Quando usar dados sintéticos

A maioria das equipes de experiência do cliente não sofre com falta de dados. Sofre com um problema de acesso aos dados. Os registros que responderiam à pergunta vivem dentro de sistemas regidos por leis de privacidade, contratos com fornecedores ou uma equipe de segurança que diz não por padrão. Aí o modelo fica esperando, o ambiente de teste continua vazio e o insight que poderia ter saído neste trimestre só aparece no ano que vem, quando aparece.

É aí que entram os dados sintéticos. Eles são gerados por um algoritmo que aprende a forma estatística dos registros reais, as distribuições e as correlações entre os campos, e produz novos registros parecidos com os originais sem pertencer a nenhuma pessoa real.

A virada já está em curso

A curva é tão acentuada que ignorá-la já é uma decisão estratégica, não uma posição neutra.

O mercado segue na mesma direção. A Grand View Research estima o mercado de geração de dados sintéticos em cerca de 218 milhões de dólares em 2023, com salto para quase 1,8 bilhão até 2030, a uma taxa composta acima de 35%. Não é dinheiro de hype. São áreas de compras tratando dados sintéticos como infraestrutura.

Quando eles valem o esforço

Dados sintéticos compensam em uma lista curta de situações, e são forçados em todas as outras.

1. Os dados são sensíveis. Registros de clientes trazem dados pessoais e campos regulados. Uma cópia sintética preserva as relações de que os analistas precisam sem se ligar a uma pessoa real, o que deixa o desenvolvimento e os testes avançarem sem expor dados em produção.
2. Os dados são escassos. Momentos raros, mas decisivos, um pedido de renegociação por dificuldade financeira, uma ligação de cancelamento, um caso-limite de fraude, quase não aparecem nos registros. A geração sintética dá ao modelo exemplos suficientes da cauda longa para aprender.
3. Os dados não podem sair do lugar. Quando contratos ou questões de jurisdição impedem você de compartilhar registros reais com um parceiro ou uma equipe no exterior, uma versão sintética circula sem amarras e destrava a colaboração.
4. O dado real ainda não existe. Testar um novo produto, jornada ou canal antes do lançamento significa que não há histórico de onde partir. Cenários sintéticos preenchem essa lacuna para que o sistema seja estressado antes de qualquer cliente encostar nele.

Dados sintéticos resolvem um problema de acesso aos dados, não um problema de qualidade dos dados. Se seus registros reais são bons e estão acessíveis, use-os.

Tudo isso funciona porque, quando bem validada, uma cópia sintética carrega o mesmo sinal. Em um experimento controlado do MIT, cientistas de dados que trabalharam com conjuntos sintéticos chegaram, na maioria dos testes, a resultados sem diferença significativa em relação aos que usaram dados reais.

Quando não recorrer a eles

O erro clássico é tratar dados sintéticos como um substituto gratuito dos dados reais. Não são. O gerador pode deixar de fora os eventos raros que mais importam, achatar relações que definem o resultado ou herdar, sem alarde, o viés dos dados com que aprendeu. Em decisões de alto risco, crédito, elegibilidade, qualquer coisa que mexa com o sustento de uma pessoa, os dados sintéticos servem para os testes, não para a pontuação em produção.

A pressão por privacidade que torna os dados sintéticos atraentes também aumenta o risco de cortar caminho. No benchmark de 2025 da Cisco, quase metade das organizações admitiu inserir informações pessoais ou não públicas em ferramentas de IA generativa, e quase todos os respondentes pretendem remanejar orçamento para IA. Já a McKinsey aponta que 47% das organizações enfrentaram pelo menos uma consequência negativa da IA generativa. A lição não é frear. É validar.

Um roteiro curto para acertar

1. Defina o que é “bom o suficiente” antes de gerar qualquer coisa. Amarre essa definição a uma métrica de ponta, a acurácia do modelo sobre dados reais separados para validação, e não ao quão realistas os registros parecem.
2. Case o método com os dados. Perturbação simples, modelos generativos e cenários baseados em regras resolvem problemas diferentes. Escolha pelo caso de uso, não pelo nome da marca.
3. Valide contra dados reais separados. Confira as distribuições, as correlações principais e se um modelo treinado com dados sintéticos se sai bem em casos reais.
4. Documente os limites e mantenha pessoas nas decisões de alto risco. Use dados sintéticos para complementar os dados reais, não para substituir o julgamento que precisa estar por trás de qualquer decisão que afete um cliente.

Usados assim, os dados sintéticos fazem bem exatamente uma coisa: tiram o gargalo de acesso do caminho para que sua equipe construa, teste e aprenda no ritmo que o negócio realmente exige. As equipes que saem na frente não são as que geram mais registros sintéticos. São as que sabem com precisão quais decisões merecem o dado real.

Para ver como colocamos essa disciplina em prática, conheça nossa frente de Advisory e nossa modelagem de Predictive Satisfaction Score, ou explore os estudos de caso.