A discussão sobre inteligência artificial tem começado pelo lugar errado. Enquanto empresas disputam quem adota primeiro agentes autônomos, copilotos e modelos generativos, o ponto crucial continua sem resposta: os dados que alimentarão essas tecnologias são realmente confiáveis?

A resposta parece estar no centro do desafio enfrentado pelas organizações. Embora a IA tenha se tornado prioridade estratégica em praticamente todos os setores, a estrutura necessária para que ela gere valor ainda está longe de acompanhar esse ritmo.

Esse descompasso já aparece nos indicadores do mercado. Uma pesquisa recente do Gartner revelou que 63% das organizações não possuem, ou sequer sabem se possuem, práticas adequadas de gestão de dados para IA. A consultoria também estima que, até 2026, 60% dos projetos de IA serão abandonados justamente por não contarem com dados preparados para alimentar essas iniciativas. O problema, portanto, não está na tecnologia, mas na base que deveria sustentá-la.

É comum que empresas iniciem sua jornada pelo questionamento errado: qual ferramenta de IA devemos adotar? A pergunta mais importante deveria ser outra: nossos dados estão preparados para gerar respostas confiáveis? A inteligência artificial não cria conhecimento onde ele não existe. Ela identifica padrões, interpreta informações e acelera decisões a partir dos dados que recebe. Quando essa matéria-prima é incompleta, inconsistente ou descentralizada, a IA apenas automatiza erros que já faziam parte da operação, agora em uma velocidade muito maior.

Durante anos, a governança de dados foi tratada como uma iniciativa burocrática, muitas vezes associada apenas à conformidade regulatória ou à LGPD, mas esse cenário mudou. Na era da IA, mais do que uma obrigação administrativa, ela é um requisito estratégico. 

Isso significa saber onde cada informação está armazenada, quem pode acessá-la, qual é sua origem, quando foi atualizada e se pode, de fato, ser utilizada para apoiar decisões críticas. Sem esse nível de controle, qualquer resposta produzida por uma IA passa a carregar um grau elevado de incerteza. Por isso, falar em inteligência artificial também é falar em infraestrutura de dados. Integração entre sistemas, governança e qualidade da informação são fatores tão importantes quanto o próprio modelo de IA.

No setor financeiro, essa realidade se torna ainda mais evidente. Processos como prevenção à fraude, análise de risco, autenticação de usuários, onboarding digital e personalização de serviços dependem de informações precisas e disponíveis em tempo real. Uma IA alimentada por dados inconsistentes, além de comprometer a experiência do cliente, pode ampliar riscos operacionais, regulatórios e financeiros.

A própria evolução do mercado aponta nessa direção. Segundo outra pesquisa do Gartner, a disponibilidade e a qualidade dos dados figuram entre os principais obstáculos para a implementação da IA, independentemente do nível de maturidade das organizações. Isso mostra que o desafio deixou de ser o acesso aos modelos de IA, hoje amplamente disponíveis, e passou a ser a capacidade de utilizá-los sobre uma base sólida. Afinal, a tecnologia tende a se tornar cada vez mais acessível. O verdadeiro diferencial competitivo continuará sendo aquilo que não pode ser adquirido em uma assinatura mensal: uma estrutura de dados confiável, governada e integrada.

Antes de perguntar qual IA implementar, talvez seja hora de fazer uma reflexão mais estratégica: nossa empresa sabe onde estão seus dados, quem é responsável por eles e se eles realmente podem sustentar decisões automatizadas? Porque, no fim das contas, a inteligência artificial não substitui uma estratégia de dados, ela apenas potencializa aquilo que já existe. Quando a base é sólida, multiplica eficiência, inovação e produtividade. Quando não é, multiplica erros com aparência de inteligência. Sem governança e dados confiáveis, a IA corre o risco de permanecer apenas como uma alegoria tecnológica: sofisticada no discurso, mas incapaz de gerar valor na prática.

Ticiana Amorim é CEO e fundadora na Aarin, a techfin do Grupo Bradesco. Comunicóloga formada pela Universidade Federal da Bahia, fundou a Aarin após o exit como sócia da ZigPay, a maior fintech do mundo. É reconhecida como uma das principais vozes femininas em Embedded Finance no Brasil.