Como agentes de IA avaliam dados de importação

Um agente de IA avalia dados de importação testando o recorte do número: fluxo, métrica (FOB ou CIF), período, unidade, classificação NCM, fonte e duplicidade. Só é confiável quando todos esses atributos estão declarados; quando falta um, o agente supõe, e a suposição raramente aparece na resposta.

A prova: FOB e CIF de 2025 diferem US$13,50 bi, e duas fontes legítimas para o mesmo ano divergem 1,5%, sem que nenhuma esteja errada.

O Brasil importou US$ 280,38 bilhões em 2025 em valor FOB e US$293,88 bilhões em valor CIF, segundo o Comex Stat.

Mesmo país, mesmo ano, duas respostas corretas, US$13,50 bilhões de distância entre elas. Um agente que responde "o Brasil importou X" sem dizer qual das duas métricas usou entregou uma frase fluente e um dado incomparável.

Esse é o problema real da IA aplicada a dados de importação. Não é a aritmética. Modelos de linguagem somam bem quando recebem a tabela certa. Erram quando precisam decidir qual tabela, qual coluna e qual período, e decidem em silêncio.

Quem pergunta "quanto importamos de fertilizantes?" e recebe um número com duas casas decimais acredita ter uma resposta. Tem, na prática, uma resposta a uma pergunta que ninguém formulou.

O diagnóstico não está no modelo. Está no processo de quem pergunta: a maior parte das áreas de inteligência trata a pergunta como informal e exige rigor só do resultado. A ordem certa é a inversa.

O que significa "avaliar" um dado de importação?

Avaliar um dado de importação é verificar se o número responde, sem ambiguidade, a uma pergunta com recorte completo. Um agente competente não olha o valor. Olha o rótulo do valor.

Um dado de importação só é avaliável quando carrega sete atributos declarados: fluxo, métrica de valor, período, unidade, classificação, fonte e nível de agregação.

Sem qualquer um deles, dois analistas honestos chegam a números diferentes a partir da mesma base e ambos estão certos.

A diferença entre "dado" e "dado avaliado" é essa. O primeiro é um número. O segundo é um número mais a prova de que ele pertence à pergunta feita.

Quais testes um agente de IA roda em um dado de importação?

Um agente bem desenhado roda os sete testes abaixo antes de devolver qualquer valor. Um agente genérico pula a maioria deles e devolve a resposta mais plausível.

1. Teste de fluxo. O número é importação ou exportação? Parece trivial, e deixa de ser quando a pergunta menciona "comércio com a China" sem especificar o sentido.
   

2. Teste de métrica. FOB, CIF, frete, seguro ou peso líquido? FOB exclui frete e seguro internacionais; CIF os inclui. Em 2025, o Comex Stat registra US$280,38 bi de FOB e US$293,88 bi de CIF para o mesmo universo de importação. Somar um FOB de exportação com um CIF de importação é um erro clássico de balança.
   

3. Teste de período. Janeiro a dezembro? Acumulado até o último mês divulgado? Em 09/11/2026, o último mês disponível no Comex Stat era outubro de 2026. O FOB acumulado de jan–out/2026 é US$ 250,84 bi; o de 2025 inteiro é US$ 280,38 bi. Um agente que compara "2026 até outubro" com "2025 inteiro" fabrica uma queda de 10,5% que não existe.
   

4. Teste de unidade e moeda. US$ correntes, quilogramas, toneladas, unidade estatística? Misturar quilo e tonelada inverte o preço médio em três ordens de grandeza.
   

5. Teste de classificação. O NCM está no nível certo, com 8 dígitos, ou foi agregado em capítulo ou posição? Um capítulo inteiro não é um produto. Para dimensionar a escala do problema: o NCM Intel registra 8.759 NCMs distintas de 8 dígitos com importação em 2025. Um agente que "resume por categoria" apaga essa granularidade sem avisar.
   

