A qualidade dos dados como pilar para decisões estratégicas

À medida que a Inteligência Artificial (IA) e a IA Generativa ganham espaço no mundo corporativo, um ponto de reflexão se torna cada vez mais evidente: qualidade de dados. 

É importante fazer a distinção entre qualidade de dados e a prontidão de dados para IA. O treinamento de Inteligência Artificial requer dados representativos, incluindo erros, valores discrepantes e dados inesperados, mas válidos. Líderes de dados e analytics podem ser tentados a afirmar que dados prontos para IA são dados de alta qualidade. Mas dados de alta qualidade, conforme julgados pelos padrões tradicionais de qualidade de dados, não equivalem a dados prontos para IA necessariamente. Ao pensar sobre dados no contexto de análises, por exemplo, espera-se remover os valores discrepantes ou limpar os dados para atender às expectativas dos humanos. No entanto, ao treinar um algoritmo, ele precisará de dados representativos. Isso pode incluir dados de baixa qualidade também.

Até 2026, 30% dos projetos de IA Generativa serão abandonados depois da prova de conceito por conta de baixa qualidade de dados, controles inadequados de risco, escalada de custos ou falta de clareza nos objetivos de negócios.

No Gartner, enfatizamos que o letramento, a governança e a qualidade dos dados são pilares que sustentam qualquer iniciativa de sucesso nesse novo cenário. E isso vai além de simples conformidade ou processo operacional. Esses fundamentos são a base que determina o valor real que podemos extrair dos dados. Hoje, vemos organizações que já se deram conta de que, para aproveitar de forma eficaz o potencial da Inteligência Artificial, essas questões precisam ser tratadas com seriedade e, acima de tudo, urgência.  

Ainda assim, muitos se iludem achando que a IA será a “panaceia”, a solução mágica, que resolverá todos os problemas. Essa expectativa simplista de um “botão que resolve” os desafios precisa ser dissipada ao passo que as empresas compreendem que a Inteligência Artificial, por si só, não é capaz de criar resultados consistentes sem dados de qualidade. Na verdade, esse conjunto de tecnologias depende de bons dados para fazer previsões precisas e gerar insights valiosos. Sem uma base sólida de dados, o máximo que a Inteligência Artificial pode oferecer são resultados imprecisos, enviesados e distorcidos, o que pode levar ao que chamamos de alucinação gerada pela IA.

Mas por que isso ocorre? A resposta está na própria natureza dos dados. Eles são a matéria-prima para qualquer processo de tomada de decisão. Essa é a razão pela qual as organizações coletam, armazenam, tratam e analisam dados: para permitir que pessoas tomem boas decisões. Portanto, o sucesso das iniciativas de dados, analytics e IA deve ser medido, em última instância, pela qualidade das decisões tomadas e, consequentemente, pelo impacto nos objetivos de negócio.

Os líderes empresariais, ao tomarem decisões, precisam garantir que elas sejam fundamentadas em dados confiáveis e bem governados. O uso adequado dos dados é, portanto, a chave para decisões mais assertivas e, por consequência, mais estratégicas.  

Com a compreensão de que boas decisões dependem de dados de qualidade e governança eficaz, a Conferência Gartner Data & Analytics 2025 será o ponto de encontro para discutir esses e outros temas importantes para o futuro do uso de dados nas empresas. Nos dias 28 e 29 de abril, em São Paulo, especialistas e líderes do setor compartilharão insights estratégicos para transformar dados em valor real para os negócios. 

Durante o evento, vamos debater como as empresas podem alavancar o potencial da IA e da análise de dados, sempre com um olhar atento à qualidade, à governança e à alfabetização, que são necessárias para transformar esses ativos em vantagens competitivas reais.

*Por Edgar Macari, Diretor Analista e chairman da Conferência Gartner Data & Analytics 2025.