Estudo da Iron Mountain mostra que empresas querem dar mais autonomia à IA, mas não contam com as informações confiáveis e estruturadas de que precisam para escalar
Uma pesquisa da Iron Mountain, multinacional de gestão de informações, aponta um descompasso entre as metas das empresas para inteligência artificial e a capacidade real de execução no momento em que o mercado busca sistemas mais autônomos.
Publicados no estudo The Information Supercycle: Aligning Data, Infrastructure and Capital for AI Scale, os números indicam que usar dados para melhorar resultados de negócios é prioridade máxima para 95% das empresas. Mesmo assim, 86% registraram atrasos ou cancelamentos em iniciativas de IA nos últimos 12 meses devido a preocupações com os dados.
O esforço necessário para deixar as informações prontas para a IA ainda é expressivo. Quatro em cada dez empresas dedicam ao menos 41% do tempo total dos projetos ao tratamento manual de dados. Apenas 39% das entrevistadas se enquadram na categoria “digitalizados e estruturados” do relatório, na qual arquivos corporativos sem uso prévio (dark data) são gerenciados de forma centralizada, indexados e prontamente utilizáveis para análise e modelos de IA.
Dados fragmentados e sistemas legados continuam sendo um dos principais obstáculos: 56% das empresas relatam informações dispersas em plataformas desconectadas ou silos departamentais, enquanto 53% esbarram em formatos obsoletos ou arquivos físicos. O impacto dessas falhas torna-se ainda mais crítico conforme as empresas avançam da IA generativa para modelos agênticos, capazes de agir em seus fluxos de trabalho. Sete em cada dez organizações declaram que não conseguem rastrear com precisão o ciclo de vida (origem ou jornada) dos dados usados em seus modelos de IA.
“A maturidade em inteligência artificial exige mais do que implementar a tecnologia mais recente. As companhias precisam garantir que a informação fornecida aos modelos esteja acessível, atualizada e com governança, com propriedade e permissões claras. Conforme os agentes de IA deixam de apenas sugerir respostas para executar ações na rotina operacional, essa base se torna indispensável para expandir a IA com confiança”, afirma Varun Gupta, vice-presidente sênior de Marketing Global de Produtos e Soluções da Iron Mountain.
À medida que a IA começa a tomar e agir em mais decisões, as consequências vão além de resultados ruins. Informações fragmentadas podem criar exposição de segurança, riscos de conformidade e auditoria, custos mais altos de descoberta e perda de conhecimento corporativo. As organizações precisam de uma governança de ciclo de vida contínua que lhes dê uma visão clara e auditável das informações, da criação à destruição, ajudando a verificar se os dados ativados para IA sejam atuais, estão em conformidade e confiáveis.