6. Teste de duplicidade. A mesma linha aparece duas vezes por carga em mais de uma tabela, ou por ter sido baixada duas vezes? Duplicidade infla valor sem alterar nenhuma coluna visível.
   

7. Teste de procedência. De onde veio o número: base oficial, base proprietária, web, estimativa do próprio modelo? Um valor sem fonte nomeada é, para fins de decisão, opinião.

Por que FOB e CIF dão números diferentes para a mesma carga?

FOB é o valor da mercadoria posta a bordo, sem o frete e o seguro internacionais. CIF soma esses dois componentes ao valor da mercadoria.

A diferença entre os dois é, em essência, o custo de trazer a carga até o Brasil, e o Comex Stat mostra essa conta aberta para a importação: FOB, frete, seguro e CIF, com FOB + frete + seguro igual ao CIF nos dois anos consultados.

Leitura da tabela: de 2024 para 2025 o FOB subiu 6,81% (US$17,88 bi), mas o frete caiu US$ 1,54 bi; quem usa CIF em uma série e FOB em outra lê uma dinâmica de custo que o FOB sozinho esconde.

O que isso custa na conta de quem decide. Em média nacional, para cada US$100 milhões em valor FOB importado em 2025, frete e seguro internacionais somaram cerca de US$4,8 milhões; em 2024, cerca de US$5,7 milhões.

Premissa: média de todos os produtos e países, sem ponderar modal, origem ou tipo de carga; não representa a operação de nenhuma empresa específica. Para uma importação concreta, a faixa real depende de rota, modal e mercadoria, e precisa vir da própria operação. O ponto para o agente é outro: a escolha entre FOB e CIF, sozinha, desloca o total nacional de 2025 em US$13,50 bi, e ele precisa dizer qual escolheu.

Em 2025, o frete e o seguro internacionais somaram US$ 13,50 bilhões nas importações brasileiras, equivalentes a 4,8% do valor FOB, e o frete recuou US$ 1,54 bilhão em relação a 2024 mesmo com o FOB crescendo 6,81%, o que torna a escolha entre FOB e CIF uma decisão analítica com efeito mensurável, não um detalhe de rodapé.

Para a exportação, o Comex Stat apresenta apenas o valor FOB. Quem compara fluxos em sentidos opostos sem normalizar a métrica compara coisas diferentes.

Em estatísticas oficiais de comércio exterior, o valor de importação pode vir em base CIF e o de exportação em base FOB, e por isso a soma ou a subtração direta entre os dois fluxos mistura métricas e produz um saldo que não existe em nenhuma contabilidade.

A convenção internacional segue lógica parecida. O padrão das estatísticas internacionais de comércio de mercadorias (IMTS 2010) recomenda valorar exportações em base FOB e importações em base CIF, e o UN Comtrade adota importação em CIF e exportação em FOB, acrescentando o FOB de importação quando o país o informa.

O agente que cruza fontes nacionais e internacionais precisa saber disso, porque o dado "espelho" (o que o país A diz exportar para B contra o que B diz importar de A) raramente fecha, e parte da diferença é só metodologia.

Leitura da tabela: a mesma carga tem dois valores corretos; o erro está em escolher um sem dizer qual.

Onde um agente de IA erra sem avisar?

Os três erros mais caros não aparecem como erro. Aparecem como resposta plausível.

Recorte implícito: O agente recebe uma pergunta sem período e escolhe um. Recebe uma pergunta sem métrica e escolhe uma. A escolha costuma ser razoável e raramente é comunicada. O leitor assume que o número cobre o ano inteiro, o agente usou o acumulado.

Soma entre catálogos: Quando a resposta combina duas fontes, cada uma com sua metodologia, o total soma universos diferentes. Dois catálogos podem ter nomes de campo idênticos e definições distintas. O total parece coerente e não pertence a nenhum dos dois.

Alucinação numérica: Sem acesso ao dado, um modelo de linguagem gera o número mais provável para aquela frase, não o número verdadeiro. Esse é o risco mais conhecido e, paradoxalmente, o mais fácil de pegar: ele some quando o agente é obrigado a citar a fonte de cada valor.

