- McKinsey identifica quatro passos coordenados para preparar dados de base que apoiem a escala de IA agentic: identificar fluxos de alto impacto para “agentificar”, modernizar cada camada da arquitetura de dados, garantir qualidade de dados e estabelecer um modelo de operação e governança para IA agentic.
- Dados de alta qualidade são considerados a espinha dorsal da IA agentic; silos de dados e qualidade ruim podem comprometer decisões e automação de tarefas complexas.
- Dois modelos de uso emergem: fluxos de trabalho com um único agente usando várias ferramentas e fluxos com múltos agentes trabalhando juntos, ambos dependentes de dados de alta qualidade.
- O principal obstáculo para ampliar IA agentic é a qualidade dos dados: oito em cada dez empresas citam limitações de dados, com necessidade de governança, lineage e padrões consistentes.
- A adoção está em estágio de expansão: parte das organizações já experimentou agentes, mas menos de dez por cento escalou para entregar valor mensurável; expectativas apontam aumento de atuação de IA em diferentes áreas e maior importância de dados confiáveis para escalabilidade.
Ao ampliar a adoção de IA agentic, as empresas enfrentam a necessidade de uma base de dados robusta. Relatórios de McKinsey destacam quatro passos coordenados que conectam estratégia, tecnologia e pessoas para criar capacidades de dados sólidas. A qualidade confiável dos dados surge como elemento central.
Analistas apontam que a escalabilidade depende de fluxos de trabalho de alto impacto atribuídos a agentes, bem como da modernização da arquitetura de dados e de modelos operacionais mais eficientes. A governança e a qualidade dos dados são ingredientes decisivos para o desempenho de IA.
A pesquisa de Gartner aponta que os gastos mundiais com IA devem chegar a 2,5 trilhões de dólares em 2026, com fortes investimentos em plataformas de ciência de dados e ML. O mercado de IA agentic deve alcançar 8,5 bilhões de dólares até o fim deste ano e crescer substancialmente até 2030.
As estimativas de Deloitte Digital indicam crescimento do mercado de IA agentic para quase 40 bilhões de dólares até 2030. Dados da IDC projetam que 40% das funções da Global 2000 envolverão IA até 2026, com impacto na trajetória de cargos e competências.
Segundo McKinsey, quase dois terços das empresas já experimentaram agentes de IA, mas menos de 10% os escalonaram para entregar valor mensurável. A principal barreira citada é a qualidade dos dados, apontada por 80% das organizações como limitadora da escala.
—
Dados como alavanca para IA agentic
A organização precisa de dados confiáveis para automatizar fluxos complexos com autonomia de agentes. Modelos emergentes incluem fluxos de um único agente e de múltiplos agentes, ambos dependentes do acesso a dados de alta qualidade.
A diversidade de aplicações tecnológicas, com milhares de sistemas, exige governança forte, interoperabilidade e acesso rápido a dados. A maioria das empresas ainda não conecta as aplicações entre si, dificultando a escalabilidade.
—
Quatro passos para preparar seus dados
1. Identificar fluxos de alto impacto para serem agentificados, priorizando tarefas determinísticas e repetitivas.
2. Modernizar cada camada da arquitetura de dados para suportar interoperabilidade e governança entre sistemas.
3. Garantir qualidade de dados estruturados e não estruturados, incluindo dados gerados por agentes, com rastreabilidade.
4. Construir modelo de operação e governança para IA agentic, definindo papéis humanos na supervisão e na orquestração de fluxos.
—
Aplicações e governança
McKinsey enfatiza mapear fluxos ponta a ponta para identificar oportunidades de uso de agentes. Serviços ao cliente, marketing, gestão de conhecimento e TI lideram a adoção, com métricas claras para comprovar impacto. A governança será central na escalabilidade.
Entre na conversa da comunidade