Artigos

Sistemas legados e IA: como integrar automação inteligente sem trocar o ERP

86% dos CFOs dizem que sistemas legados travam a IA. Mas substituir o ERP não é a única saída — veja as estratégias que funcionam.

Claudinho Kobs

Claudinho Kobs

— 5 min read

86% dos CFOs afirmam que sistemas legados limitam a capacidade de adotar IA nas suas organizações — segundo levantamento da RGP com 200 executivos financeiros, publicado em dezembro de 2025. No Brasil, o número é igualmente expressivo: 75% dos líderes de tecnologia acreditam que a infraestrutura antiga restringe sua capacidade de oferecer soluções modernas, de acordo com o Galileo Technical Inclusion Index (agosto de 2025).

A frustração é compreensível. O departamento financeiro quer automatizar conciliação, prever fluxo de caixa com IA e eliminar o trabalho manual de fechamento — mas o ERP rodando há 15 anos não foi feito para conversar com modelos de linguagem. O caminho óbvio seria substituir tudo. O problema é que esse caminho quase nunca funciona.

O mito da substituição total

A Lidl tentou. O maior varejista alemão investiu €500 milhões ao longo de 7 anos em um projeto de substituição de ERP que terminou sendo completamente abandonado. Não foi um caso isolado: empresas gastam entre 60% e 80% dos orçamentos de TI apenas para manter os sistemas existentes funcionando — sobrando pouco para inovar.

Segundo a EY, iniciativas de IA em serviços financeiros enfrentam atrasos de 12 a 18 meses especificamente por incompatibilidade com infraestrutura legada. O mesmo estudo da EY com 500 líderes sênior revelou que 83% não tinham a infraestrutura de dados adequada para usar IA de forma eficaz.

Mas aqui está o ponto que muda a conversa: substituir o ERP não é pré-requisito para adotar IA. As empresas que mais avançaram usaram uma abordagem diferente — integração por camadas, sem derrubar o que já funciona.

Quatro estratégias que funcionam

A boa notícia é que existem padrões bem documentados para conectar IA a sistemas legados. Cada um tem seu caso de uso:

1. Conectores via API

A estratégia mais direta: expor os dados do ERP por APIs e conectar ferramentas de IA por cima. O SAP usa o Business Technology Platform (BTP) com serviços OData; a Oracle oferece o Oracle Integration Cloud; a TOTVS disponibiliza sua própria camada de iPaaS para o Protheus.

Empresas que implementaram integração API entre ERP e IA reportaram 18% de redução em custos de estoque e 93% de economia de tempo em processamento de pedidos, segundo levantamento da BusinessPlusAI (2025). A lógica é simples: os dados já existem no sistema; a API abre uma janela para que a IA os consuma sem precisar migrar nada.

O desafio no Brasil é específico: o TOTVS Protheus — que atende mais de 70.000 empresas no país — usa ADVPL, uma linguagem proprietária, e atualizações com customizações podem demandar entre 260 e 400 horas de trabalho especializado. Por isso, muitas equipes optam por uma camada intermediária.

2. Middleware e plataformas iPaaS

Ferramentas como MuleSoft e Dell Boomi funcionam como tradutores: ficam entre o ERP e a aplicação de IA, gerenciando o fluxo de dados e as transformações necessárias. A TOTVS oferece seu próprio iPaaS para integrações com o Protheus, o que facilita projetos no mercado brasileiro.

A Mitsubishi Electric usou exatamente essa abordagem ao implementar a plataforma Board Intelligent Planning sobre seus múltiplos ERPs. O resultado: análise de vendas que levava 10 horas passou a ser feita em segundos. Ferramentas de GenAI reduziram o tempo de treinamento em análise de dados em 99% — sem substituir os sistemas de origem.

3. RPA como ponte temporária

Quando não há API disponível e o ERP é muito antigo para qualquer integração direta, o RPA (Robotic Process Automation) age como um robô que "lê" e "escreve" na tela do sistema legado. Não é elegante, mas funciona — e pode ser implementado em semanas.

Ferramentas como UiPath automatizam o acesso ao ERP via interface gráfica, extraindo dados para camadas de IA que processam e devolvem resultados. É uma solução de transição, não definitiva — mas permite capturar valor de IA enquanto o projeto de modernização avança em paralelo.

