Dados prontos para IA: governança como condição para escalar

Ao participar na Gartner Data & Analytics Summit em São Paulo, saí com uma convicção ainda mais forte de o que vimos defendendo há alguns anos com nossos clientes é agora reconhecido por todos: o futuro da IA nas empresas será definido menos pelos modelos e mais pela prontidão dos dados.

A Conversa Sobre IA Amadureceu

Saí de lá com uma percepção muito clara: a conversa sobre IA ficou mais madura. O foco já não está apenas na experimentação ou no fascínio pelos modelos. O que ganhou força foi uma pergunta mais estrutural: as organizações estão, de fato, preparadas para usar IA com consistência?

Para mim foi reconfortante ver que um dos temas que eu venho abordando com os clientes e nos nossos “Minuto de Dados”, foi o que mais sobressaiu no evento: a importância de os dados estarem “Prontos para IA”. Parece uma formulação simples, mas ela carrega uma mudança de mentalidade relevante. A vantagem competitiva não estará apenas em adotar IA. Estará em criar as condições para que ela opere com contexto, confiabilidade e aderência ao negócio.

Não Basta Ter IA, É Preciso Ter Dados Prontos para IA

Durante muito tempo, muitas empresas conseguiram conviver com definições ambíguas, baixa rastreabilidade, ownership difuso e qualidade inconsistente. Isso sempre gerou retrabalho, custo e lentidão. Mas, no mundo anterior à IA, parte desse problema ainda era absorvida pelas pessoas. Analistas e especialistas conseguiam preencher contexto, interpretar exceções e compensar lacunas do dado.

Com IA, essa tolerância diminui drasticamente. Quando modelos passam a recomendar, gerar, classificar, prever ou acionar processos com maior autonomia, a fragilidade dos dados deixa de ser apenas um problema operacional. Ela passa a ser uma limitação direta de confiança, desempenho e risco.

Uma ideia muito forte apresentada no evento foi esta: dados prontos para IA não são apenas dados armazenados em uma plataforma moderna, nem um conjunto genérico de bases organizadas. São dados cuja adequação para um caso de uso pode ser demonstrada de forma contextual, contínua e alinhada às exigências daquele uso.

O Que os Dados Dizem: Governança Ainda É o Ponto de Falha das Ambições de IA

Alguns dados apresentados nas sessões ajudam a mostrar por que esse tema deixou de ser periférico:

• Apenas 34% das organizações incorporam outcomes e valor de negócio em sua governança de dados e analytics, apesar de 61% já trabalharem confiança, risco e segurança.
• Só 23% incorporam estilo de governança e 26% tratam cultura e comunicação como parte do modelo.
• A mensagem mais direta talvez tenha sido esta: a governança de dados tende a ser o ponto principal de falha para as ambições de IA das organizações.
• Até 2028, 80% das aplicações de negócio com GenAI devem ser desenvolvidas sobre plataformas de gestão de dados já existentes nas empresas, com redução de 50% na complexidade de implementação e no tempo de entrega.

Governança Deixou de Ser Só Suporte

Na prática, isso significa que governança de dados deixou de ser uma camada de suporte e passou a ser condição para escalar IA com segurança. E aqui vale uma distinção importante: governança de verdade não é burocracia. É um mecanismo de clareza e direção.

Governança útil é a que ajuda a responder perguntas concretas. Quais dados realmente importam para um caso de uso? Quem responde por eles? Que nível de qualidade e rastreabilidade é necessário? Quais riscos precisam ser controlados? Como medir se aquilo está gerando resultado para o negócio?

O evento reforçou também que abordagens tradicionais já estão falhando. Aquele modelo de grande programa, grande comitê e grande escopo, sem conexão clara com impacto, tende a perder apoio ao longo do tempo. O negócio não percebe valor, o engajamento cai e a governança vai ficando com cara de obrigação.

Por isso, a reflexão mais útil talvez seja esta: governança não precisa ser maior. Precisa ser mais objetiva, mais adaptativa e mais conectada ao valor. Em vez de tentar governar tudo da mesma forma, o caminho é priorizar os dados e ativos que realmente suportam decisões relevantes, fluxos críticos e iniciativas de IA com impacto real.

Metadata, Lineage e Contexto Passam ao Centro

Como CEO de uma empresa nativa de Governança e Data Management, outro ponto que me marcou bastante foi a centralidade da metadata. Em uma das apresentações, a provocação era direta: a resposta para saber se um dado está pronto para IA está 100% na metadata. Faz sentido.

