tendem a estruturar catálogos segundo fornecedores, áreas ou sistemas. Clientes chegam com outra lógica: finalidade, compatibilidade, ocasião, restrição, tamanho, prazo e orçamento.

Uma pessoa não procura necessariamente "linha X, coleção Y, família Z". Ela pode procurar "cadeira para trabalhar oito horas em mesa baixa" ou "tênis para chuva com forma larga". A arquitetura precisa conectar linguagem do negócio e modelo mental do usuário.

Análise de tarefa, entrevistas, busca interna, atendimento e devoluções mostram quais perguntas aparecem antes e depois da compra. Card sorting ajuda a entender como pessoas agrupam e nomeiam itens. Logs de busca revelam sinônimos, ausência de resultado e refinamentos. Nenhuma fonte é suficiente sozinha.

Um catálogo legível trabalha quatro sistemas em conjunto:

1. Organização: como produtos e ofertas são agrupados.
2. Rotulação: que nomes representam categorias, atributos e variantes.
3. Navegação: como pessoas e mecanismos avançam entre relações.
4. Busca: como perguntas são interpretadas, respondidas ou recuperadas quando não há resultado.

Esses elementos não servem apenas à interface. Eles formam a base semântica usada por feeds, integrações, atendimento e agentes.

O esquema mínimo precisa separar fato, prova e promessa

Um modelo inicial pode conter:

Para quem não trabalha diariamente com catálogo, as siglas significam: gestão de informações de produto (Product Information Management, PIM); unidade de manutenção de estoque (Stock Keeping Unit, SKU), usada como identificador interno do item ou variante; planejamento de recursos empresariais (Enterprise Resource Planning, ERP); sistema de gestão de pedidos (Order Management System, OMS); e sistema de gestão de conteúdo (Content Management System, CMS).

O nome não deve carregar tudo. "Camiseta premium azul M" mistura produto, posicionamento, cor e tamanho. Identificadores e relações permitem apresentar cada parte no contexto adequado.

Também é importante distinguir fato, prova e promessa. "Algodão 100%" é um atributo que precisa de fonte. Um certificado é uma prova com emissor e validade. "Chega amanhã" é uma promessa calculada para pedido, CEP, estoque e horário. Agentes não deveriam converter um texto promocional em condição operacional.

Fonte de verdade não significa um único sistema para tudo

Uma empresa pode ter fontes diferentes por domínio. O problema não é a distribuição. É não saber quem responde por cada campo, como as fontes se sincronizam e qual prevalece em conflito.

Para cada atributo, registre:

• sistema de origem;
• unidade e formato;
• frequência de atualização;
• horário da última mudança;
• responsável;
• regra de precedência;
• uso permitido;
• histórico de alteração.

Modelos financeiros dependem de premissas, unidades e datas consistentes. O mesmo princípio vale para catálogo. Uma recomendação pode parecer sofisticada e ainda estar errada porque combinou preço mensal com anual, dimensão externa com interna ou disponibilidade nacional com estoque local.

Se duas fontes discordam, a IA não deve escolher a versão mais plausível. Precisa registrar o conflito e encaminhar ao dono da regra.

Dados estruturados melhoram legibilidade, não garantem qualidade

O Google orienta comerciantes a publicar dados estruturados Product e Offer nas páginas e também pode receber feeds pelo Merchant Center. Esses dados permitem representar preço, disponibilidade, envio, devolução e variantes de forma padronizada. Para variantes, a documentação recomenda identificadores únicos e relações explícitas com o grupo de produto.

Isso reduz ambiguidade, mas não resolve a operação. A marcação pode estar tecnicamente válida e exibir preço antigo. Um feed pode atualizar em ritmo diferente da página. O próprio Google documenta que atrasos entre site e Merchant Center podem gerar inconsistências de preço e estoque.

Portanto, valide quatro camadas:

1. o valor está correto na origem operacional;
2. a integração transportou o campo e a unidade corretos;
3. a página apresenta a mesma condição;
4. o dado estruturado ou feed corresponde ao que a pessoa encontra.

O teste de resultados avançados verifica sintaxe e requisitos. Não comprova que a promessa é verdadeira.

Agentes mudam a interface da pergunta, não a responsabilidade pela resposta

No comércio convencional, a pessoa navega por menus e filtros. Com um agente, ela formula restrições em linguagem natural e espera uma seleção. A pergunta pode combinar intenção, compatibilidade, prazo, política e preferência.