4. ETL e data lakes

A abordagem mais robusta para empresas com alto volume de dados: extrair, transformar e carregar dados do ERP em um data lake centralizado. A IA consome dados do lake — que estão limpos, organizados e atualizados — sem precisar acessar diretamente o sistema legado.

A EY Brasil aponta que ferramentas de IA para preparação de dados podem reduzir o tempo de configuração de pipelines ETL em até 60% (com base em pesquisa do MIT Sloan Management Review). O dado importa porque a configuração do pipeline é historicamente onde projetos de data warehouse travam.

O case da Unilever: fechamento em metade do tempo, sem trocar o ERP

Um dos casos mais documentados de integração de IA com ERP legado é o da Unilever. A empresa adicionou o SAP HANA como camada de analytics sobre seu ERP existente — não substituiu o sistema, apenas acrescentou inteligência em cima.

O resultado: fechamento mensal reduziu de 3 dias para 1 dia, com metade da equipe. Previsões de custo de produto que levavam 7 minutos passaram a ser geradas em 30 segundos. A análise de mais de 150 milhões de registros mensais agora acontece em tempo real.

O que mudou? Não o ERP — mas a capacidade de processar e analisar os dados que ele já continha.

O caso brasileiro: onde o problema é mais agudo

No Brasil, a situação tem uma camada adicional de complexidade. Grandes empresas operam com ERPs que chegam a ter 20 anos de customizações acumuladas. Trocar esses sistemas não é apenas caro — é arriscado, porque o conhecimento sobre as regras de negócio muitas vezes está embutido no código customizado, não documentado em lugar nenhum.

Ao mesmo tempo, a pressão por modernização é real. Os bancos brasileiros investiram R$ 47 bilhões em tecnologia em 2024 (Febraban), com gastos em IA e GenAI crescendo 61% ao ano. As fintechs já nasceram digitais e pressionam os incumbentes. E 65,6% dos líderes de tecnologia no Brasil afirmam que lançar novas funcionalidades é "difícil ou impensável" por causa de problemas de integração entre sistemas (Galileo, 2025).

O caminho que funciona para o mercado brasileiro é o da integração incremental: começar com um caso de uso de alto impacto e baixa dependência de dados históricos profundos (automação de contas a pagar, por exemplo), usar API ou middleware para a integração, provar o valor em 60-90 dias e expandir.

A armadilha da perfeição

Uma das razões pelas quais tantos projetos de IA travam em empresas com sistemas legados é a busca pela solução perfeita. O time de TI quer uma arquitetura elegante. O CFO quer garantias antes de investir. O fornecedor recomenda uma migração completa.

Enquanto isso, a equipe de contas a pagar continua digitando dados manualmente.

"Esperar dados perfeitos antes de começar é um dos erros mais comuns na adoção de IA em finanças", segundo a McKinsey. A maioria das empresas que escalou IA com sucesso começou com dados imperfeitos e melhorou iterativamente.

A abordagem de integração por camadas não exige que o ERP esteja atualizado, que os dados estejam perfeitamente limpos ou que toda a organização esteja alinhada. Exige identificar um processo específico, conectar os dados necessários e medir o resultado.

Próximos Passos

  1. Mapeie as dependências de dados do seu caso de uso prioritário — antes de escolher a estratégia de integração, entenda quais dados a IA vai precisar e onde eles estão no ERP.
  2. Avalie as opções de API do seu ERP — SAP BTP, Oracle Integration Cloud e TOTVS iPaaS têm documentação pública. Se não houver API disponível, RPA é a ponte de entrada.
  3. Inicie com um projeto de 60-90 dias — escolha um processo de alto volume e baixa complexidade (processamento de faturas de AP é o mais comum) e prove o valor antes de expandir.
  4. Separe "modernização do ERP" de "adoção de IA" — são projetos diferentes, com timelines diferentes. Não deixe o segundo depender do primeiro.
  5. Documente as regras de negócio enquanto integra — projetos de integração são a oportunidade ideal para mapear as customizações acumuladas no ERP, criando um ativo que facilita qualquer modernização futura.

Fontes:

Leia mais