Não é possível rodar IA com uma base de dados defasada. Sem a infraestrutura de dados adequada, até a IA mais avançada fica apenas fazendo suposições.
Isso explica um ponto comum nas empresas: é possível lançar iniciativas de IA, mas elas não avançam quando os dados não chegam com governança, qualidade e disponibilidade.
Na prática, sem uma infraestrutura de dados moderna, não é possível fornecer dados relevantes aos sistemas de IA de maneira eficiente. Por isso, desafios relacionados à modernização da infraestrutura de dados estão entre as principais barreiras para a adoção bem-sucedida de IA em empresas de diversos setores, segundo nossa pesquisa recente sobre infraestrutura de dados e adoção de IA.
Vamos explorar o que o estudo revela sobre o papel dos dados na implementação de IA, além de orientações sobre como as empresas podem superar obstáculos ligados à infraestrutura de dados dentro de suas estratégias de IA.
O vínculo indissociável entre IA, dados e infraestrutura de dados
Os dados sempre foram importantes para as empresas. Mas, na era da IA, tornaram-se absolutamente críticos.
O motivo é simples: sem dados, ferramentas e serviços de IA conseguem fazer muito pouco. A IA não consegue identificar tendências e padrões relevantes, resumir informações ou gerar novos conteúdos sem analisar grandes volumes de informação.
É importante esclarecer que não estamos falando, principalmente, dos dados genéricos usados para treinar modelos de IA, que normalmente são pré-treinados com enormes quantidades de informações públicas. No contexto da adoção de IA nas empresas, o tipo de dado mais importante é aquele específico de cada organização. A capacidade de alimentar soluções de IA com esse tipo de informação é o que permite gerar insights exclusivos para o negócio, acelerar processos e assim por diante. Sem acesso a dados proprietários, as ferramentas de IA só conseguem responder a perguntas genéricas, sem atender aos desafios específicos de cada empresa.
Garantir que dados proprietários possam ser conectados aos sistemas de IA é exatamente onde entra a infraestrutura de dados. Ela é composta pelos recursos e tecnologias que uma organização utiliza para armazenar, processar e gerenciar seus dados. Manter uma infraestrutura de dados eficiente e escalável, capaz de lidar com todos os tipos de dados, estruturados e não estruturados, é fundamental para que ferramentas e aplicações de IA consigam acessar as informações de que precisam para funcionar.
Como infraestruturas de dados defasadas dificultam a adoção de IA
Infelizmente, muitas das infraestruturas de dados construídas pelas empresas ao longo das últimas uma ou duas décadas foram projetadas para um período anterior à IA e não atendem às exigências atuais.
Plataformas de dados tradicionais costumam ter desenvolvimento mais lento e carecem de recursos robustos e nativos de governança e qualidade de dados. Além disso, geralmente são pensadas apenas para dados estruturados, o que dificulta o uso de outros tipos de informação, como documentos e imagens, em sistemas de IA. Muitas vezes, também envolvem diversos componentes desconectados, o que atrapalha o movimento rápido e eficiente dos dados entre diferentes ambientes de armazenamento e as ferramentas de IA que precisam deles.
Os resultados do Relatório de Maturidade em IA da Indicium, de 2025, refletem essa inadequação das plataformas tradicionais para a era da IA. Quando questionados sobre o nível de preparo para usar dados em conjunto com aplicações e sistemas de IA, quase metade dos respondentes declarou ter confiança baixa ou moderada.
Além disso, a pesquisa apontou que preparar dados para uso com ferramentas e aplicações de IA é o principal motivo que leva as empresas a investir em projetos de modernização de dados. Isso evidencia a prioridade dada pelas organizações à transformação de dados por meio de metodologias escaláveis, capazes de reduzir a distância entre o negócio e a tecnologia. Outros objetivos, como reduzir custos de armazenamento, melhorar a segurança dos dados ou acelerar processos, aparecem com muito menos frequência como motivadores principais da modernização atualmente.
Atualizando a infraestrutura de dados para a era da IA
Mas, afinal, o que as empresas estão fazendo na prática para enfrentar esses desafios de infraestrutura de dados? A pesquisa traz alguns insights claros.
Entre as estratégias mais comuns estão a migração de ambientes locais para plataformas de dados em nuvem, adotada por 80,9% das empresas que realizaram projetos de modernização. A implementação de data warehouses modernos, como Snowflake, Databricks, Redshift e BigQuery, também é bastante difundida, utilizada por 53,9% dos participantes da pesquisa.
No entanto, é importante destacar que implantar plataformas modernas é apenas uma etapa da modernização de dados. Tão relevante quanto isso é estabelecer uma metodologia sólida de gestão de dados e uma cultura organizacional que defina como atender às necessidades de governança, qualidade e escalabilidade com o apoio dessas novas ferramentas. Migrar para soluções mais recentes, por si só, não moderniza automaticamente os processos de gestão de dados.
Vale notar que a adoção de plataformas focadas especificamente na gestão de dados para IA, como Vertex e SageMaker, ainda é menos comum: apenas 29,1% das empresas afirmaram usar soluções desse tipo. Isso provavelmente ocorre porque, em vez de investir apenas em plataformas de IA, muitas organizações estão optando por estratégias mais abrangentes de modernização de dados. Essas estratégias ajudam não só a integrar dados a aplicações e ferramentas baseadas em IA, mas também a fortalecer governança, segurança e escalabilidade de forma ampla, e não apenas no contexto da IA.
Para a grande maioria das empresas, esses investimentos trouxeram resultados positivos. Quando perguntadas se os projetos de modernização de dados as deixaram em melhor posição para usar dados com ferramentas e aplicações de IA, 95,1% das organizações responderam que sim.
Veja como isso se aplica ao setor de serviços financeiros.
Modernização de dados como chave para o sucesso da IA
A principal conclusão é clara: construir uma infraestrutura de dados mais robusta é um passo essencial para aproveitar todo o potencial da IA. Uma empresa pode implantar quantas ferramentas e serviços de IA quiser. Mas, sem uma plataforma de dados moderna e uma metodologia de gestão capaz de garantir governança, qualidade e velocidade, é pouco provável que gere valor real.
A boa notícia é que, para organizações cuja infraestrutura de dados ainda está defasada, alcançar o nível exigido pela era da IA está longe de ser algo impossível. Basta investir em plataformas modernas de dados, além de metodologias e culturas de gestão que centralizem e escalem a forma como as empresas trabalham com informações.