Uma resposta confiável precisa revelar:

• quais critérios foram usados;
• que atributos estavam disponíveis;
• quais informações faltaram;
• quando preço e estoque foram consultados;
• que política se aplica;
• onde existe incerteza;
• como revisar ou mudar a escolha.

Nem toda preferência deve virar coleta de dado. "Preciso para uma viagem" pode orientar capacidade e entrega. Não autoriza inferir renda, saúde ou outra característica sensível. O catálogo deve responder ao problema com o mínimo de contexto necessário.

A Shopify descreve o comércio agêntico como um cenário em que sistemas ajudam a descobrir, comparar e executar partes da compra. Como a fonte é uma plataforma interessada no mercado, seus dados devem ser tratados como sinal do ecossistema, não como medida universal. A recomendação estrutural, porém, permanece válida: atributos, variantes, preço, estoque e políticas precisam estar completos e atualizados.

Cinco perguntas reais valem mais do que uma auditoria abstrata

Escolha perguntas que representem tarefas relevantes e restrições diferentes. Por exemplo:

1. Qual opção atende a uma finalidade específica dentro de um orçamento?
2. Que variante é compatível com uma medida ou equipamento?
3. O produto está disponível para um CEP e uma data?
4. Qual é o custo total e a condição de devolução?
5. Que diferença verificável existe entre duas opções semelhantes?

Para cada resposta, registre:

• resultado apresentado;
• campos usados;
• fonte de cada campo;
• data e hora;
• conflito encontrado;
• informação ausente;
• impacto possível na escolha;
• correção e responsável.

Repita o teste na página, busca, atendimento e agente. A comparação mostra onde o catálogo muda de versão conforme o canal.

Governança transforma correção pontual em capacidade

Corrigir cinco produtos não resolve um processo que volta a gerar inconsistência. A governança precisa definir:

• dono da taxonomia;
• responsáveis por atributos e políticas;
• aprovação de alegações;
• sincronização de preço e estoque;
• tratamento de conflito;
• indicador de cobertura e atualidade;
• registro de incidentes;
• revisão periódica.

O trabalho atravessa produto, tecnologia, conteúdo, comércio, logística, jurídico, atendimento e dados. Sem uma decisão explícita de propriedade, cada área otimiza sua saída e a pessoa recebe uma colagem.

Como usar IA para auditar o catálogo

A IA pode acelerar a localização de problemas em milhares de itens. O fluxo deve preservar rastreabilidade.

1. Exporte campos autorizados de cada fonte com identificador e data.
2. Normalize nomes e unidades sem sobrescrever o valor original.
3. Compare produto, variante, oferta, estoque, entrega e política.
4. Classifique lacuna, duplicidade, conflito, ambiguidade e desatualização.
5. Gere perguntas reais por categoria.
6. Execute respostas em ambiente de teste.
7. Solicite evidência e fonte para cada afirmação.
8. Encaminhe conflitos para o dono do domínio.

Prompt de auditoria:

Compare os registros pelo identificador fornecido. Liste campos ausentes, valores conflitantes, unidades incompatíveis, possíveis duplicidades e informações vencidas. Preserve os valores originais e cite arquivo, sistema, campo e data. Não escolha qual fonte está correta. Não invente atributo, preço, estoque, política ou diferencial. Para cada problema, explique que pergunta de cliente pode ser afetada e indique o responsável que deve validar.

O modelo pode sugerir sinônimos ou agrupamentos. A adoção depende de pesquisa, taxonomia e aprovação. Mudanças automáticas em produção devem ser evitadas, principalmente para preço, disponibilidade, política e alegações reguladas.

Métricas de prontidão

Não use um índice único para esconder gravidade. Um campo de cor ausente e um preço incorreto não têm o mesmo risco.

Conclusão

No exemplo da mochila, o agente não precisava de uma frase mais inteligente. Precisava de variante correta, preço vigente, estoque real, prazo calculado e política coerente.

Catálogo é arquitetura de decisão. Ele conecta linguagem, produto, operação e promessa. Prepará-lo para mecanismos e agentes melhora também busca, atendimento, comparação e governança. A IA ajuda a tornar problemas visíveis, mas não corrige a falta de propriedade sobre a informação.

Comece com uma categoria, cinco perguntas e um mapa de fontes. Descubra onde cada resposta nasce, por quais sistemas passa e quem corrige um conflito. Essa base é menos chamativa do que lançar um agente, mas é o que permite que a experiência seja confiável quando a interface deixa de ser uma página e passa a ser uma conversa.

A AIUX Brasil ajuda empresas a conectar arquitetura da informação, dados de produto, IA e operação para construir catálogos legíveis, auditáveis e orientados a decisão.