IA corporativa sem dados: o erro que CEOs cometem

Segundo a Startups, Valdemir Silveira, CEO da APIPASS e sócio da nstech, publicou uma análise direta sobre um problema que está custando caro a empresas de todos os portes: a adoção de inteligência artificial sem uma fundação de dados adequada.

O argumento central é simples e desconfortável. A IA não organiza a casa. Ela escala o que já existe. Se o que existe são dados incompletos, sistemas desconectados e ausência de governança, o resultado é caos automatizado, mais rápido e com aparência de sofisticação.

O artigo cita projeção da Gartner de que pelo menos 30% dos projetos de IA generativa seriam abandonados após a prova de conceito até o fim de 2025, com qualidade de dados ruim no topo das razões. Um estudo da RAND com líderes de projeto reforça o mesmo diagnóstico.

O que está por trás desse padrão

A maioria das empresas que enfrenta esse problema não errou na escolha da ferramenta. Errou na ordem das prioridades. Abriram orçamento, contrataram plataformas e anunciaram iniciativas sem responder antes uma pergunta básica: os dados que alimentarão esse sistema estão estruturados, consistentes e acessíveis?

Essa pergunta raramente aparece nos comitês de aprovação de budget. Aparece depois, quando o projeto não entrega, e a culpa recai sobre a tecnologia.

Alguns sintomas práticos que indicam que a fundação não está pronta:

• Dados duplicados ou inconsistentes entre sistemas legados
• Falta de dicionário de dados ou definições padronizadas entre áreas
• Ausência de responsável claro pela qualidade dos dados (data owner)
• Integrações feitas por planilhas ou processos manuais que alimentam o modelo
• Nenhuma política de atualização e curadoria dos dados históricos

Se dois ou mais desses itens descrevem a realidade da sua empresa, qualquer investimento em IA vai amplificar os problemas existentes, não resolvê-los.

O que fazer antes de escalar

Não se trata de paralisar o avanço tecnológico. Trata-se de sequenciar corretamente. Antes de escalar qualquer iniciativa de IA generativa ou machine learning, a empresa precisa responder:

1. Onde estão os dados que esse modelo vai consumir?
2. Quem é responsável por sua qualidade e atualização?
3. Existe governança definida sobre acesso, privacidade e auditoria?
4. Os sistemas que produzem esses dados se comunicam de forma confiável?

Só depois dessas respostas faz sentido discutir qual modelo usar, qual fornecedor contratar ou qual caso de uso priorizar.

Na minha leitura, o problema descrito por Silveira é mais estratégico do que técnico. Quando um CEO aprova um projeto de IA sem exigir um diagnóstico prévio da maturidade dos dados, ele está tomando uma decisão de alocação de capital com informação incompleta. É o equivalente a reformar a cobertura de um imóvel com infiltração nas paredes.

O que vejo com frequência é que a pressão por resultados rápidos empurra as empresas para a camada visível da tecnologia, enquanto a infraestrutura de dados fica em segundo plano. O custo desse atalho aparece entre 12 e 24 meses depois, quando o projeto é descontinuado ou não escala além do piloto. Governança de dados não é um tema de TI. É uma decisão de liderança.