Infraestrutura de dados legada limita o potencial da inteligência artificial agêntica nas empresas
A adoção de agentes de inteligência artificial já é uma realidade nas organizações, mas o retorno sobre o investimento depende diretamente da qualidade da base de dados disponível. Um novo relatório, baseado em uma pesquisa com 300 executivos de dados e tecnologia, revela que sistemas de dados legados, mesmo aqueles atualizados há poucos anos, não conseguem acompanhar as exigências da chamada inteligência artificial agêntica, categoria de sistemas capaz de agir de forma autônoma em nome dos usuários.
A inteligência artificial agêntica representa uma mudança significativa em relação aos modelos generativos tradicionais. Enquanto esses sistemas se limitavam a responder perguntas, os agentes precisam acessar dados de toda a empresa, em formatos estruturados, como bancos de dados tabulares, e não estruturados, como documentos, e-mails e imagens, além de contar com o contexto de negócio adequado. Para tomar decisões em tempo real, os agentes também necessitam de acesso direto aos sistemas operacionais das organizações, incluindo plataformas de cadeia de suprimentos, pontos de venda e recursos humanos.
O relatório destaca que a maioria das organizações ainda não oferece à inteligência artificial agêntica acesso amplo aos seus dados corporativos. Em média, os sistemas de IA têm acesso a apenas 45% dos dados das empresas pesquisadas. Esse número cai para 30% ou menos nas organizações classificadas como "atrasadas em dados", enquanto um grupo seleto de empresas, identificadas como "líderes em dados", garante acesso a mais de 70% das suas informações.
A confiança nas decisões tomadas pelos agentes reflete diretamente a maturidade da base de dados. Atualmente, apenas metade das organizações pesquisadas confia que as decisões de seus agentes de IA são precisas e relevantes. Entre os líderes em dados, porém, 100% afirmam confiar nas decisões de seus agentes, um indicador claro de que uma inteligência artificial confiável exige uma fundação de dados igualmente confiável.
Os dados também mostram que as empresas líderes enfrentam menos dificuldades para escalar e acelerar suas operações com agentes. Dois terços das organizações atrasadas relatam que sistemas legados limitam a escalabilidade da inteligência artificial agêntica, enquanto 68% afirmam que essas limitações impedem os agentes de tomar decisões com agilidade. Entre os líderes em dados, apenas 8% apontam esses mesmos obstáculos, evidenciando que a superação das restrições técnicas está diretamente ligada ao sucesso na implantação dos agentes.
A pressão para modernização é crescente. Segundo o relatório, todas as organizações pesquisadas planejam utilizar inteligência artificial agêntica nos próximos dois anos, sendo que 69% pretendem adotá-la de forma ampla. Sem a remoção das restrições nos sistemas de dados, a tecnologia corre o risco de não entregar a velocidade e a eficiência prometidas.
Entre as prioridades identificadas para viabilizar a escalabilidade, a melhoria no acesso a dados estruturados e não estruturados para os agentes de IA aparece como a iniciativa mais importante. Logo em seguida está o aprimoramento da governança de dados e inteligência artificial com contexto de negócio, garantindo que as informações sejam interpretadas corretamente pelos sistemas. Os líderes em dados também concentram esforços significativos na automação da gestão de dados, buscando reduzir a dependência de processos manuais que atrasam a operação dos agentes.
O relatório conclui que a infraestrutura de dados deixou de ser um elemento de apoio e se tornou um fator determinante para o sucesso da inteligência artificial agêntica. Organizações que investem em ambientes de dados modernos, com acesso amplo, governança robusta e gestão automatizada, estão melhor posicionadas para extrair valor real dos agentes autônomos. Por outro lado, aquelas que mantêm sistemas legados correm o risco de frear suas ambições de transformação digital justamente no momento em que a tecnologia promete maior impacto nos processos de negócio.
A pesquisa reforça que o diferencial entre empresas que obtêm resultados consistentes com agentes de IA e aquelas que enfrentam fracassos nos projetos está menos nos modelos de inteligência artificial em si e mais na capacidade de oferecer a esses sistemas o contexto e os dados de que precisam para operar de forma confiável e em escala.
