Pesquisa de Preços com IA: o Que o Alice 360, do TCU, Ensina a Qualquer Empresa que Compra em Escala

Quando o Tribunal de Contas da União (TCU) acompanhou licitações e contratações diretas do governo federal entre junho de 2025 e março de 2026, o resultado, registrado no Acórdão nº 1.145/2026, trouxe um achado que qualquer diretor de compras reconhece: as falhas mais comuns não estavam na conta, e sim nos dados. Pesquisa de preços frágil, objetos descritos com termos genéricos e termos de referência que divergem do corpo do edital. É nesse terreno que o Alice 360, ferramenta de análise automatizada do próprio TCU, mostra o que a IA muda na prática.

O problema que a estatística sozinha não resolve

O Alice nasceu como robô de análise de licitações e editais, criado em parceria com a CGU, para apontar riscos antes que virem irregularidade. Em sua origem, a lógica era estatística: comparar o preço de um item com valores de mercado e sinalizar desvios. Funciona bem quando o item está bem descrito. Falha quando o edital diz apenas "material de escritório" ou "serviço de manutenção", porque o sistema não sabe com o que comparar.

A evolução do Alice 360 foi trocar telas de consulta e regras fixas por modelos de linguagem. Segundo o relator do acórdão, a ferramenta passou a identificar corretamente os itens e a capturar distorções complexas mesmo com descrições precárias. A mudança relevante não é o cálculo, que continua o mesmo, mas a etapa anterior: entender o que está sendo comprado.

O que isso muda para uma área de compras

O mesmo desenho se aplica a uma empresa privada. Compras corporativas sofrem do mesmo defeito de origem: cadastros de materiais duplicados, descrições livres digitadas por dezenas de pessoas e contratos em que o mesmo item aparece com três nomes. Um modelo de linguagem consegue agrupar essas descrições, reconhecer que são o mesmo produto e só então comparar preços entre unidades, fornecedores e períodos.

Em um cenário ilustrativo (não é dado de cliente): uma empresa com 12 mil itens ativos e cinco unidades de compra descobre, depois de normalizar o cadastro, que parte do volume é comprada do mesmo fornecedor com preços até 15% diferentes entre unidades. Ninguém via, porque cada unidade enxergava apenas o próprio histórico. O ganho não vem de um algoritmo sofisticado de preço, vem de enxergar que era a mesma coisa.

O próprio TCU é explícito sobre o limite: os alertas apoiam o auditor, que decide. Esse desenho de IA como triagem, com humano na decisão, é o que torna a ferramenta defensável e adotável.

Três decisões para quem quer replicar

• Comece pela qualidade do dado. O achado do TCU sobre PNCP e Compras.gov.br vale para o seu ERP: sem cadastro minimamente confiável, nem o melhor modelo compara o que deve.
• Use a IA para entender, não para decidir. Deixe o modelo normalizar e priorizar alertas; mantenha a negociação e a aprovação com o comprador.
• Meça o que importa. Acompanhe itens normalizados, alertas confirmados e economia efetivamente realizada, não apenas volume analisado.

O Alice 360 é um bom lembrete de que a maturidade em IA muitas vezes aparece onde menos se espera: não em um modelo novo, mas em resolver a etapa que sempre travou a análise. Para quem decide investimento, a pergunta útil não é qual modelo comprar, e sim qual dado ainda impede a sua área de comparar o que já tem.

Fontes: Acórdão nº 1.145/2026 – Plenário (TCU, julgado em 06/05/2026) e notícias institucionais do TCU sobre Alice, Sofia e Monica.