Introdução
A era dos agentes de IA chegou definitivamente ao mundo corporativo. Empresas de todos os setores estão implementando rapidamente essas tecnologias autônomas, que prometem não apenas responder perguntas, mas tomar decisões e executar ações de forma independente. No entanto, um obstáculo fundamental está impedindo que muitas organizações alcancem o retorno sobre investimento (ROI) esperado: a qualidade e acessibilidade dos dados empresariais.
Um novo estudo conduzido pelo MIT Technology Review em parceria com o Google Cloud, baseado em entrevistas com 300 executivos de dados e tecnologia, revela que sistemas legados de dados estão criando gargalos significativos para a implementação efetiva de agentes de IA. A pesquisa mostra que, em média, os agentes de IA têm acesso a apenas 45% dos dados corporativos – um número que cai para 30% ou menos nas empresas classificadas como ‘retardatárias em dados’.
O desafio da transição: de assistentes para agentes autônomos
A mudança de paradigma dos chatbots tradicionais para agentes de IA autônomos representa uma transformação fundamental na forma como as empresas operam. Enquanto os assistentes virtuais anteriores se limitavam a responder perguntas baseadas em conjuntos específicos de dados, os agentes modernos precisam acessar informações de toda a empresa – estruturadas e não estruturadas – com o contexto de negócios apropriado para tomar decisões em tempo real.
Essa evolução coloca demandas sem precedentes sobre a infraestrutura de dados corporativa. Os agentes precisam de acesso contínuo e sem fricção aos sistemas operacionais da organização, incluindo dados de cadeia de suprimentos, pontos de venda, recursos humanos e muito mais. Sistemas de dados legados, mesmo aqueles atualizados há poucos anos, simplesmente não foram projetados para atender a essas necessidades complexas de integração e acesso em tempo real.
A divisão entre líderes e retardatários em dados
O estudo identificou uma clara divisão entre as empresas no que diz respeito à preparação de dados para IA. Um grupo seleto de organizações, classificadas como ‘líderes em dados’, consegue fornecer aos seus agentes de IA acesso a mais de 70% dos dados corporativos. Essas empresas estão colhendo benefícios significativos em termos de eficiência operacional e confiabilidade das decisões automatizadas.
Por outro lado, a maioria das organizações enfrenta limitações severas. Dois terços das empresas retardatárias relatam que sistemas legados de dados impedem a escalabilidade dos agentes de IA (66%) e prejudicam sua capacidade de tomar decisões em velocidade adequada (68%). Em contraste, apenas 8% dos líderes em dados reportam enfrentar essas restrições.
A diferença mais impressionante está na confiança: enquanto 100% dos líderes em dados confiam nas decisões tomadas por seus agentes de IA, apenas metade das organizações em geral compartilha esse nível de confiança. Isso demonstra claramente que a confiabilidade da IA está diretamente ligada à qualidade e acessibilidade dos dados subjacentes.
Prioridades estratégicas para preparar dados para agentes
As empresas estão reconhecendo a urgência de modernizar suas infraestruturas de dados. O estudo revela que 100% dos respondentes planejam usar IA agêntica nos próximos dois anos, com 69% esperando implementá-la amplamente em suas operações. Para alcançar esse objetivo, as organizações estão focando em várias iniciativas críticas.
A prioridade número um identificada pelos executivos é melhorar o acesso a dados estruturados e não estruturados para agentes de IA. Isso inclui quebrar silos de dados, implementar lagos de dados unificados e criar APIs robustas que permitam acesso em tempo real a diferentes sistemas. Igualmente importante é aprimorar a governança de dados e IA com contexto de negócios apropriado, garantindo que os agentes não apenas acessem dados, mas os interpretem corretamente dentro do contexto operacional específico.
Os líderes em dados estão indo além, investindo pesadamente na automação do gerenciamento de dados. Isso inclui pipelines automatizados de preparação de dados, sistemas de validação contínua de qualidade e mecanismos de feedback que permitem aos agentes aprender e melhorar continuamente com base em seus resultados operacionais.
