Os líderes de dados e análises acham que estão prontos para IA. Provavelmente não são.

Até que ponto sua organização está realmente preparada para IA? Talvez não tão pronto quanto você esperaria. Este ano Estado da integridade dos dados e prontidão para IA O relatório, publicado em parceria entre a Exactly e o Heart for Utilized AI and Enterprise Analytics da LeBow Faculty of Enterprise da Universidade Drexel, revela uma verdade incômoda: há uma lacuna de percepção significativa entre o relatório dos líderes de dados de progresso da IA ​​e os desafios que precisam ser superados.

As descobertas deste ano chegaram perto de casa. Em meus anos construindo programas de dados e IA como Diretor de Dados na Exactly, vi em primeira mão como o otimismo em relação à prontidão da IA ​​pode superar a realidade. Embora a indústria esteja fervilhando de entusiasmo, o verdadeiro trabalho de alinhamento entre tecnologia, pessoas e governança está apenas começando.

A pesquisa mostra que esse desafio é generalizado. Entrevistamos mais de 500 líderes seniores de dados e análises de grandes empresas globais sobre sua preparação para IA, integridade de dados e os obstáculos que enfrentam. Aqui está o que se destaca:

A maioria dos entrevistados afirma ter o que a IA exige:

• Prontidão de dados (88%)
• Estratégia de negócios e apoio financeiro (88%)
• Governança de IA (87%)
• Infraestrutura (87%)
• Habilidades (86%)

E ainda assim, estes exatamente os mesmos elementos no topo da lista de maiores desafios de IAcom muitos citando:

• Infraestrutura (42%)
• Habilidades (41%)
• Prontidão de dados (43%)
• Estratégia de negócios e apoio financeiro (41%)
• Governança de IA (39%)

Essa não é uma discrepância menor; essa é uma desconexão basic.

Aqui está o que os dados mostram sobre a prontidão da IA ​​e o que separa as organizações no caminho certo daquelas que enfrentam problemas:

A lacuna entre confiança e realidade ameaça o sucesso da IA

Nosso estudo mostra que a IA domina as conversas sobre estratégia de dados. Mais de metade das organizações (52%) afirmam que esta é a principal força que molda os seus programas de dados. As empresas estão apostando tudo em casos de uso de IA em todos os níveis para segurança e conformidade (33-34%), otimização da cadeia de suprimentos (33%), desenvolvimento de software program (32%), chatbots de atendimento ao cliente (31%) e muito mais.

Mas é aqui que as coisas ficam interessantes: 40% dos inquiridos citam a infraestrutura tecnológica como um desafio para alinhar a IA com os objetivos empresariais, apesar de a maioria afirmar que a sua infraestrutura já está preparada para a IA. Esta descoberta destaca uma questão de prontidão mais profunda: as organizações podem sentir-se confiantes, mas as suas bases técnicas são insuficientes.

Os números de alinhamento de negócios contam uma história semelhante. Setenta e um por cento afirmam que seus esforços de IA estão alinhados com os objetivos de negócios. Mas apenas 31% acompanham métricas como crescimento de receita, redução de custos ou satisfação do cliente. Isso é muita confiança, dada a falta de provas. Em conversas recentes com colegas CDOs, todos admitimos que somos excelentes a medir a utilidade, mas o verdadeiro ROI é muito mais difícil de definir.

A pesquisa mostra que as organizações podem estar excessivamente otimistas em relação ao ROI. Trinta e dois esperam um ROI positivo da IA ​​nos próximos seis a 11 meses, e 16% esperam um ROI positivo nos próximos seis meses, apesar de muitas respostas indicarem que deficiências críticas na governação, competências e qualidade dos dados podem afetar os seus resultados.

Claramente, as organizações estão entusiasmadas com a IA. No entanto, isso pode levá-los a serem excessivamente otimistas se não estiverem realmente preparados para o que é necessário para transformar projetos piloto de IA em ambientes de produção reais e interempresariais.

A governança de dados surge como o fator decisivo

Aqui estão algumas boas notícias: o relatório mostra que a governação de dados tem um impacto mensurável. Das organizações com programas de governança de dados, 71% relatam alta confiança nos seus dados. Sem governança, a confiança cai para 50%.

