IA Generativa e Governo de Dados: o passado ensina

Com o crescente reconhecimento da importância dos dados, surgiram novas plataformas baseadas em Big Data. Inicialmente implementadas em servidores locais, evoluíram para plataformas de dados mais modernas – conhecidas hoje como Lake Houses –, geralmente alojadas em Public Clouds, que visam combinar os benefícios do Big Data com a estrutura dos Data Warehouses.

Paralelamente, iniciaram-se programas internos de ingestão de dados de diversas naturezas – estruturados, não estruturados, em batch ou streaming – reunidos nestes repositórios unificados, com o objetivo de construir uma visão cada vez mais holística das organizações. Essa abordagem, muitas vezes denominada sobre a forma de programas de Customer 360 ou Digital Twins (dependendo do objetivo), visava abranger tanto o contexto global do negócio quanto o operacional. A organização e a metodologia de colaboração sobre os dados também evoluíram, procurando garantir que estes são utilizados por outras equipas fora das TI, para fomentar a inovação.

Em Portugal, esta transformação concentrou-se sobretudo nos dados descritivos. No entanto, quando algumas organizações enveredaram por desenvolvimentos mais avançados – baseados em modelos clássicos de Machine Learning –, tais iniciativas normalmente ocorreram em contextos e ecossistemas distintos dos anteriormente traçados.

Mais recentemente, o surgimento do ChatGPT introduziu uma nova dimensão no mundo dos dados, dando origem à área de mercado da Inteligência Artificial (IA) Generativa, que tem provocado disrupções várias: dos investimentos estratégicos dos Hyperscalers às empresas de produtos e serviços, impactando áreas como produtividade, Cibersegurança, desenvolvimento de aplicações e dados. Isto porque a IA Generativa é vista como um caminho para a IA Geral - e acredita-se que, quem se sobressair nesse campo, prosperará num cenário de “winner takes all”, tendo seu futuro assegurado.

É-nos hoje evidente que as soluções e modelos de IA Generativa oferecem uma nova dimensão de produtividade e automação disruptiva. Atualmente, somos mais rápidos e eficientes na redação de textos, na programação e na análise de informações – sejam elas textuais, em vídeo ou em áudio, entre outros – e, a cada dia, inúmeros novos casos de uso são desenvolvidos. Estes ganhos aceleraram o desenvolvimento de produtos de dados e intensificaram a necessidade de acesso aos mesmos.

Contudo, o potencial proporcionado pela IA Generativa também tem sido explorado de forma prejudicial. Se, no passado, já se discutia a criticidade da segurança dos dados, o atual contexto tecnológico apresenta vetores de ataque até então inexistentes, agravados por um panorama geopolítico drasticamente alterado, que aponta para uma instabilidade crescente.

Desde o início do BI até hoje, a necessidade de obter dados que atendam às exigências do negócio e das operações permanece inalterada. O que mudou foi a crescente procura das organizações para tirar partido dos novos casos de uso da IA – sobretudo da IA Generativa.

A crescente complexidade do panorama tecnológico atual, aliada à rápida expansão das capacidades da IA, impõem desafios e oportunidades que exigem uma abordagem integrada e estratégica. Assim, as organizações devem repensar as estratégias para integrar a IA, de modo a garantir não só a disponibilidade e a contemporaneidade dos dados, mas também a sua gestão de forma segura, ética e eficiente.

Por isso, é fundamental que as nossas organizações adotem uma abordagem de governo corporativa, que inclua normas, processos e ferramentas capazes de gerir, de forma integrada, tanto os dados do mundo descritivo quanto os algoritmos e modelos de IA. É necessário que as políticas de Data Governance se estendam para além do universo do BI e do Analytics contemporâneo, integrando também os modelos de IA – nomeadamente os de IA Generativa. A abordagem integrada é essencial para evitar a fragmentação dos sistemas e o surgimento de “cogumelos corporativos”, que conduzem à criação de ecossistemas isolados de dados e processos, dificultando a colaboração interdepartamental e a escalabilidade das soluções, tal como aconteceu no passado.

Na mesma linha, torna-se crucial definir uma framework, metodologia e plataforma comum para a IA, que permitam a padronização dos processos e a integração de todas as funções e equipas envolvidas. Uma framework coerente estabelece responsabilidades claras em todas as fases – da conceção e desenvolvimento dos modelos à sua implementação e monitorização contínua. Isto não só promove a transparência e a responsabilidade, como assegura a conformidade com as normas e regulamentos aplicáveis, incluindo as melhores práticas em matéria de segurança e privacidade dos dados.

Contribui, ainda, para a criação de um ambiente colaborativo, no qual as equipas de dados, de TI e de negócio trabalham em sinergia para identificar e explorar oportunidades. Este ambiente integrado facilita a rápida implementação de soluções de IA, garantindo alinhamento com a estratégia global da empresa e com os objetivos de negócio. A integração destes processos de governo e a monitorização contínua na IA permitem também uma adaptação mais dinâmica às mudanças do mercado e à evolução tecnológica, assegurando uma maior resiliência operacional e uma resposta ágil perante desafios emergentes.

Por fim, a adoção de uma abordagem unificada para o governo dos dados e da IA não só irá maximizar os potenciais benefícios, como minimizar os riscos associados à fragmentação das informações e à utilização inadequada dos dados. As organizações estarão mais bem preparadas para enfrentar os novos cenários tecnológicos e promover uma inovação sustentável e responsável.

Conteúdo co-produzido pela MediaNext e pela Claranet