Muitas equipes de marketing já colocaram a IA para sugerir segmentos, mensagens e prioridades de contato. A pergunta que quase ninguém faz antes é simples: a base de clientes sustenta essa decisão? Uma pesquisa da Validity indica que, na maioria dos casos, ainda não.
O relatório State of CRM Data Management in 2026, publicado pela Validity e noticiado pela MarTech Edge, ouviu 500 profissionais de marketing B2B e B2C nos Estados Unidos, no Reino Unido, no Brasil, na Austrália e na Nova Zelândia. Neste texto, separamos o que o estudo mediu da leitura que fazemos dele e propomos um roteiro para preparar a base antes de delegar mais decisões à IA.
O que a pesquisa da Validity mediu
A Validity é fornecedora de software de qualidade de dados, então o levantamento é de um fabricante do setor e deve ser lido como tal. Mesmo assim, os números convergem com o que vemos em projetos de CRM para e-commerce. Segundo a cobertura da Demand Gen Report e da MarTech Edge, os principais resultados foram estes:
- 21% dos profissionais descrevem a base de CRM como bem preparada para IA. Em outras palavras, 79% não chegam a esse nível (100% menos 21%).
- 62% das organizações relatam perda direta de receita por baixa qualidade dos dados do CRM.
- 67% dizem que a má qualidade dos dados contribuiu para campanhas atrasadas ou canceladas, e 63% apontam exposição a risco de conformidade.
- 41% têm uma equipe ou um responsável dedicado à governança de dados.
- Cerca de um terço das equipes gasta seis horas ou mais por semana corrigindo e conciliando dados.
- Aproximadamente dois terços das organizações aumentaram, no último ano, as decisões de marketing delegadas a agentes de IA autônomos.
O gráfico mostra o contraste central: o problema de dados é comum e custa receita, mas apenas uma minoria diz estar preparada. A barra em laranja é o dado que mais pesa para quem pretende usar IA no relacionamento.
Quando a decisão sobe, a dúvida desce
Um dado merece atenção especial. Segundo a pesquisa, 78% dos executivos de nível C e 92% dos vice-presidentes e diretores seniores agiram com base em uma recomendação de IA que depois suspeitaram estar errada por causa de dados ruins. Entre profissionais individuais, o índice foi de 41%. Cerca de 60% do nível C relata pressão para implantar IA mesmo com dúvidas sobre a base.
Quem decide costuma estar mais distante da base e tende a ver o resultado já resumido. Quem opera o CRM enxerga duplicidades e campos vazios no dia a dia. Sem um canal para esse conhecimento chegar à diretoria, a IA amplifica o erro com aparência de precisão.
Nunca apenas acreditar, mas sempre verificar com os dados.
Mark Briggs, fundador e CEO da Validity, segundo a cobertura da Demand Gen Report
O que isso muda para o CRM de e-commerce
Em lojas virtuais, a base de clientes alimenta réguas, segmentação por recompra e prioridade de atendimento. Se o mesmo cliente aparece duas vezes, a régua de pós-compra dispara em duplicidade. Se o consentimento não está registrado, a automação cria risco. Se a data da última compra está errada, o modelo de win-back para clientes inativos aborda quem acabou de comprar.
O mesmo vale para agentes de IA. Nosso texto sobre agentes de IA no CRM e as métricas dos casos da Forrester mostra que o ganho depende de dados e de supervisão. E, para provar que o CRM gera resultado, a medição de receita incremental com grupo de controle só funciona com identificação confiável do cliente.
Roteiro de cinco passos para preparar a base
O roteiro abaixo não faz parte do relatório da Validity. Ele parte do princípio de que cada passo deve poder ser verificado por uma consulta ou um relatório simples.
Comece pelo passo 1. A duplicidade distorce a contagem de clientes, o cálculo de recompra e o LTV, que é o valor total que um cliente gera ao longo do relacionamento. Depois, siga a ordem. O passo 5 responde ao fator que os respondentes mais citaram: monitoramento contínuo e automatizado foi apontado por 39% do total e por 47% do nível C como o que mais aumentaria a confiança nos dados.
Como usar a pesquisa com cautela
Três limites ajudam a evitar conclusões exageradas. Primeiro, é uma pesquisa de percepção de profissionais, não uma auditoria das bases. Segundo, vem de uma empresa que vende soluções de dados. Terceiro, a cobertura analisada não informa o período de coleta nem separa os resultados do Brasil. Tratamos os números como um indicador de direção. O diagnóstico da sua base precisa ser feito com os seus dados, como em um CRM em 2026, da adoção à execução.
Perguntas frequentes
Qual é o principal achado da pesquisa da Validity?
Apenas 21% dos profissionais descrevem a base de CRM como bem preparada para IA, enquanto 62% das organizações relatam perda direta de receita por dados de baixa qualidade.
A pesquisa vale para o Brasil?
Ela inclui respondentes do Brasil, mas a cobertura analisada não separa os resultados por país. Use os números como referência geral, não como média nacional.
Por onde começar a limpar a base de CRM?
Pela identidade do cliente: unifique cadastros duplicados, confirme consentimento e atualize a data da última compra. Esses três itens afetam segmentação, réguas e medição.
Preciso de uma equipe só para governança de dados?
Nem sempre. O essencial é ter um responsável definido, com rotina semanal de revisão de duplicidade, campos vazios e e-mails inválidos. Equipes maiores podem formalizar um comitê.
A IA pode corrigir os dados do CRM sozinha?
Pode ajudar a detectar padrões e duplicidades, mas a decisão de mesclar ou apagar registros deve ter regra clara e revisão humana, principalmente quando envolve consentimento.
