Gerar gráfico virou commodity

A camada de contextoentre suas IAs e seus dados

Sua equipe pergunta no Claude, no ChatGPT, no Copilot ou no Gemini. O Undash entrega a essas IAs as métricas oficiais e as regras de segurança da empresa, que melhoram a cada versão. Ninguém espera na fila, e o número sai oficial.

Demonstração com o seu cenárioSomente leitura no seu bancoDados na região São Paulo

Assistente da empresaUndash MCP

Qual foi a receita líquida de setembro por região?

  1. search_contextreceita líquida, região
  2. describe_metricreceita_liquida v3
  3. run_querysetembro · por região

Receita líquida · setembro

R$ 4,21 mi

Receita líquida de setembro por região
RegiãoReceita líquida
SudesteR$ 2,07 mi
SulR$ 0,93 mi
NordesteR$ 0,68 mi
Centro-OesteR$ 0,32 mi
NorteR$ 0,21 mi

Exemplo com dados fictícios

Funciona com a IA que seu time já usa

  • Claude
  • ChatGPT
  • Microsoft Copilot
  • Google Gemini

Lê do warehouse que já é a fonte da verdade

  • PostgreSQL
  • BigQuery
  • Snowflake
  • MySQL
  • Redshift
  • Trino
  • ClickHouse

a fila que ninguém aguenta mais

A análise de dados virou conversa

Seu time já conversa com dados. Seu BI ainda abre chamado.

As pessoas fazem perguntas à IA e recebem respostas em segundos. O BI tradicional ainda exige pedido, fila, painel fixo e o time de dados no meio. Quem não espera cola uma planilha na própria IA. A empresa perde nas duas pontas: velocidade e controle.

  • #482 Receita por canal na fila
  • #489 Churn por plano, de novo na fila
  • #496 O mesmo painel com outro filtro na fila
Ilustração. Cada pergunta nova vira um pedido e espera a sua vez.

Se você lidera a empresa

  • Você pergunta na segunda e o painel chega quando a decisão já foi tomada.
  • Cada diretoria leva um número diferente para a mesma reunião.
  • Você paga licença por pessoa para painéis que pouca gente abre.
  • Você não sabe que dados da empresa já foram colados numa IA pessoal.

Se você é do time de dados

  • A fila só cresce, e cada pedido é uma variação do painel anterior.
  • Metade da semana vai em explicar por que o número não bate com a planilha.
  • A definição de receita que você escreveu é reescrita em cada prompt.
  • Cobram de você a governança de IAs que você nem sabe que existem.

Enquanto isso, a Shadow AI cresce no escuro

Shadow AI é quando as pessoas levam dados da empresa para IAs que ninguém aprovou. Não é hipótese: está nas manchetes.

Proibir a IA não funciona. Dar contexto oficial a ela, sim.

Cada IA dá um número diferente

Sem contexto, cada IA escolhe uma tabela e inventa uma regra. A mesma pergunta sobre receita, feita em três assistentes:

  • Claude

    R$ 4,6 mi

    Somou os pedidos faturados, com frete.

  • ChatGPT

    R$ 3,9 mi

    Tirou as devoluções, mas só até o dia 25.

  • Copilot

    R$ 4,2 mi

    Usou a tabela de pedidos antiga.

Mesma pergunta, três respostas. Qual vai para o conselho?

Qualquer IA desenha um gráfico. Só a camada de contexto garante que o número é oficial.

do dado bruto ao Lacre

Como funciona

Do warehouse ao painel oficial, sem fila no meio

O Undash fica entre os seus dados e as IAs da empresa. Veja a jornada completa, passo a passo.

Conecte o warehouse. Com um usuário somente leitura, verificado na conexão. O Undash lê o catálogo de tabelas e colunas para começar.

Monte a camada de contexto. A IA Undash propõe métricas, sinônimos e regras de negócio a partir do catálogo. O time de dados aprova cada item e publica uma versão.

Defina quem vê o quê. Regras por linha para pessoas e grupos e colunas pessoais mascaradas. A política é montada no servidor, e nenhuma IA consegue removê-la.

Ligue a IA de cada pessoa. Cada pessoa adiciona o Undash MCP no Claude, no ChatGPT, no Copilot ou no Gemini e entra com a própria conta. A IA consulta métricas e nunca escreve SQL.

Publique com o Lacre. A IA monta o painel no padrão visual da empresa. Depois das verificações e, se quiser, da revisão humana, ele ganha o Lacre e pode ser compartilhado com controle.

