Dubaí: Os dados são a base dos negócios modernos, mas seu valor depende de um fator crítico: confiança. À medida que a IA se torna mais capaz e autônoma, as organizações enfrentam novas questões em torno da precisão, governança, prestação de contas e riscos. Reece Clifford, Gerente de Pré-Vendas do Setor Público para o Oriente Médio, Turquia e África na SAS, compartilha suas opiniões sobre a relação evolutiva entre dados, IA e tomada de decisões empresariais, e por que uma governança forte está se tornando uma vantagem competitiva em vez de um exercício de conformidade. Precisão dos dados, confiança e confiabilidade: Quão precisos são os dados que as organizações dependem para decisões empresariais críticas hoje? Quais são as maiores ameaças à qualidade e confiabilidade dos dados? Como você define a precisão dos dados em uma empresa moderna? Reece Clifford: Antes de responder sobre quão precisos são os dados, quero enfatizar o quanto a confiança nos dados e na IA dentro de uma organização é importante e frágil. A confiança é o motivo pelo qual nos preocupamos com a precisão dos dados e é o que tentamos preservar por meio de nossos programas de Qualidade de Dados e Governança de Dados. Com a introdução da IA Agêntica, a confiança torna-se ainda mais crítica porque reduz a barreira de entrada para muitas tarefas especializadas ou áreas de conhecimento que os usuários não possuíam anteriormente. Ao usar diferentes provedores, uma única resposta incorreta pode rapidamente corroer a confiança. Para responder à sua pergunta, a precisão dos dados depende do caso de uso específico. Um modelo de decisão de crédito possui dados precisos, completos, oportunos, relevantes e rastreáveis? Muito provavelmente, sim. No entanto, com a introdução da IA Agêntica e sua capacidade de contextualizar vastas quantidades de dados, a precisão geral dos dados em toda a empresa não é tão alta. Muitas organizações melhoraram sua capacidade de coletar vastas quantidades de dados, mas o desafio central é garantir que eles permaneçam confiáveis. As principais ameaças à qualidade dos dados são silos de dados, definições inconsistentes, registros incompletos e, cada vez mais, conteúdo de IA de baixa qualidade entrando em fluxos de trabalho empresariais. Quais equívocos os líderes empresariais têm sobre a qualidade e confiabilidade dos dados? Reece Clifford: Análise de dados e IA apenas amplificam a qualidade dos dados nos quais são construídas. É um princípio conhecido desde o início da ciência da computação: lixo entra, lixo sai. O equívoco principal é que a qualidade dos dados é puramente uma questão de TI. Não é. A qualidade dos dados é uma questão liderada pelo negócio porque afeta diretamente a experiência do cliente, gestão de riscos, previsão e planejamento estratégico. Requer colaboração entre equipes de negócios responsáveis por definições e uso, e equipes de TI responsáveis por valores e armazenamento de dados. Líderes também superestimam frequentemente a maturidade de suas bases de dados. Um relatório da SAS desenvolvido com insights de pesquisa da IDC descobriu que muitas organizações ainda estão desenvolvendo a infraestrutura necessária para suportar explicabilidade, validação e governança em escala, especialmente à medida que a IA se torna mais autônoma. Quão fácil é manipular dados, intencionalmente ou não? Até que ponto o viés humano influencia os dados? Reece Clifford: Os humanos influenciam todas as etapas do ciclo de vida dos dados: quais dados coletar, quais variáveis são importantes, como os resultados são interpretados e quais ações são tomadas. A maioria dos problemas de dados não é maliciosa; geralmente resulta de processos inconsistentes, erros de amostragem ou viés inconsciente, agravado pelo volume crescente e pela complexidade dos dados. Como a tomada de decisões requer explicabilidade e transparência para manter a confiança ao reduzir e, em última análise, eliminar a manipulação ou o viés, investir em especialistas continua sendo uma prioridade para as organizações. O conceito de automação completa está mais próximo com a introdução da IA Agêntica, mas ainda não chegamos lá. Você já viu organizações tomarem decisões importantes com base em dados falhos? Que lições foram aprendidas? Reece Clifford: Toda organização já experimentou algum tipo de problema de qualidade de dados, e inúmeros exemplos estão documentados publicamente. No geral, dada a rápida velocidade da inovação em insights de dados, a lição mais importante é não pular as barreiras de segurança e medidas de segurança. Isso é especialmente vital quando um sistema ou saída está voltado para o exterior. Verificações de qualidade de dados e políticas de governança são componentes essenciais dessas medidas protetivas. Verificação e governança de dados: Quais estruturas e controles as organizações devem implementar para verificar a autenticidade dos dados e manter a confiança? Reece Clifford: Os melhores resultados são alcançados quando pessoas, processos e tecnologia são combinados em uma única estrutura. Em um nível prático, isso exige forte linhagem de dados, monitoramento de qualidade, trilhas de auditoria, controles de acesso, definições de negócios claras e propriedade definida. A governança funciona melhor quando incorporada à tomada de decisão diária, em vez de ser gerenciada como um exercício de conformidade isolado. As abordagens mais avançadas permitem que problemas e erros em produção sejam identificados e corrigidos antes de se tornarem problemas, pois os processos subjacentes estão bem definidos. Quais sinais de alerta sug