Cúpula Executiva da Comunidade CDAO da Gartner na Cidade de Nova York

Qual foi o tema da Cúpula?

Agradecemos sua participação no Gartner New York City CDAO Community Executive Summit.

Na Cúpula, líderes de dados e análises se reuniram para discutir o que é realmente necessário para que a IA funcione em organizações reais — e não apenas na teoria. As discussões se concentraram na construção de bases de dados sólidas, na implementação da governança adequada e na gestão do escopo crescente do papel do CDAO (Chief Data Officer - Diretor de Dados e Análises de Dados) à medida que a IA passa da experimentação para as operações do dia a dia. Por meio de conversas práticas, conduzidas por pares, os participantes compartilharam o que está funcionando, o que é difícil e como os CDAOs podem impulsionar um progresso significativo sem exagerar ou prometer demais. Na sessão da Rocket, que contou com grande público, Michael Curry fundamentou esses temas na realidade em que os CDAOs atuam atualmente e definiu um caminho claro para o futuro.

Do piloto à produção: os 5 requisitos para dados prontos para agentes.

A sessão de Michael examinou como a IA agente está mudando o papel do CDAO (Chief Development and Accountability Officer) na transição da IA ​​de projetos-piloto para produção, sem aumentar o risco ou a complexidade. A discussão focou em cinco requisitos que os CDAOs devem implementar para aprovar e escalar sistemas autônomos de forma responsável, fundamentados nas realidades operacionais existentes e alinhados às prioridades do CDAO para 2026. A sessão forneceu uma estrutura prática para avaliar a prontidão, esclarecer a responsabilidade e sequenciar o progresso sem aumentar o risco ou a complexidade.

Principais conclusões:

• Por que as organizações que escalam IA com sucesso tratam a IA em produção como um desafio de gerenciamento e governança de dados, e não como um problema de modelo?
• Como as equipes líderes estão operacionalizando a confiança por meio de padrões mensuráveis ​​— como atualização, linhagem e validação de dados — antes que a autonomia seja aprovada.
• O que significa unificar dados estruturados e conteúdo não estruturado no momento da tomada de decisão para fornecer aos agentes conhecimento consistente e governado?
• Como o contexto compartilhado, a política como código e o comportamento previsível do sistema permitem que os CDAOs defendam seus resultados sob o escrutínio executivo e regulatório.
• Onde as organizações estão começando agora — focando em um domínio ou produto de dados — para progredir em direção a dados prontos para agentes sem grandes interrupções.

Principais destaques: O que os CDAOs estão priorizando agora

1. Levar a IA dos experimentos para as empresas

Uma mensagem constante da conferência foi que o desafio da IA ​​não é mais provar seu valor em projetos-piloto, mas sim entregá-la de forma confiável e em larga escala. A Gartner enfatizou que o sucesso em produção depende da prontidão dos dados em ambientes complexos — confiança, governança e repetibilidade — e não apenas de modelos ou ferramentas. Definir condições claras que devem ser atendidas antes que sistemas autônomos possam ser aprovados é um passo crucial para viabilizar uma IA confiável. Isso ajuda a reformular o progresso como um desafio de execução e prontidão, em vez de experimentação contínua.

2. Governança que acelera, não que restringe

À medida que os sistemas de IA ganham autonomia, os palestrantes destacaram a necessidade de uma governança que opere como parte da execução, em vez de um controle posterior. A ênfase foi na governança em tempo real, orientada por políticas, que permite acesso mais rápido a dados confiáveis, mantendo a responsabilidade e a supervisão. Essa mudança será impulsionada por um foco em confiança aplicável, contexto compartilhado e políticas como requisitos operacionais. Ficou claro que não se trata de um projeto único ou de uma nova plataforma. É um caminho. Ao gerenciar o esforço de forma realista — em etapas —, as CDAOs podem demonstrar com segurança como a governança pode ser escalada juntamente com a IA sem comprometer o progresso.

3. Operacionalizando “dados como produto”

Muitas sessões discutiram o valor dos modelos de dados como produto para esclarecer a propriedade, as expectativas de qualidade e a responsabilidade à medida que as iniciativas de IA se expandem. Como os agentes dependerão cada vez mais desses modelos, ativos de dados estáveis ​​e governados, bem como uma responsabilidade operacional clara, serão pré-requisitos para dados prontos para uso pelos agentes e, em última instância, para produtos de dados. Juntas, essas perspectivas ressaltaram como as bases de dados orientadas a produtos estão se tornando essenciais para escalar a IA com confiança.

Saiba em que ponto está sua estratégia de dados e o que fazer a seguir.

A IDC identifica seis pilares da modernização de TI. Dados completos e confiáveis ​​são a base de todos eles. Se sua estratégia de dados não conseguir atender a essa necessidade, a IA e a análise avançada terão dificuldades para gerar valor em larga escala.

Compare o desempenho da sua organização com o de outras empresas do setor, identifique lacunas e defina prioridades. Após receber os resultados, os especialistas da Rocket Software estarão à disposição para analisá-los com você e discutir os próximos passos práticos para fortalecer sua base de dados para IA empresarial.