Caminhando recentemente pelos corredores do Gartner Knowledge & Analytics Summit em Orlando, um tema surgiu claramente: as organizações já ultrapassaram em muito a questão de saber se deve investir em IA e agentes de IA. A conversa agora é sobre como operacionalizar a IA com segurança e em escala.
Quase todos os líderes com quem conversei estavam experimentando agentes de IA ou planejando introduzi-los em seus fluxos de trabalho empresariais. Mas quando a conversa se voltou para os dados nos quais esses agentes confiariam, percebi que a confiança caiu rapidamente.
Essa lacuna entre a ambição da IA e a realidade da prontidão dos dados é algo que Precisamente chama de Lacuna de integridade de dados da Agentic AI. E isso surgiu repetidamente em conversas com líderes de dados durante todo o evento.
A lacuna não é apenas anedótica. O Gartner estima que até 70% dos casos de uso de IA de agência falharão devido a bases de dados fracasnão por causa dos próprios modelos. É um sinal claro de que o gargalo para o sucesso da IA passou dos algoritmos para os dados.
Os agentes mudam os riscos da confiança nos dados. No passado, a confiança nos dados frequentemente centrava-se na análise. Se um painel estivesse errado, alguém notaria e corrigiria. Mas com agentes autónomos a tomar decisões em nome das pessoas, a tolerância à incerteza torna-se muito menor. As organizações precisam de uma confiança muito maior de que os dados que orientam essas decisões são completos, contextualizados, governados e atuais.
Essa é a ideia central por trás Dados prontos para agentes: os dados da mais alta qualidade que são integrados, governados e enriquecidos para que os agentes de IA e os sistemas automatizados possam agir com confiança.
O que ouvimos no evento
Ao longo da semana, seja em nossa sessão, nas demonstrações nos estandes ou nas conversas nos corredores, continuei ouvindo a mesma tensão nas organizações.
A nível estratégico, muitos líderes sentem-se confiantes quanto ao seu roteiro de IA. Eles investiram em infraestrutura em nuvem, declararam a IA como prioridade e lançaram iniciativas em toda a empresa.
Mas quando você conversa com as equipes mais próximas dos dados em si, muitas vezes surge uma imagem diferente. As perguntas surgem rapidamente:
- Quão completo é este conjunto de dados?
- Tem o contexto certo para a IA interpretá-lo?
- Podemos confiar nele em todos os sistemas?
- É governado e rastreável?
A governança, em specific, foi um tema importante em todo o evento. À medida que a adoção da IA acelera e os ambientes de metadados se tornam mais complexos, as organizações estão a repensar a forma como a governação é aplicada. Os catálogos de dados tradicionais são cada vez mais vistos como mercadorias. O que importa agora é como a governação é operacionalizada e incorporada nos fluxos de trabalho de dados.
A desconexão entre estratégia e execução é uma das maiores barreiras para o dimensionamento da IA atualmente.
A boa notícia é que as organizações estão reconhecendo que resolver esta desconexão requer colmatar a lacuna de integridade dos dados na sua base de dados.
Uma estrutura prática da Entain
Em nossa sessão do Gartner, apresentei Paul Bell, chefe world de confiança e integridade de dados da Entainuma das maiores empresas globais de apostas esportivas e jogos.
Operando em dezenas de marcas e mercados, a Entain gerencia dados altamente regulamentados em grande escala. A sua experiência oferece uma visão prática sobre como as organizações podem desenvolver o seu ecossistema de dados para IA.
Paulo descreveu um jornada de três estágios em direção à prontidão de IA agente:
- Liderado por humanos
Na fase inicial, as definições de governação, qualidade e semântica são largamente geridas por pessoas através de processos, painéis e revisões. As equipes de dados trabalham para estabilizar a base dos dados, mas a governança geralmente é retrospectiva e envolve muitos processos.
