BI conversacional white-label para software houses e consultorias

Quem vende ERP vertical, sistema de folha, gestão pública ou consultoria de dados escuta o mesmo pedido em quase toda reunião de acompanhamento: o cliente quer perguntar em português e receber a resposta, sem abrir chamado e sem esperar o relatório novo. O gestor da distribuidora quer saber qual vendedor caiu no mês. A secretária de finanças quer ver o empenhado contra o orçado. Hoje ela depende de um relatório fixo ou de alguém que escreva uma consulta.

O sistema do parceiro já guarda esses dados. O que falta é a camada que entende a pergunta, escreve a consulta certa no banco e devolve um número, uma tabela ou um gráfico que o gestor consegue conferir. Muitas software houses tentaram resolver isso com mais relatórios, mais filtros e mais telas. A lista de pedidos nunca fecha, porque cada pergunta nova vira uma demanda de desenvolvimento.

Há também uma razão comercial. Cliente que já usa o sistema e ganha uma forma nova de extrair valor dele tende a ficar mais tempo e a aceitar bem um plano adicional. Para a consultoria, o ganho é parecido: em vez de entregar um painel e sair do projeto, ela passa a manter uma receita recorrente sobre o que já implantou.

O que segura a maioria dessas empresas é a construção. Fazer um tradutor de linguagem natural para SQL que funcione de verdade, no banco real de um cliente real, dá muito mais trabalho do que uma demonstração sugere. O parceiro quer oferecer o recurso, não montar uma equipe de IA para sustentá-lo. É aí que o modelo white-label entra.

Se você quer entender o produto por trás da oferta, leia o que é BI conversacional e veja como o Entendo se conecta ao banco de um ERP.

O parceiro opera o Entendo com a identidade dele. O cliente final abre um endereço do parceiro, vê o logo do parceiro e usa o produto como se fosse uma extensão do sistema que já conhece. Na prática, o parceiro recebe:

• Marca própria: logo e cores do parceiro na interface.
• Domínio próprio: o acesso do cliente fica em um endereço do parceiro.
• E-mails com a marca do parceiro: convites, avisos e mensagens saem com a identidade dele.
• Exportações com a marca do parceiro: os arquivos CSV, XLSX, PNG e PDF que o cliente baixa carregam a identidade do parceiro.
• Gestão dos clientes: o parceiro cria e administra os ambientes dos clientes dele em um só lugar.
• Camada semântica por vertical: o glossário de termos, as metas e os indicadores de um segmento (por exemplo, distribuição, folha ou gestão pública) podem ser montados uma vez e reaproveitados nos clientes seguintes.

A camada semântica merece atenção, porque é ela que separa uma demonstração de um produto usável. Ela diz à IA que "faturamento" significa determinada coluna com determinados filtros, que "inadimplente" segue a regra do parceiro e que o ano fiscal começa em outro mês. Quando o parceiro monta essa camada para a vertical dele, cada cliente novo parte de uma base pronta e só ajusta o que é particular.

Além da pergunta em si, o parceiro leva ao cliente o que o Entendo já faz: dashboards com filtros e drill-down, compartilhamento por link com atualização automática, previsão de séries temporais e relatórios de várias seções gerados a partir de uma pergunta. A interface existe em português e em inglês. O SQL gerado e o raciocínio ficam visíveis, o que ajuda o parceiro a defender o número diante do cliente.

Software houses lidam com dados sensíveis de terceiros, e o primeiro receio do parceiro costuma ser a segurança. O acesso funciona assim.

O Entendo Gateway é um agente instalado na rede do cliente final, perto do banco. Ele abre uma conexão de saída criptografada com o Entendo. Por isso o cliente não precisa abrir porta de entrada no firewall nem liberar IP. A credencial do banco fica dentro da rede do cliente. O que sobe para a nuvem é o resultado da consulta, não o banco inteiro e não a senha.

O produto só lê. Antes de executar uma consulta, o Entendo bloqueia qualquer comando de escrita. Recomendamos ainda que o cliente crie uma credencial somente leitura no banco, para que a restrição exista nas duas pontas. Cada pergunta e cada SQL ficam registrados, de modo que dá para auditar quem perguntou o quê.

