Metade das decisões de negócios serão aperfeiçoadas ou automatizadas por agentes de inteligência artificial (IA); a alfabetização executiva em IA impulsionará um maior desempenho financeiro; e falhas críticas no gerenciamento de dados sintéticos colocarão em risco a governança da IA, a precisão do modelo e a conformidade. Essas são algumas das previsões para dados e tecnologias de análises (D&A, sigla para data & analytics) para 2025 apontadas pelo Gartner.
Até 2027, as empresas que enfatizarem a alfabetização em IA para os executivos alcançarão um desempenho financeiro 20% maior em comparação com aquelas que não o fizerem, afirma a consultoria. Isso porque, para desbloquear todo o potencial de negócios da inteligência artificial, é necessário desenvolver a alfabetização em IA dos executivos.
Eles devem ser instruídos sobre as oportunidades, os riscos e os custos da Inteligência Artificial para que possam tomar decisões eficazes e prontas para o futuro sobre investimentos em IA que acelerem os resultados organizacionais. O Gartner recomenda que os líderes de D&A introduzam programas de aprimoramento experimental para executivos, como o desenvolvimento de protótipos específicos de domínio para tornar a IA tangível. Isso levará a um investimento maior e mais adequado em recursos de IA.
“Quase tudo hoje – desde a maneira como trabalhamos até como tomamos decisões – é direta ou indiretamente influenciado pela IA. Mas ela não entrega valor por si só – a Inteligência Artificial precisa estar fortemente alinhada com dados, analytics e governança para permitir decisões e ações inteligentes e adaptativas em toda a empresa”, diz Carlie Idoine, vice-presidente analista do Gartner, em nota à imprensa.
De acordo com o Gartner, até 2027, 50% das decisões de negócios serão aprimoradas ou automatizadas por agentes de IA para inteligência de decisão e por isso recomenda que os líderes de D&A trabalhem com os stakeholders de negócios para identificar e priorizar as decisões críticas para o sucesso da companhia e aquelas que podem se beneficiar de uma aplicação mais eficaz de analytics e IA.
“Os agentes de IA para inteligência de decisão não são uma panaceia, nem são infalíveis”, diz Idoine. “Eles devem ser usados coletivamente com governança e gerenciamento de riscos eficazes. As decisões humanas ainda exigem conhecimento adequado, bem como alfabetização em dados e Inteligência Artificial”, destaca Carlie Idoine.
Também até 2027, 60% dos líderes de dados e análise enfrentarão falhas críticas no gerenciamento de dados sintéticos, colocando em risco a governança da IA, a precisão do modelo e a conformidade. O uso de dados sintéticos para treinar modelos de IA é agora uma estratégia essencial para aumentar a privacidade e gerar conjuntos de dados diversos. No entanto, as complexidades surgem da necessidade de garantir que os dados sintéticos representem com precisão os cenários do mundo real, sejam dimensionados de forma eficaz para atender à crescente demanda de dados e se integrem perfeitamente aos pipelines e sistemas de dados existentes.
“Para administrar esses riscos, as empresas precisam de um gerenciamento eficaz de metadados”, diz Idoine. “Os metadados fornecem o contexto, a linhagem e a governança necessários para rastrear, verificar e gerenciar dados sintéticos de forma responsável, o que é essencial para manter a precisão da IA e atender aos padrões de conformidade.”
Até 2028, 30% dos pilotos de inteligência artificial generativa que avançarem para a produção em larga escala serão criados internamente, em vez de implementados usando aplicações prontas, para reduzir o custo e aumentar o controle. O Gartner diz que a criação de modelos de inteligência artificial generativa (GenAI) internamente oferece flexibilidade, controle e valor de longo prazo que muitas ferramentas prontas não conseguem igualar.
À medida que os recursos internos aumentam, o Gartner recomenda que as empresas adotem uma estrutura clara para as decisões de criação versus compra. Ela deve levar em conta o custo, tempo de lançamento no mercado, conjuntos de habilidades disponíveis, recursos de integração, conformidade e riscos.
Além disso, as empresas que priorizarem a semântica nos dados prontos para IA aumentarão, até 2027, a precisão de seus modelos de GenAI em até 80% e reduzirão os custos em até 60%. A semântica de baixa qualidade na GenAI leva a maiores alucinações, mais tokens necessários e custos mais altos.
Assim, as empresas que repensam o gerenciamento de dados para se concentrar em metadados ativos aumentam a precisão e a eficiência do modelo, têm mais dados prontos para a IA e reduzem os custos de computação. De acordo com o Gartner, isso permite que os agentes de IA operem de forma mais eficaz e facilita a tomada de decisões mais inteligentes e rápidas em toda a companhia.
Até 2029, 10% dos conselhos de administração globais usarão a orientação da IA para contestar decisões executivas que são importantes para seus negócios. À medida que a IA for incorporada à estratégia do conselho, a necessidade de uma forte governança de dados, clareza regulatória e gerenciamento de reputação se intensificará.
A consultoria recomenda que os conselhos definam os limites do envolvimento da Inteligência Artificial na tomada de decisões e estabeleçam políticas claras sobre supervisão, responsabilidade e conformidade regulatória. Isso permitirá que eles usem a IA como um consultor estratégico e, ao mesmo tempo, mantenham a confiança e o controle.