Se a organização não consegue explicar origem, definição, lineage, frequência de atualização, critérios de qualidade, restrições de uso e aderência ao caso de negócio, então ela não consegue sustentar IA com o nível de confiança que promete.

Isso também ajuda a corrigir um erro comum: achar que prontidão para IA é um checkpoint. Não é. As próprias apresentações reforçaram que AI-ready data is not one and done. Os dados mudam, os padrões derivam, o contexto evolui e os usos se multiplicam. Prontidão, portanto, é uma capacidade contínua.

Em termos práticos, isso exige uma disciplina mais forte de metadata, lineage e monitoramento. Exige também capacidade de provar representatividade, observar drift e ajustar critérios ao longo do tempo, em vez de presumir que uma base continuará adequada por inércia.

Por Que Stewardship é Central para Escalar Governança de Dados com IA

Se governança é a direção, stewardship é a disciplina que faz isso acontecer no dia a dia. Esse foi outro tema recorrente no material do evento, e os números ajudam a explicar por quê.

• Apenas 9% das organizações têm stewards que monitoram o desempenho de uma política e reportam de volta ao board o valor de negócio da governança.
• Ao mesmo tempo, 22% das organizações estão adicionando papéis de data steward e 17% estão adicionando AI steward roles para apoiar a prontidão para IA.

Esses dados mostram duas coisas ao mesmo tempo:

• Primeiro: o mercado já percebeu que a execução da governança precisa ser fortalecida.
• Segundo: ainda existe um gap importante entre nomear papéis e transformar esses papéis em capacidade real de negócio.

Stewardship não pode mais ser visto como uma função administrativa. É uma disciplina conectiva. É o que traduz política em prática, negócio em critério, desvio em ação corretiva e aprendizado em evolução operacional.

Confiança Será um Diferencial Competitivo

Outra ideia relevante que saiu fortalecida do evento foi a de confiança como ativo estratégico. Em vez de tratar todos os dados da mesma forma ou perseguir um ideal abstrato de controle total, a tendência é evoluir para níveis graduais de confiança, de acordo com risco, impacto e uso.

Essa visão me parece especialmente útil porque tira a governança do lugar de bloqueio e a coloca no lugar certo: o de habilitadora de decisões melhores. Nem tudo precisa do mesmo grau de controle. Mas tudo o que sustenta decisões críticas, automação relevante ou IA em escala precisa de critérios explícitos de confiança:

• Mais impacto e mais risco exigem mais evidência, mais monitoramento e mais clareza de responsabilidade.
• Usos menos críticos permitem abordagens mais leves, desde que essa escolha seja consciente e visível.
• O valor está em tornar o nível de confiança explícito, e não presumido.

O Que Isso Significa para as Empresas na Prática

Se eu tivesse que resumir em poucos pontos o que ficou para mim depois da Gartner Data & Analytics Summit, seria isto:

• IA não corrige fragilidade de dados. Ela amplia.
• Governança deixou de ser suporte e passou a ser condição para escalar IA com confiança.
• O foco precisa sair de programas genéricos e ir para dados críticos, casos prioritários e valor incremental.
• Metadata, lineage, ownership e monitoramento contínuo serão cada vez mais centrais.
• A maturidade não estará em ter IA, mas em saber onde, como e com que confiança usá-la.

A Conexão com a Apgar

Na Apgar, esse debate nos é particularmente próximo porque há muitos anos trabalhamos exatamente na interseção entre governança, qualidade, data management e geração de valor para o negócio.

Muito antes de a IA ocupar o centro da agenda executiva, já era claro para nós que dados mal definidos, sem ownership, sem qualidade e sem governança comprometem eficiência, tomada de decisão e capacidade de execução. O que mudou agora é que a IA tornou esse problema ainda mais visível e urgente.

Por isso, vejo um alinhamento muito forte entre o que apareceu no evento e aquilo que é o core da nossa atuação: ajudar organizações a transformar dados em valor real com método, clareza, governança e proximidade com o negócio. Não se trata de defender governança por princípio. Trata-se de tornar a IA viável fora do slide.

O Que Vem Depois da Experimentação

Minha principal conclusão depois da Gartner Data & Analytics Summit em São Paulo é simples: a próxima fase da IA nas empresas será menos sobre experimentação e mais sobre prontidão.

Prontidão de dados. Prontidão de processos. Prontidão de ownership. Prontidão de governança. No fim do dia, ready for AI não é um slogan. É um teste de maturidade e, cada vez mais, também um teste de competitividade.