Isso faz sentido quando você pensa sobre o que a governança faz: gerenciar a qualidade dos dados, a linhagem, o uso e as políticas de acesso para dados críticos. As organizações em setores altamente regulamentados muitas vezes têm maior maturidade em governança de dados devido a requisitos de conformidade obrigatórios.

O que considero mais revelador é como as empresas lidam com os programas emergentes de governança de IA juntamente com os esforços existentes de governança de dados. Os verdadeiros vencedores são aqueles que expandem a sua governação de dados existente para incluir a governação de IA, em vez de os tratarem como projetos separados ou únicos – ou, pior, reduzirem o seu foco na governação de dados em favor do investimento em IA.

A governança de dados é o diferencial que proporciona melhorias de 10 a 20% nos resultados com os quais os executivos mais se preocupam – principalmente:

• Eficiência operacional (19%)
• Geração de receita (16%)
• Modernização (15%)
• Conformidade regulatória (13%)

Além dos resultados empresariais, 42% dos líderes de dados afirmam que a governação melhora a sua preparação para a IA e 39% relatam que melhora diretamente a qualidade dos resultados da IA, provando que a governação de dados está longe de ser apenas uma caixa de verificação de conformidade; é essencial.

Da minha perspectiva, tratar a governança de dados e IA como uma caixa de “missão cumprida” a ser verificada é arriscado. As organizações que continuam a evoluir a sua governação, especialmente à medida que a IA amadurece – são as que vencerão a longo prazo.

RELATÓRIOEstado de integridade de dados e prontidão para IA em 2026

Resultados de uma pesquisa com líderes globais de dados e análises.

Leia o relatório

Dívida de qualidade de dados prejudica as ambições de IA

A qualidade dos dados está no topo da lista de prioridades de integridade de dados para 51% dos líderes de dados. É a questão principal em sete das oito perguntas da nossa pesquisa relacionadas aos desafios de governança de dados, problemas de integração de dados, enriquecimento de dados de terceiros e iniciativas de IA.

Isso não me surpreende; as empresas têm lutado com a qualidade dos dados desde os primeiros dias dos information warehouses, passando pela onda de huge information e entrando no information lake na nuvem.

Vimos o cenário de entrada de dados mudar drasticamente – desde os dias dos operadores de digitação até a realidade descentralizada de hoje, onde todos são engenheiros de dados. O impacto disto é visível todos os dias: mais pontos de entrada, mais aplicações e mais oportunidades para a entrada de dados de má qualidade. Os incentivos e os padrões são importantes e, sem eles, a dívida relativa à qualidade dos dados continua a crescer.

Mas a IA mudou o jogo e aumentou o risco potencial de dados de baixa qualidade. Quando você treina modelos de IA com dados não confiáveis, esses dados serão propagados em resultados de IA imprecisos. E, se a sua empresa quiser beneficiar de agentes autónomos de IA, não poderá conceder com segurança capacidade de tomada de decisão se esses agentes correrem o risco de operar com dados incorrectos.

A pior parte? Vinte e nove por cento dizem que o obstáculo mais significativo para obter dados de alta qualidade é, em primeiro lugar, medir a qualidade dos dados. E, infelizmente, você não pode consertar o que não pode medir.

No entanto, há boas notícias reveladas na pesquisa. Quando as empresas investem em governança e integração de dados, a qualidade melhora:

• 44% afirmam que a melhoria da qualidade é o principal benefício da governação
• 45% apontam a qualidade dos dados como a maior vitória da integração

Contexto fornece vantagem competitiva para IA

Os dados que você coleta de suas próprias operações são apenas o ponto de partida. Para tomar decisões inteligentes, você precisa entender o que está acontecendo no mundo actual, impactando seus clientes, fornecedores, rotas de entrega, propriedades e redes.

A inteligência de localização e o enriquecimento de dados fornecem esse contexto e transformam os dados brutos em algo acionável. Noventa e seis por cento das organizações já fazem isso, o que mostra o quão comum esta prática se tornou.

