Gartner: redução de custos só virá com dados preparados para uso da Inteligência Artificial
Pesquisa mostra que apenas 44% das organizações adotaram práticas de FinOps ou mecanismos de proteção financeira para projetos de IA.

Apenas um em cada cinco líderes de Data & Analytics (D&A) ou de Inteligência Artificial (IA) demonstra preocupação de que custos imprevisíveis possam limitar o valor gerado pela IA, segundo levantamento do Gartner. A pesquisa, realizada entre novembro e dezembro de 2025 com 353 executivos da área, indica que apenas 44% das organizações adotaram práticas de FinOps ou mecanismos de proteção financeira para projetos de IA.
O estudo também aponta que a adoção de iniciativas de IA avançou significativamente: passou de duas em cada cinco empresas em 2024 para quatro em cada cinco atualmente. Para Gareth Herschel, Vice-Presidente Analista do Gartner, esse cenário exige que líderes de D&A priorizem clareza sobre retorno sobre investimento (ROI) e responsabilidade na entrega de valor, em meio ao aumento das expectativas e ao debate sobre uma possível “bolha” de IA.
Segundo o Gartner, embora líderes de Data & Analytics estejam acumulando experiência com IA, isso não impede que fiquem para trás, já que o ritmo de experimentação é generalizado. A consultoria aponta que esses executivos precisam definir com clareza o nível de ambição em IA, repensar o impacto da tecnologia em suas áreas, estabelecer uma visão comum e assumir protagonismo na gestão de custos e riscos associados. Sem bases estruturadas, a IA tende a permanecer um experimento caro para a maioria das empresas.
O Gartner também destaca que não é realista esperar que a IA ou a IA generativa compensem atrasos tecnológicos ou estruturas fragmentadas. Para reduzir riscos, os líderes devem garantir que os dados estejam preparados para uso em IA, evitar a exposição indevida de informações e mitigar imprecisões por meio de camadas de contexto bem definidas. A recomendação é alinhar essas iniciativas ao nível de ambição da organização, fortalecer a governança e criar uma base unificada de contexto para sustentar aplicações de IA.





