Ao longo de 2025, a baixa qualidade dos dados persistirá como um dos desafios mais frequentemente mencionados que impedem a implementação da análise avançada (por exemplo, Inteligência Artificial), de acordo com o Gartner. Por isso, os líderes de Data & Analytics (D&A) devem se concentrar em três jornadas interdependentes para avançar as iniciativas de IA das empresas. Essas jornadas incluem resultados de negócios, recursos de D&A e mudanças comportamentais.
“A IA continua a impulsionar o planejamento empresarial, com mais da metade dos Chief Executive Officers (CEO), acreditando que a tecnologia terá um impacto mais significativo em seu setor nos próximos três anos”, diz Jorg Heizenberg, vice-Presidente e analista da consultoria. “Com isso em mente, os líderes de Data & Analytics estão em uma posição única para gerar o máximo impacto nos resultados dos negócios devido à sua proximidade com essa tecnologia.”
“Com a Inteligência Artificial sendo uma área de foco principal nas empresas, os líderes de Data & Analytics devem superar o hype e se concentrar em investimentos em confiança, adaptabilidade e pessoas”, complementa Debra Logan, vice-presidente e analista do Gartner.
Durante o keynote de abertura da Conferência Gartner Data & Analytics, que acontece até amanhã (29), os analistas do Gartner discutiram três trajetórias interdependentes em profundidade para orientar melhor os líderes de D&A em sua jornada de IA.
Jornada para os resultados de negócios
O Gartner aconselha os líderes de Data & Analytics a priorizarem o valor na demonstração dos resultados de negócios da Inteligência Artificial.
“Demonstrar o valor da IA continua sendo uma das principais barreiras para a implementação”, diz Heizenberg. “Os líderes de Data & Analytics devem se concentrar em criar os níveis certos de confiança, com base no contexto, como o primeiro passo para mostrar o valor.”
Os líderes de Data & Analytics podem tomar as seguintes medidas para impactar positivamente os resultados de negócios:
- Estabelecer modelos de confiança: Dados confiáveis e de alta qualidade são essenciais para viabilizar uma empresa orientada por dados. No entanto, muitas iniciativas de IA fracassam devido à baixa qualidade dos dados. Os modelos de confiança analisam o valor e o risco dos dados e fornecem uma classificação de confiabilidade com base na linhagem e na curadoria.
- Monetizar as melhorias de produtividade: Os líderes de Data & Analytics devem considerar o valor e o impacto competitivo em relação ao custo total, à complexidade e ao risco.
- Comunicar o valor de D&A: Considere todos os custos, incluindo gerenciamento de dados, governança e gerenciamento de mudanças.
Jornada para os recursos de D&A
Os líderes de Data & Analytics devem garantir que estão usando uma variedade de ferramentas e tecnologias para construir seu stack de tecnologia quando se trata de soluções de IA.
“A comparação de stack versus a melhor solução de cada categoria (best of breed) não é algo novo, mas a dinâmica dessa decisão é”, diz Krensky. “Os líderes de Data & Analytics devem cultivar um ecossistema adaptável que seja escalável para atender às demandas de criação das melhores ofertas de IA possíveis.”
Para alcançar essa adaptabilidade, os líderes de Data & Analytics devem:
- Criar um ecossistema modular e aberto: Atualize ou substitua os componentes da arquitetura para atender aos novos requisitos e às tecnologias que mudam rapidamente.
- Tornar os dados prontos para IA e reutilizáveis: Integre a confiança em FinOps, DataOps e PlatformOps para fazer a transição de um stack de tecnologia para um stack de confiança.
- Explore os agentes de IA: Utilize agentes dinâmicos que se adaptam às mudanças usando um ecossistema de dados pronto para Inteligência Artificial impulsionado por metadados ativos.
Jornada para a mudança de comportamento
Concentrar-se na governança de dados, na comunicação de valor e no aumento da análise é vital, mas abordar o aspecto humano é crucial para o sucesso da Inteligência Artificial.
“A IA está transformando tudo, e espera-se que as pessoas também se transformem”, destaca Heizenberg. “Mas as pessoas não são iguais, e nos envolvemos com dados e analytics de maneiras diferentes.”
Para estabelecer a base da cultura adequada para adotar e utilizar da melhor forma a Inteligência Artificial, os líderes de Data & Analytics devem seguir as seguintes etapas:
- Estabelecer hábitos repetíveis: Priorize o treinamento e a educação com ênfase na alfabetização em dados e IA.
- Adotar novas funções e habilidades: Desenvolva funções que facilitem a adaptação aos requisitos de gerenciamento de mudanças da Inteligência Artificial Generativa (GenAI).
- Colaborar com outras pessoas: Trabalhe com equipes diversas, incluindo engenharia de segurança e de software, para obter uma integração fluida.
Os líderes de Data & Analytics podem saber mais sobre como avaliar sua própria eficácia usando o Gartner CDAO Effectiveness Diagnostic, uma ferramenta exclusiva que permite que os Chief Data & Analytics Officers (CDAOs) entendam sua eficácia como líderes e descubram seus pontos fortes e áreas de melhoria.
