A ONU faz parceria com o Google para tornar estatísticas globais utilizáveis por agentes de IA
A ONU está construindo com o Google uma plataforma de estatísticas pronta para IA, com busca em linguagem natural, proveniência e acesso MCP após baixa precisão dos modelos.
As Nações Unidas estão trabalhando com o Google para reconstruir a forma como seus dados estatísticos podem ser encontrados e usados por pessoas e sistemas de IA. O novo UN System Data Commons substitui o antigo portal UNData por busca em linguagem natural e acesso direto por máquina por meio do Model Context Protocol, ou MCP.
O projeto responde a um problema prático: modelos de IA de uso geral часто falham em recuperar estatísticas básicas de desenvolvimento com precisão ou consistência. Um teste da UNICEF com seis modelos líderes encontrou uma taxa média de precisão de 21,2% em mais de 133.000 respostas, segundo João Pedro Azevedo, estatístico-chefe da UNICEF.
Para construtores de IA e equipes de dados corporativas, a iniciativa é notável porque mira a camada abaixo do modelo. Em vez de pedir a um sistema de IA que dependa de dados de treinamento ou de busca aberta na web, a ONU está criando uma fonte estruturada que os agentes podem consultar, inspecionar e citar.
De UNData ao UN System Data Commons
O UN System Data Commons é construído sobre a plataforma open source Data Commons do Google, lançada em 2018 para organizar conjuntos de dados públicos de diferentes provedores dentro de uma estrutura comum. A versão da ONU reúne estatísticas de várias agências da ONU em um único ambiente pesquisável.
O portal anterior UNData exigia que os usuários navegassem e pesquisassem por uma interface de banco de dados mais convencional. O novo sistema permite fazer perguntas em linguagem natural e encontrar estatísticas entre as agências participantes. Ele também registra a origem de cada estatística, permitindo que um usuário — ou uma aplicação de IA — rastreie uma resposta até sua fonte original da ONU.
A ONU disse que 26 entidades se comprometeram com a plataforma, com dados de quase 20 disponíveis no lançamento. Sua meta é levar 80% dos conjuntos de dados estatísticos do sistema ONU para a plataforma até 2027. Esses números descrevem compromissos e metas, não migração concluída, e a evidência não especifica quanto dado já está padronizado entre as agências.
O Google.org forneceu US$ 2 milhões em financiamento para fortalecimento de capacidades e apoio técnico para a infraestrutura central da plataforma. A equipe do Data Commons do Google disse ao TechCrunch que o sistema é hospedado em uma instância governada pela ONU e que a intenção é que, no futuro, seja mantido, operado e escalado de forma independente pela ONU.
Por que o benchmark de IA importa
A parceria segue um working paper da UNICEF que expôs fragilidades no acesso assistido por IA a dados de desenvolvimento. O teste cobriu o GPT-4o e o GPT-4o-mini da OpenAI, o Claude Sonnet 4.5 e o Haiku 4.5 da Anthropic, e o Gemini 2.5 Flash e o Gemini 2.0 Flash do Google.
Azevedo disse que cerca de três em cada cinco respostas não forneceram um número utilizável, muitas vezes porque os modelos se esquivaram em vez de responder. Quando as mesmas perguntas foram executadas novamente nas mesmas versões de modelos cerca de dois dias depois, os modelos que forneceram um número nas duas ocasiões retornaram o mesmo número apenas cerca da metade das vezes.
Os resultados devem ser tratados com cautela. A UNICEF ainda não publicou a metodologia, o código ou os dados de teste, e o working paper não foi revisado por pares. As descobertas são, portanto, um alerta inicial sobre a confiabilidade da recuperação por IA, e não um ranking definitivo dos modelos testados.
A UNICEF também relatou um forte aumento de tráfego vindo de assistentes de IA generativa. As referências a partir de respostas do ChatGPT para o site da UNICEF aumentaram 67% ano a ano entre 1º de janeiro e 14 de setembro, segundo Azevedo. Essas referências representaram 6,4% de todas as sessões, enquanto a UNICEF estimou que os assistentes de IA responderam por cerca de uma em cada dez visitas no total. Esses são números de tráfego informados pela agência e não mostram se os visitantes confiaram nas respostas recebidas ou agiram com base nelas.
MCP transforma estatísticas em um fluxo de trabalho de agente
O suporte da plataforma ao Model Context Protocol é central para seu uso pretendido. O MCP oferece às aplicações de IA uma forma padrão de se conectar a ferramentas externas e fontes de dados. O Google adicionou suporte a MCP ao Data Commons no ano passado, permitindo que agentes de IA consultem estatísticas e recuperem suas fontes diretamente.