O que isso significa para o mercado brasileiro
Para as empresas brasileiras, essas descobertas são particularmente relevantes. Muitas organizações nacionais estão iniciando suas jornadas com agentes de IA agora, o que representa tanto uma oportunidade quanto um desafio. Por um lado, podem aprender com os erros de early adopters globais; por outro, precisam superar décadas de sistemas legados e práticas de gestão de dados fragmentadas.
O cenário brasileiro apresenta desafios únicos, incluindo regulamentações específicas como a LGPD (Lei Geral de Proteção de Dados), que adiciona camadas de complexidade à governança de dados para IA. Empresas de setores como varejo, finanças e manufatura precisarão equilibrar a necessidade de dar aos agentes acesso amplo aos dados com os requisitos de privacidade e segurança.
A previsão do Gartner de que agentes de IA aumentarão ou automatizarão 50% das decisões de negócios até 2027 sugere que as empresas brasileiras têm uma janela limitada para modernizar suas infraestruturas de dados. Aquelas que não removerem os gargalos de dados correm o risco de ficar para trás em um mercado cada vez mais automatizado e orientado por IA.
Lições dos líderes em dados
As organizações classificadas como líderes em dados oferecem um roteiro valioso para empresas que buscam escalar seus agentes de IA. Essas empresas compartilham várias características comuns que podem servir de guia para outras organizações.
Primeiro, elas tratam dados como um ativo estratégico, não como um subproduto operacional. Isso significa investimentos consistentes em infraestrutura de dados moderna, incluindo plataformas de dados em nuvem que oferecem escalabilidade e flexibilidade necessárias para suportar cargas de trabalho de IA. Segundo, mantêm uma cultura forte de governança de dados, com papéis e responsabilidades claramente definidos para garantir qualidade e consistência dos dados em toda a organização.
Terceiro, essas empresas implementaram arquiteturas de dados que priorizam a interoperabilidade. Em vez de sistemas isolados, utilizam plataformas integradas que permitem que dados fluam livremente entre diferentes departamentos e aplicações, mantendo ainda os controles de segurança e privacidade necessários.
O caminho à frente: preparando-se para o futuro agêntico
À medida que a IA agêntica se torna onipresente nas operações empresariais, a necessidade de superar as limitações dos sistemas de dados legados se torna cada vez mais urgente. As empresas que não conseguirem fornecer aos seus agentes acesso adequado aos dados correm o risco de implementar sistemas de IA que tomam decisões subótimas ou, pior ainda, incorretas.
Para organizações que estão começando essa jornada, o estudo sugere uma abordagem faseada. Começar com casos de uso específicos onde os dados já estão relativamente bem organizados pode fornecer vitórias rápidas e construir confiança na tecnologia. À medida que a maturidade aumenta, expandir gradualmente o acesso dos agentes a mais fontes de dados, sempre mantendo rigorosos controles de qualidade e governança.
A automação do gerenciamento de dados emerge como um diferencial crítico. Empresas líderes estão usando a própria IA para melhorar a qualidade dos dados, detectar anomalias e manter a integridade dos dados em escala. Essa abordagem recursiva – usar IA para preparar dados para IA – está se mostrando essencial para organizações que buscam escalar rapidamente suas implementações de agentes.
Conclusão
O estudo do MIT Technology Review e Google Cloud deixa claro que o sucesso com agentes de IA não é apenas uma questão de tecnologia avançada, mas fundamentalmente de preparação de dados. As empresas que investirem agora em modernizar suas infraestruturas de dados, quebrar silos organizacionais e implementar governança robusta estarão melhor posicionadas para colher os benefícios da revolução dos agentes de IA.
Para o mercado brasileiro, o momento é crítico. Com a adoção de IA agêntica acelerando globalmente, as empresas nacionais precisam agir rapidamente para não ficarem para trás. Isso significa não apenas investir em tecnologia, mas também em pessoas e processos que garantam que os dados corporativos estejam prontos para alimentar a próxima geração de sistemas autônomos inteligentes. O futuro pertence às organizações que conseguirem transformar seus dados em combustível confiável para agentes de IA – e esse futuro está chegando mais rápido do que muitos imaginam.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria “Scaling AI agents with trustworthy data” publicada em MIT Technology Review, disponível em https://www.technologyreview.com/2026/08/12/1141032/scaling-ai-agents-with-trustworthy-data/.
