Da Cúpula à Estratégia: Por Dentro da Cúpula de Dados e Análise da Gartner de 2026

De 9 a 11 de março, a Rocket participou do Gartner Data and Analytics Summit em Orlando, Flórida. Este ano, o tema foi "Valor na Velocidade da IA: Navegando o Agora e o Futuro", e os mais de 3.000 fornecedores, líderes de dados, CIOs e tecnólogos presentes incorporaram esse tema em suas percepções e perguntas.

Os três dias da conferência foram repletos de conversas instigantes com clientes, parceiros e colegas. Seja na sessão que apresentei, durante os almoços e reuniões informais, ou nos corredores entre os fóruns, o tema recorrente foi como solucionar problemas de acesso, confiança e controle de dados.

Agora que o evento terminou, a prioridade é a execução. Veja como traduzir as principais conclusões do Gartner D&A em ações concretas e de curto prazo na estratégia de dados da sua organização.

Aproveitando todo o potencial dos seus dados

Ministrei uma sessão intitulada "Do Piloto à Produção: 5 Etapas para um Ambiente de Dados Preparado para IA". Percebi um padrão comum que muitos vivenciam: conseguimos que um projeto piloto de IA funcione bem em uma demonstração, mas logo em seguida nos deparamos com a "barreira da transição do piloto para a produção". É nesse momento que a confiança é testada, os dados e o conteúdo não correspondem, os controles se tornam um obstáculo e os sucessos iniciais estagnam.

Concentrei-me nas mudanças práticas que as equipes estão implementando para superar barreiras, especialmente à medida que os Modelos de Aprendizagem Baseados em Liderança (LLMs) e os fluxos de trabalho no estilo de agentes se tornam mais comuns em operações reais. Meu objetivo era identificar e esclarecer os problemas que os profissionais enfrentam diariamente, como a falta de confiança mensurável, dados e conteúdo desconectados e controles de uso deficientes. Os agentes acessam tabelas brutas, os esquemas evoluem e quebram, as automações falham e, devido à ausência de mecanismos de proteção, os usuários percebem as falhas, colocando em risco sua confiança e a da empresa.

Leia aqui uma análise completa das 5 principais mudanças que identifiquei para escalar a IA, transformando-a de um experimento em um impacto empresarial.

Em que tudo isso se resume?

No evento, um tema recorrente foi que a IA amplifica dados ruins mais rapidamente do que qualquer outra tecnologia anterior. A principal conclusão que tirei do Gartner D&A Summit é que, se seus conjuntos de dados principais não forem confiáveis, os resultados da sua IA também não serão.

Um conceito que me chamou a atenção na apresentação da Gartner foi o de "política como código" como base prática para governar esse novo cenário. Em um ambiente altamente distribuído e orientado a agentes, a governança não pode depender exclusivamente de controles centralizados. As políticas precisam acompanhar os próprios dados, garantindo que a proteção, o acesso e a conformidade sejam aplicados no ponto de uso, onde quer que esses dados estejam armazenados.

Ao mesmo tempo, a confiança nos dados continua sendo um pilar fundamental. À medida que as organizações avançam em direção a dados prontos para IA, recursos como linhagem e monitoramento da qualidade dos dados deixam de ser opcionais e se tornam essenciais. Sem visibilidade clara da origem dos dados e confiança em sua integridade, os sistemas de agentes correm o risco de amplificar erros em larga escala. As organizações devem formalizar a "confiança" em seus SLAs ( Acordos de Nível de Serviço) que garantam a entrega consistente e governada de dados em todas as iniciativas de modernização e IA.

Muitas equipes estão experimentando com GenAI, mas o fazem de uma forma desconectada da governança, e é aí que as coisas dão errado. Em vez de deixar os modelos de IA extrairem informações de qualquer lugar ou incorporarem tudo indiscriminadamente, precisamos definir maneiras padronizadas e governadas para que os sistemas recuperem informações.

O que está ficando claro é que uma gestão de dados robusta é a base de tudo. As fronteiras tradicionais entre dados estruturados e não estruturados estão começando a se diluir, especialmente à medida que os agentes consomem e geram informações em diversos formatos. As organizações estão começando a pensar nos dados de forma mais holística, focando menos no tipo e mais na usabilidade, no contexto e na governança. É aqui que o contexto, outro tema em destaque na conferência, entra em cena. Os agentes de IA precisam não apenas de acesso aos dados, mas também de contexto e estrutura. As organizações que avançam mais rapidamente são aquelas que tornam seus dados acessíveis e interpretáveis ​​para a IA.

O que mais importa

Embora o caminho a seguir ainda esteja em evolução, a urgência de agir é inegável. À medida que os líderes avançam com as iniciativas, é crucial compreender claramente sua posição atual e seus objetivos futuros, e desenvolver uma estratégia prática para alcançá-los. Isso envolve definir metas bem definidas, estabelecer roteiros de gerenciamento e arquitetura de dados e estabelecer parcerias com os aliados estratégicos certos para o sucesso.

O Rocket foi projetado para ajudar você a transformar esses insights em ação, liberando o potencial dos seus dados para alcançar um sucesso real e duradouro. Aprenda a aproveitar a IA com sucesso e a otimizar todo o seu ecossistema de dados para o futuro.