- Assistido por agente
A próxima fase introduz a IA no próprio processo de governação. Os sinais de governança, a linhagem, as políticas e o contexto semântico tornam-se estruturados para que os sistemas de IA possam compreendê-los e utilizá-los. Os seres humanos permanecem ativamente envolvidos, supervisionando decisões e orientando políticas.
- Ecossistema de dados nativo do agente
O destino a longo prazo é um ecossistema onde a governação, a qualidade e o significado estão diretamente incorporados na forma como os dados são utilizados, em vez de serem geridos separadamente através de processos manuais. As políticas são aplicadas dinamicamente em tempo de execução, e os agentes de IA podem avaliar os níveis de confiança e decidir se devem agir, pausar ou escalar quando surgir incerteza.
Neste modelo, os humanos não desaparecem, mas o seu papel evolui. Em vez de gerenciar decisões rotineiras de dados, eles supervisionam resultados, gerenciam exceções e orientam riscos.
Essa progressão em direção a dados estruturados e consumíveis por máquinas está rapidamente se tornando uma infraestrutura crítica. O Gartner prevê que até 2028, 60% dos projetos de IA sem uma camada semântica irão falhar, destacando como o significado e o contexto partilhados são essenciais para que os agentes de IA operem de forma fiável em escala.
Os seis desafios por trás da lacuna de integridade de dados da Agentic AI
Outra conclusão das conversas do Gartner é que os desafios de dados por trás da prontidão da Agentic AI são surpreendentemente consistentes em todos os setores e reforçam as condições que criam a lacuna de integridade de dados da Agentic AI.
As organizações muitas vezes lutam com dados que:
- Encurralado em silos e difíceis de unificar
- Incompleto e falta de contexto necessário para resultados precisos de IA
- Desatualizado para decisões em tempo actual
- Inconsistente entre sistemas
- Não conforme e sem governança de dados consistente
- Caro devido a processos manuais e habilidades especializadas
Cada um desses problemas dificulta a operação segura e eficaz dos agentes de IA.
O caminho a seguir não é resolver tudo de uma vez. As equipes mais bem-sucedidas começam com um caso de uso específico, fortalecem a base de dados em torno dele, comprovam o valor e depois replicam esse padrão em toda a organização.
Isso significa que os dados seja unificado, contextualizado, atualizado, completo, governado e que a estrutura de custos correta apoia tudo.
Precisamente Consultoria em Estratégia de Dados
Uma gama abrangente de opções de consultoria em estratégia de dados fornecidas por especialistas em dados experientes, adaptadas às suas necessidades específicas e focadas em fornecer resultados mensuráveis e atingir seus objetivos.
Preparando o cenário para um futuro pronto para agentes
O que mais me empolgou no Gartner foi ver quantas organizações estão trabalhando ativamente nessa transição.
No estande da Exactly, nossa equipe realizou consistentemente demonstrações mostrando como as organizações estão usando o Precisamente Knowledge Integrity Suite para fortalecer suas bases de dados para a period Agentic: integrando, governando e enriquecendo dados para que as iniciativas de IA possam ser dimensionadas de forma responsável.
E em conversas com líderes de dados, uma ideia continuou surgindo: os agentes de IA estão migrando rapidamente para a empresa. Mas o seu sucesso dependerá inteiramente da qualidade, governação e contexto dos dados por trás deles.
O futuro da IA nas empresas será decidido na camada de dados, não na camada de modelo. As organizações que chegarem lá primeiro não serão as que migrarão mais rapidamente em termos de agentes. Serão eles que construíram a fundação antes da chegada dos agentes.
Para as organizações que estão no início dessa jornada, definir um caminho claro para dados prontos para agentes costuma ser o primeiro passo, e aquele em que a estratégia e o conhecimento certos podem fazer toda a diferença. Saiba mais sobre como o Precily pode ajudar.
A postagem O caminho para dados prontos para agentes: conclusões do Gartner Knowledge & Analytics Summit apareceu primeiro em Precisamente.