Conectar warehouseapp.undash.ai
PostgreSQLBigQuerySnowflake

projeto: aurora-dados · conjunto: vendas

  • Conexão testada
  • Usuário somente leitura verificado
  • Catálogo lido: 48 tabelas e 612 colunas

Exemplo com dados fictícios da Casa Aurora Móveis

alucinação? aqui não

Confiança

IA que alucina número não vai para a reunião

Alucinação em análise de dados quase sempre é falta de contexto: a IA não sabe o que a empresa chama de receita, qual tabela vale nem quem pode ver o quê. O Undash resolve isso antes da consulta, não depois.

APoutubro de 2025

Deloitte devolve parte de um contrato de A$ 440 mil ao governo australiano depois de um relatório com referências inventadas por IA.

Ler a notícia da AP (outubro de 2025)
  1. Contexto de negócio

    • “faturamento” = receita líquida (usado)
    • região Sul (usado)
    • setembro de 2026 (usado)
    • receita sem devoluções nem frete (usado)
    • cliente
    • “cliente ativo”
  2. Métrica oficial

    • receita_liquida v3 (usado)
    • ticket_medio v2
    • cliente_ativo: sem definição
  3. Modelos e relações

    • vendas.pedidos_faturados (usado)
    • crm.clientes
    • pedidos.cliente_id → clientes.id
  4. Política de acesso

    • Ana vê só a região Sul (usado)
    • CPF mascarado
    • consulta auditada (usado)

Resposta

R$ 0,93 mi

Oficial v3
SELECT SUM(valor_liquido)
FROM vendas.pedidos_faturados
WHERE regiao = 'Sul'
  AND mes = DATE '2026-09-01'

SQL gerado pelo motor, não pela IA. Mesma pergunta, mesma consulta.

Exemplo com dados fictícios da Casa Aurora Móveis

  • Motor de consultas determinístico

    A IA pede métricas numa linguagem estruturada e o motor gera o SQL. Mesma pergunta, mesmo SQL, mesmo número, com a consulta e a versão abertas no Tira-teima.

  • Grafo de contexto

    Termos de negócio, métricas, modelos e relações ligados entre si. A IA encontra a definição certa em vez de adivinhar a tabela.

  • Segurança que falha fechada

    Regras por linha e dados pessoais mascarados em toda consulta. Se a política não puder ser aplicada, a consulta não roda.

  • Melhora a cada versão

    As consultas de referência formam uma suíte de avaliação. Uma versão nova que piora a precisão não é publicada.

plugou, perguntou

Conexões e segurança

Conecte em minutos. Governe desde o primeiro dia.

Sem migrar dados e sem trocar a IA de ninguém. O Undash se liga ao warehouse e às IAs que a empresa já usa.

Na IA que cada pessoa já usa

Pelo MCP, o padrão aberto que conecta IAs a ferramentas, com login da própria pessoa.

  • Claude
  • ChatGPT
  • Microsoft Copilot
  • Google Gemini
  • Cursor
  • Lovable
  • Outras ferramentas com MCP remoto e login OAuth costumam funcionar.

Conector MCP https://app.undash.ai/mcp

No warehouse que já é a fonte da verdade

Leitura com usuário somente leitura. Os dados continuam onde estão.

  • PostgreSQL
  • BigQuery
  • Snowflake
  • MySQL beta
  • Redshift beta
  • Trino beta
  • ClickHouse beta

Segurança de nível empresarial

  • Somente leitura

    Verificado no momento da conexão. As consultas rodam em modo leitura.

  • Dados no Brasil

    Dados e metadados na região São Paulo, de acordo com a LGPD.

  • Cada pessoa vê só o que pode

    Regras por linha para pessoas e grupos, aplicadas em toda consulta.

  • Dados pessoais mascarados

    Colunas pessoais chegam mascaradas para a IA e para quem não pode vê-las.

  • Auditoria que não se altera

    Cada consulta, publicação e acesso fica registrado, sem edição.

  • Organizações isoladas

    Cada empresa fica isolada no banco, com política de acesso por organização.

em boa companhia

Construído sobre padrões abertos

O protocolo que as maiores IAs adotaram. A camada de contexto que faltava.

O Undash MCP segue o protocolo MCP, o padrão aberto que conecta IAs a ferramentas. Em pouco mais de um ano, ele virou o jeito comum de levar contexto às IAs do mercado.