Isso muda o fluxo de trabalho de simples resposta a perguntas para montagem de dados. Em uma demonstração do Google, um sistema de IA conectado aos dados da ONU via MCP identificou estatísticas relacionadas ao impacto do President’s Emergency Plan for AIDS Relief dos EUA na África. Ele combinou indicadores incluindo infecções por HIV, mortalidade por AIDS e expectativa de vida para produzir um infográfico.
Para equipes de produto, a distinção importante é entre recuperar um único valor verificado e gerar uma análise a partir de vários valores. Um sistema conectado pode criar dashboards, gráficos ou relatórios escritos sem exigir que o usuário localize e combine manualmente os conjuntos de dados. No entanto, a qualidade do resultado ainda depende de o agente escolher indicadores apropriados, entender suas definições e preservar diferenças de geografia, período e metodologia.
A demonstração do Google é um exemplo de fornecedor, não uma avaliação independente do desempenho em produção. O acesso a dados autorizados pode reduzir uma fonte de erro, mas não impede que um modelo de IA interprete mal os dados ou tire uma conclusão sem respaldo.
Implicações para builders e instituições
O projeto da ONU aponta para uma arquitetura mais controlada para aplicações de IA que respondem perguntas sobre políticas públicas, saúde, desenvolvimento e economia. Os builders podem usar uma fonte de dados governada com proveniência em vez de tratar um modelo de linguagem como se fosse o banco de dados em si. Isso pode facilitar a auditoria de respostas, a atualização de números e a identificação da fonte por trás de um gráfico gerado.
Isso também aumenta os requisitos de implementação. Uma interface útil para agentes precisa expor mais do que um número: deve preservar o conjunto de dados, o editor, a definição, a unidade, o escopo geográfico e o período de referência. Sem esse contexto, uma estatística tecnicamente correta ainda pode ser usada de forma incorreta. A decisão da ONU de rastrear a linhagem da fonte é, portanto, tão importante quanto sua interface em linguagem natural.
Compradores corporativos não devem interpretar o lançamento como prova de que análises geradas por IA estão prontas para publicação sem supervisão. Prem Ramaswami, do Google, disse que a revisão humana deve permanecer porque os modelos podem interpretar nuances de forma incorreta. Esse aviso é especialmente relevante para estatísticas oficiais, nas quais pequenas diferenças de definição podem mudar materialmente uma conclusão.
O projeto também dá ao Google um papel na infraestrutura usada para acessar dados do setor público, embora o destino declarado seja um sistema governado pela ONU e operado de forma independente. Sua importância de longo prazo dependerá de a ONU conseguir manter esquemas consistentes, cronogramas de atualização, controles de acesso e qualidade das fontes em dezenas de agências.
O que observar a seguir
O primeiro sinal será a divulgação da metodologia, do código e dos dados da UNICEF. Esse material deve esclarecer como o benchmark definiu precisão, quais perguntas foram feitas e se as diferenças de modelo relatadas se mantêm sob revisão independente.
O segundo é a adoção real do UN System Data Commons. O progresso em direção à meta de 2027, o número de conjuntos de dados migrados e a consistência dos metadados entre agências mostrarão se a plataforma está se tornando infraestrutura operacional ou permanecendo uma camada de demonstração.
Desenvolvedores de IA também devem acompanhar integrações MCP além dos exemplos do Google, incluindo ferramentas independentes que testem precisão de citação, frescor das atualizações e comportamento do agente quando as fontes de dados divergem. Para instituições, a questão-chave é se as saídas geradas podem ser auditadas com confiabilidade suficiente para pesquisa, análise de políticas e comunicação pública.
Perspectiva da Creati.ai
A iniciativa da ONU aborda uma parte negligenciada da pilha de IA: acesso confiável a informações estruturadas e autoritativas. Modelos melhores por si só provavelmente não resolverão o problema mostrado pelo teste da UNICEF se o caminho de recuperação subjacente for ambíguo ou difícil de verificar.
O teste mais difícil será a governança, não a demonstração. Se a ONU conseguir manter definições, proveniência e atualizações consistentes enquanto abre seus dados para agentes, a plataforma poderá se tornar uma arquitetura de referência prática para IA no setor público. Se não conseguir, o MCP pode simplesmente tornar mais rápido recuperar dados inconsistentes e transformá-los em análises polidas, mas enganosas.