Entre os clientes da plataforma, o isolamento é feito no banco da própria plataforma, com row-level security no PostgreSQL. Nos planos Business e Enterprise, há SSO via OIDC, configurado cliente a cliente. E, quando o cliente exige, nos planos Pro, Business e Enterprise ele pode usar a própria chave de um dos modelos de IA suportados (OpenAI, Anthropic e Google Gemini).

Os bancos suportados são PostgreSQL, MySQL, SQL Server, Oracle, Firebird e ClickHouse, além de Google Sheets, CSV e Excel. Firebird e Oracle importam muito para quem atende o mercado brasileiro: sistemas legados de gestão e ERPs consolidados ainda rodam sobre eles, e muitas soluções de BI deixam esses bancos de lado.

Toda software house com time de desenvolvimento já pensou em construir isso por conta própria. A conta honesta passa pelo que um sistema de pergunta em português precisa ter para ser confiável no banco de um cliente.

1. Camada semântica. Os nomes de tabelas e colunas de um sistema raramente se parecem com a linguagem do negócio. Alguém precisa mapear, manter o glossário e atualizá-lo a cada versão do sistema.
2. Guarda de somente leitura. Uma IA que escreve SQL pode escrever um comando destrutivo. É preciso validar cada consulta antes de executar e garantir que nada altere o banco do cliente.
3. Auditoria. Quem perguntou, o que foi gerado e o que voltou precisam ficar registrados, porque o cliente vai querer conferir.
4. Vários bancos e dialetos. Um cliente usa Oracle, outro Firebird, outro SQL Server. Cada dialeto tem funções de data, paginação e tipos próprios.
5. Acesso seguro à rede do cliente. Conectar no banco de um terceiro sem pedir abertura de porta é um projeto à parte.
6. Avaliação contínua. Modelos de IA mudam, o sistema do parceiro muda, e a qualidade das respostas precisa ser medida a cada mudança, com um conjunto de perguntas de referência.
7. Interface, dashboards, exportações, permissões e gestão de usuários, que o cliente espera encontrar ao lado da pergunta.

Cada item desses vira trabalho de produto que dura anos, não uma tarefa de sprint. Quando o parceiro licencia, ele troca esse investimento por uma operação com a marca dele. O custo de construir tende a pesar mais para quem tem poucos clientes na vertical, porque a equipe de IA precisa ser paga mesmo antes da receita chegar. Para quem prefere manter o controle total do código, construir continua sendo uma decisão legítima. O que vale é decidir olhando a lista acima, não só a demonstração.

O caminho segue quatro etapas, sem pressa de assinar nada antes de ver funcionando.

1. Conversa. Entendemos o seu sistema, a base de clientes, o banco que ele usa e a vertical. Aqui também fica claro se o modelo faz sentido para os dois lados.
2. Piloto em um cliente. Escolhemos um cliente seu, conectamos o gateway ao banco dele, montamos a camada semântica inicial e validamos as respostas com quem conhece os números do negócio.
3. Implantação assistida. Com o piloto aprovado, o time da Sozo Data acompanha o parceiro nos primeiros clientes, até ele ganhar autonomia para repetir o processo.
4. Operação. O parceiro passa a vender e a administrar os clientes dele sob a própria marca. A Sozo Data mantém produto, IA e infraestrutura.

As condições comerciais dependem do porte do parceiro, da vertical e do modelo de revenda, e são tratadas sob consulta. A implantação assistida é cobrada à parte. Não publicamos valores nesta página.

O modelo white-label não serve para todo mundo. Vale conversar com cuidado se algum destes pontos descreve a sua situação.

• Você precisa de uma API para embutir a pergunta dentro da tela do seu próprio sistema. Hoje essa integração não existe. O parceiro usa o Entendo com a marca e o domínio dele, ao lado do sistema, e não dentro dele.
• O seu sistema roda em nuvem e não dá acesso ao banco nem permite exportar os dados. Sem acesso ao banco, a conexão exige uma integração construída sob demanda, pela API ou formato equivalente que o sistema oferecer, avaliada no projeto.
• Você já tem uma equipe de IA e quer dominar cada camada do produto. Nesse caso, construir pode fazer mais sentido.
• Você procura uma ferramenta de uso próprio, sem revenda. Para isso, o caminho é conhecer o Entendo como empresa usuária.

Se o seu caso cabe no modelo, o próximo passo é uma conversa curta. Se não cabe, dizemos isso na primeira reunião.