  1. nov. 2024

    A Anthropic lança o Model Context Protocol (MCP) como padrão aberto.

    Fonte: A Anthropic lança o Model Context Protocol (MCP) como padrão aberto.
  2. mar. 2025

    A OpenAI adota o MCP, começando pelo Agents SDK.

    Fonte: A OpenAI adota o MCP, começando pelo Agents SDK.
  3. 2025

    Google e Microsoft anunciam suporte ao MCP nas suas plataformas.

    Fonte: Google e Microsoft anunciam suporte ao MCP nas suas plataformas.
  4. dez. 2025

    O MCP passa à Agentic AI Foundation, na Linux Foundation, com Anthropic, OpenAI e Block.

    Fonte: O MCP passa à Agentic AI Foundation, na Linux Foundation, com Anthropic, OpenAI e Block.
  5. agora

    O Undash leva a camada de contexto a todas elas.

Compromissos desde o primeiro dia

  • Feito no Brasil, com dados na região São Paulo
  • LGPD desde o primeiro dia, com dados pessoais mascarados
  • Somente leitura no seu warehouse
  • Auditoria de cada consulta e publicação

As primeiras empresas definem o Undash

Quem conversa com a gente agora configura com o time Undash e influencia o que vem a seguir.

Perguntas frequentes

O que é a camada de contexto?

É o que fica entre as IAs da empresa e os dados: métricas oficiais, regras de negócio, relações entre tabelas e regras de acesso. Toda IA conectada ao Undash consulta essa camada antes de responder, e ela melhora a cada versão aprovada pelo time de dados.

Como o Undash evita alucinações?

A IA não escreve SQL. Ela pede métricas aprovadas numa linguagem estruturada, e o motor do Undash gera e executa a consulta, sempre igual para a mesma pergunta. Sem métrica oficial, a resposta diz isso e a pergunta vira sugestão para o time de dados. Visões com números escritos à mão não viram oficiais.

O que é Shadow AI?

É quando as pessoas usam IAs por conta própria com dados da empresa: planilhas exportadas, definições diferentes e nenhum registro de quem viu o quê. O Undash não proíbe a IA; dá a ela o contexto oficial e o acesso de cada pessoa.

O Undash substitui o BI?

Muda o caminho da análise do dia a dia: em vez de abrir um pedido e esperar um painel, a pessoa pergunta na IA e, quando o resultado importa para a empresa, publica uma visão com o Lacre. Os painéis que vocês já têm podem continuar onde estão.

O Undash cria os gráficos?

Não, e esse é o ponto: gerar gráfico virou commodity. Quem cria é a IA que vocês já usam. O Undash entrega a ela os números oficiais e o padrão visual da empresa, e verifica, guarda e compartilha o que ela publica.

Quais IAs funcionam?

Claude, ChatGPT, Microsoft Copilot e Google Gemini, pelo protocolo MCP. Outras com MCP e login OAuth costumam funcionar.

Quais bancos posso conectar?

PostgreSQL, BigQuery e Snowflake. MySQL, Redshift, Trino e ClickHouse estão em beta.

O Undash pode alterar meus dados?

Não. A conexão exige um usuário somente leitura, verificado no momento da conexão, e as consultas rodam em modo leitura.

Onde ficam os dados?

Na região São Paulo. O Undash guarda definições, resultados das consultas usadas nas visões e a auditoria. As credenciais ficam cifradas.

Quem decide o que é oficial?

O time de dados aprova as métricas. Cada visão vira oficial por revisão humana ou por verificação automática, conforme a política da empresa.

Cada pessoa vê só o que pode?

Sim. Regras por linha para pessoas e grupos, colunas pessoais mascaradas e visões com público definido. Se a política não puder ser aplicada, a consulta não roda.

Posso compartilhar com quem é de fora?

Sim, pelo Undash Share: link com código por email, prazo, marca d’água e dados ao vivo ou congelados.

Dê contexto oficial às IAs da sua empresa

Agende uma conversa e veja como o Undash leva contexto oficial às IAs da sua empresa.

  • Demonstração com o seu cenário
  • Conversa direta com o time Undash
  • Próximos passos para conectar os seus dados

Conheça o Undash

Agende uma conversa e veja o Undash funcionando

Mostramos a camada de contexto com as IAs que a sua empresa já usa e entendemos o que vocês precisam.

  • Demonstração com o seu cenário
  • Conversa direta com o time Undash
  • Próximos passos para conectar os seus dados
O que leva vocês ao Undash?Marque quantas quiser