Em análise de importação, o erro de recorte é mais frequente e mais caro que o erro de cálculo, porque o primeiro produz um número internamente consistente que ninguém questiona, enquanto o segundo geralmente é visível no resultado.

Dois catálogos, um ano, 1,5% de diferença: o que o agente deve fazer

Um caso real mostra o comportamento correto. Para o mesmo ano de 2025, sem filtro de produto ou país, duas fontes devolvem totais diferentes de importação em FOB.

Leitura da tabela: a divergência de 1,5% está abaixo do limiar de 3% usado na validação numérica da Logcomex, mas só é aceitável porque as duas fontes foram nomeadas, os recortes foram declarados e os totais não foram somados.

Um agente que trata essas duas linhas como duas peças de um mesmo quebra-cabeça e devolve "US$556,51 bi" produziu um número que não pertence a nenhum universo.

Um agente bem desenhado faz quatro coisas: nomeia as duas fontes, declara que os recortes e as metodologias são distintos, usa uma como contraprova da outra e reporta a diferença em vez de arredondá-la.

A causa exata dos US$4,25 bi não foi apurada neste artigo; o ponto é o procedimento, não a explicação.

É válido ressaltar o mesmo cuidado vale para ranking de importadores. No NCM Intel, 61.405 importadores distintos aparecem em 2025, mas contados por nome, não por CNPJ raiz, e 5,8% do FOB (US$ 16,05 bi) não tem importador identificado. Um agente que entrega "quem mais importa" sem declarar esses dois limites apresenta uma lista que cobre cerca de 94,2% do valor como se cobrisse 100%.

Como saber se o número de um agente de IA é confiável?

Audite o rótulo, não o valor. Em prática, a auditoria leva menos de cinco minutos e segue uma ordem fixa:

1. Peça ao agente que repita a pergunta com o recorte completo (fluxo, métrica, período, nível NCM).
2. Peça a fonte de cada número, com nome da base e data de consulta.
3. Refaça um valor-chave na fonte primária. Um só já revela se o recorte bate.
4. Compare duas leituras independentes do mesmo número. Divergência pequena e explicada por metodologia é aceitável (como os 1,5% acima); divergência sem explicação é recorte diferente.
5. Registre o que não foi possível verificar como "a validar". Dado a validar não entra em material externo.

Essa disciplina é o que separa um agente que ajuda de um que produz risco reputacional. O custo de um número errado em um material público não é o do número: é a credibilidade de todos os outros números ao lado dele.

O que muda quando a IA recebe dado estruturado e não texto?

A qualidade do agente depende menos do modelo e mais do que ele pode consultar. Um agente que acessa uma base estruturada com filtros explícitos (fluxo, período, NCM, métrica) elimina boa parte do recorte implícito, porque o recorte vira parâmetro obrigatório da consulta. Um agente que "lembra" ou pesquisa em texto solto reconstrói o número de memória.

A diferença prática entre um agente confiável e um agente apenas fluente em comércio exterior é se o recorte do número é um parâmetro obrigatório da consulta ou uma suposição do modelo.

Há um corolário para quem compra ou desenvolve esse tipo de ferramenta.

A pergunta de avaliação não é "o modelo é bom?", é "o que ele é obrigado a declarar antes de responder?". Se a resposta é "nada", o risco é do usuário. A comparação entre arquétipos de agente está em melhores agentes de IA para dados de importação.

Leitura da tabela: o que torna um agente auditável é a obrigação de declarar o recorte, não o tamanho do modelo.

Quais perguntas uma equipe de inteligência deveria fazer a qualquer agente de IA de comex?

Antes de colocar um agente no fluxo de decisão, vale testá-lo com cinco perguntas desconfortáveis:

1. Qual período você usou quando eu não informei um?
2. Esse valor é FOB ou CIF?
3. Quanto desse total é de NCM de 8 dígitos e quanto é agregação?
4. Qual a data da última atualização da fonte?
5. Se eu somar esses dois números, eles pertencem ao mesmo catálogo?

