Quase toda empresa grande já usa IA. O problema é que quase nenhuma consegue escalar sem tropeçar. Uma pesquisa nova da Cloudera mostra onde está o tropeço: não falta modelo, falta uma base de dados em que a IA possa confiar e que a empresa consiga controlar.
O relatório se chama The Great AI Re-Architecture, “a grande re-arquitetura da IA”. Abaixo estão os números que mais importam e o que a gente tira deles para quem quer agentes de IA trabalhando dentro da operação, e não presos num piloto.
O que a pesquisa mediu
A amostra cobre empresas com pelo menos 1.000 funcionários em 9 mercados: Estados Unidos, Canadá e Brasil nas Américas; Reino Unido, Espanha e África do Sul na EMEA; Índia, Japão e Singapura na Ásia-Pacífico. O Brasil tem 100 respostas, mas o relatório não abre o número do país.
Vale lembrar que a Cloudera vende plataforma híbrida de dados, então tem interesse na conclusão. Mesmo assim, os números batem com o que a gente vê nas empresas daqui.
Governança virou o gargalo
95% das empresas atrasaram ou cancelaram projetos de IA nos últimos 12 meses por governança de dados, conformidade ou regulação. Mais da metade (55%) perdeu seis projetos ou mais. Não é falta de ideia nem de orçamento: é não conseguir garantir quem acessa o quê, com que regra e com que registro.
O projeto de IA raramente morre no modelo. Morre na pergunta “esse dado pode ir para lá?”.
Ao mesmo tempo, 77% já usam IA ativamente e 26% se dizem altamente orientados a IA. Os dias do piloto simples acabaram. Agora a questão é escala, e escala pede acesso constante a dados governados e de qualidade.
A arquitetura de dados atual não aguenta
72% dizem que a arquitetura de dados precisa de uma reforma grande para cumprir os objetivos de IA, e 75% já mudaram onde e como guardam dados por causa da IA. O motivo número um da mudança não é desempenho nem custo:
Repare no quinto item: um terço quer depender menos de um único provedor de nuvem. É o mesmo raciocínio de quem não quer amarrar a operação a um só modelo de IA.
Governança feita para pessoas, não para agentes
O trecho mais interessante do relatório é este: as empresas tinham bons sistemas de governança quando só pessoas acessavam os dados, à mão. Quando milhares de agentes passam a atender funcionários, clientes e parceiros, a governança ganha outra dimensão.
E o dado não fica parado. 97% movem dados entre ambientes todo mês, e 31% todo dia, entre nuvem pública, nuvem privada, servidores próprios, SaaS e borda. Cada mudança de lugar é uma chance de a regra se perder pelo caminho.
Na prática, isso quer dizer que cada agente precisa de dono, permissões claras, um ponto de aprovação humana quando importa e registro de tudo o que fez. A regra precisa viajar junto com o dado, e não morar num documento de conformidade. Para quem opera no Brasil, é aqui que a LGPD deixa de ser checklist e vira desenho de sistema.
A volta para casa e o futuro híbrido
66% trouxeram cargas de IA da nuvem pública de volta para servidores próprios ou nuvem privada no último ano. Não é abandono da nuvem: é colocar cada carga onde ela funciona melhor, pesando desempenho, custo, latência, governança e disponibilidade.
Nenhum ambiente ganha sozinho. Para os próximos dois anos, 29% planejam gastar mais em nuvem, 25% querem uma abordagem “híbrido primeiro”, 24% vão gastar mais em servidores próprios e 22% na borda. A conclusão do relatório é direta: as empresas que vão andar mais rápido são as que levam a IA até os dados, onde eles estiverem, sem perder o controle.
Tokens viram uma linha nova de custo
84% viram o custo de infraestrutura subir por causa da IA. E o relatório põe o consumo de tokens ao lado das unidades de computação e de armazenamento como mais uma variável do custo.
Isso muda a conversa com o financeiro. Um agente que roda o dia todo consome tokens o dia todo. Sem teto por agente, sem escolher o modelo certo para cada tarefa e sem um relatório de custo mensal, a conta aparece antes do resultado.
O mundo inteiro está no mesmo barco
As três regiões caminham para o mesmo lugar, por caminhos um pouco diferentes. Todas passaram de 50% de empresas que perderam seis ou mais projetos por governança.
Nas Américas, 81% concordam que a IA deixa a governança mais complexa e difícil de manter, contra 65% na EMEA e 61% na Ásia-Pacífico. Ou seja, quem está do nosso lado do mapa sente o problema com mais força.
O que fazer na prática
A pesquisa é sobre empresas grandes, mas a lição vale para qualquer tamanho: agente bom vai até o dado, trabalha dentro das regras da empresa e mostra o que fez e quanto custou.
- Mapeie onde os dados moram. Nuvem, servidor próprio, planilhas, sistemas SaaS, e com que frequência o dado muda de lugar. Esse mapa destrava o projeto.
- Dê dono e limites a cada agente. O que ele pode ler, o que pode fazer, onde para e pede aprovação.
- Registre tudo. Cada ação do agente fica num histórico que dá para auditar.
- Ponha teto no custo. Limite de tokens por agente, o modelo certo para cada tarefa e o custo no relatório do mês.
- Não se amarre. Componentes trocáveis, para mudar de modelo ou de nuvem sem refazer tudo.
- O Analista de IA faz esse mapa, encontra o trabalho que se repete e define as métricas antes de começar.
- O Forward Deployed Engineer trabalha dentro da operação e coloca os agentes rodando no ambiente do cliente, com permissões, registro e aprovação humana nos pontos certos.
Financeiro, jurídico, atendimento, compras e logística são só exemplos. Se é tarefa que se repete, dá para automatizar, desde que o dado esteja sob controle.
A IA já chegou. Quem colocar a casa dos dados em ordem vai escalar primeiro.
Gostou deste artigo?
Receba o próximo antes de ele chegar ao blog.
Um e-mail curto por edição com o que vale a pena sobre agentes de IA na operação. Sem spam.