As empresas usam inteligência de localização em todos os casos para casos de uso como:

• Advertising direcionado com base na demografia do cliente (41%)
• Validando e limpando dados de endereço (41%)
• Otimizando entregas e atendimento (40%)
• Avaliação de riscos e processamento de reclamações (39%)

No lado do enriquecimento de dados, 44% utilizam segmentação de clientes e dados de audiência, 38% utilizam dados demográficos do consumidor e 39% utilizam limites administrativos para contexto geográfico.

No entanto, o enriquecimento de dados requer foco para evitar problemas comuns. Ao aproveitar os insights de inteligência de localização, os líderes de dados e análises relatam preocupações sobre privacidade e segurança (46%) e complexidade de integração (44%). E ao incorporar conjuntos de dados de terceiros, desafios adicionais incluem:

• questões de qualidade (37%)
• questões de privacidade e ética (33%)
• conformidade regulatória (32%)
• sistemas que não se integram facilmente (31%)

Se isso parece acquainted, são muito semelhantes aos desafios de governança e conformidade que continuam surgindo quando as empresas tentam alinhar a IA com os objetivos de negócios.

Na Precisamente, vimos como adicionar contexto por meio do enriquecimento de dados pode mudar o jogo – mas apenas se você estiver atento à qualidade, privacidade e integração.

Escassez de competências identificada como principal barreira

As empresas construíram plataformas de IA, reuniram dados e lançaram iniciativas de integridade de dados. Mas a pesquisa mostra que o verdadeiro gargalo não é a tecnologia, são as pessoas. Mais de metade dos líderes de dados inquiridos (51%) afirmam que as competências são a sua principal necessidade para a preparação para a IA, enquanto apenas 38% se sentem confiantes de que possuem as competências e a formação adequadas do pessoal.

O que é interessante é como as lacunas de competências estão distribuídas uniformemente. Os líderes de dados relatam lacunas de habilidades para cada competência medida, agrupando entre 25% e 30% por competência. A resposta não é tão simples quanto contratar mais cientistas de dados ou analistas de negócios. As organizações precisam de pessoas que ofereçam uma ampla gama de habilidades para dar suporte à escala e à complexidade da IA.

Veja como isso se decompõe:

• 30% não conseguem implantar IA em escala em um ambiente de negócios
• 29% não têm experiência em IA responsável e conformidade
• 28% lutam para traduzir as necessidades de negócios em soluções de IA
• 27% precisam de ajuda com o desenvolvimento de modelos de IA e conhecimentos básicos de IA
• 26% têm dificuldade em unir as equipes técnicas e de negócios, transformar as descobertas da IA ​​em ações e compreender os processos de negócios

Ao formar equipes ao longo da minha carreira, aprendi que os generalistas – aqueles que conseguem unir os mundos técnico e empresarial – são tão críticos quanto os especialistas. Traduzir as descobertas da IA ​​em estratégias de negócios viáveis ​​costuma ser a parte mais difícil, e é aí que a combinação certa de habilidades faz toda a diferença.

Crie sua estratégia de integridade de dados para 2026

Ao refletir sobre as conclusões deste ano, fico impressionado com o quanto elas reforçam o que tenho visto ao longo da minha carreira: os fundamentos da estratégia de dados, governação e competências são mais críticos do que nunca. Os desafios e oportunidades destacados neste relatório são as mesmas realidades que enfrentei pessoalmente e sei que muitos dos meus colegas estão a navegar no mesmo terreno.

O que mais me entusiasma é como esses insights podem ajudar outros líderes de dados a eliminar o ruído e a se concentrar no que realmente importa. Esteja você apenas começando sua jornada de IA ou expandindo programas maduros, as lições aqui – sobre como superar a desconexão investindo na integridade dos dados e construindo as equipes certas – são essenciais para o sucesso a longo prazo.

Para uma análise mais profunda e orientação prática para sua organização, recomendo que você se aprofunde na íntegra Relatório sobre o estado da integridade dos dados e prontidão da IA ​​de 2026. Essas descobertas ajudarão você a definir uma estratégia de dados que não esteja apenas pronta para IA, mas também para o futuro.

A postagem Os líderes de dados e análises acham que estão prontos para IA. Provavelmente não são. apareceu primeiro em Precisamente.