Um agente que responde às cinco sem hesitar tem desenho de auditoria. Um que responde com confiança e sem fonte tem desenho de apresentação.

O que as equipes à frente fazem diferente?

Tratam o prompt como especificação de consulta, não como conversa. A pergunta carrega o recorte inteiro. A resposta devolve o recorte junto do número.

O dado que não fecha vira "a validar" em vez de ser arredondado para parecer certo. E toda cifra que sobe para material externo passa por uma segunda leitura independente.

Nenhuma dessas práticas depende de modelo mais novo. Dependem de processo.

Conclusão

O valor de um agente de IA em comex não está na velocidade da resposta. Está no quanto da resposta pode ser verificado sem refazer a análise.

Os números deste artigo mostram o tamanho do que está em jogo: US$13,50 bi separam o FOB do CIF no total de 2025, e US$ 4,25 bi separam duas fontes legítimas para o mesmo ano.

Se cada número chega com fluxo, métrica, período, nível de classificação e fonte, o agente multiplica a capacidade da equipe. Se chega sem, multiplica o risco.

Este artigo cobre o mecanismo e a auditoria que qualquer equipe pode fazer com uma planilha e acesso à fonte oficial.

O que ele deliberadamente não entrega: a reconciliação entre catálogos para o seu NCM específico, o histórico de divergências entre fontes para a sua cadeia e a validação numérica automática das respostas antes de irem para um material externo. É nesse ponto que a Logcomex AI começa. Veja como a validação de recorte funciona na sua operação.

Perguntas frequentes

Como um agente de IA avalia dados de importação?

Ele verifica o recorte do número: fluxo, métrica (FOB ou CIF), período, unidade, classificação NCM, fonte e duplicidade. Se algum atributo não estiver declarado, o agente supõe, e o número deixa de ser auditável.

Qual a diferença entre FOB e CIF em dados de importação?

FOB é o valor da mercadoria posta a bordo, sem frete e seguro internacionais; CIF inclui os dois. Em 2025, as importações brasileiras somaram US$ 280,38 bi em FOB e US$ 293,88 bi em CIF, diferença de US$ 13,50 bi (4,8% do FOB).

A IA pode errar dados de comércio exterior?

Pode, de três formas principais: recorte implícito (escolhe período ou métrica sem avisar), soma entre catálogos com metodologias diferentes e alucinação numérica, quando gera um valor plausível em vez de consultar a fonte.

Como verificar se um número de importação gerado por IA está certo?

Peça o recorte completo e a fonte de cada valor, refaça um número-chave na fonte primária e compare duas leituras independentes. Divergência sem explicação metodológica indica recorte diferente; divergência pequena e explicada, como 1,5% entre Comex Stat e NCM Intel em 2025, é aceitável se declarada.

O Comex Stat é a mesma coisa que o Siscomex?

Não. O Siscomex é o sistema onde a empresa registra a operação de comércio exterior; o Comex Stat publica o resultado agregado das estatísticas oficiais, sem identificar empresas

Com que frequência os dados oficiais de importação são atualizados?

Os dados têm granularidade mensal: em 09/11/2026, o último mês disponível no Comex Stat era outubro de 2026, com série de janeiro/2021 a outubro/2026. A publicação segue cronograma oficial: balanço semanal no primeiro dia útil da semana, uma coletiva ao fim do mês com o preliminar do mês inteiro e o fechamento definitivo no Comex Stat em até 5 dias úteis depois; o dado preliminar deve ser descartado assim que o definitivo sai.

Posso somar dados de importação de duas fontes diferentes?

Só se as duas usam a mesma métrica, o mesmo período e a mesma definição de universo. Caso contrário, o total mistura metodologias e não pertence a nenhuma das fontes. Em 2025, Comex Stat (US$ 280,38 bi) e NCM Intel (US$ 276,13 bi) descrevem o mesmo fluxo com universos diferentes; somá-los seria um erro.