Lots of organizations are excited about what AI can do to streamline their processes, save money, and juice margins. But AI's capabilities are founded on the data that AI accesses, and for many organizations that foundation is little more than sand.
Lots of organizations are excited about what AI can do to streamline their processes, save money, and juice margins. But AI's capabilities are founded on the data that AI accesses, and for many organizations that foundation is little more than sand.
In context
- Topic: Inteligencia Artificial — IA aplicada al negocio: casos, límites, costos y gobierno.
- Source: Martin Fowler
- Published: 27/08/2026
Continue reading at the original source →
Excerpt published automatically by the site radar. The full text belongs to its publisher and is linked above.
Por que importa
Adotar IA numa empresa não se parece com comprar software: parece contratar gente. É preciso ensinar o contexto, revisar o trabalho no começo, definir o que pode assinar sozinho e o que não pode. As notícias que valem são as que mostram alguém resolvendo essa parte, não a do anúncio.
O que olho primeiro não é a capacidade do modelo, e sim o dado que o alimenta. Quase todos os projetos que vi fracassar não fracassaram pelo algoritmo: fracassaram porque o dado estava em três sistemas com três definições diferentes e ninguém quis ser quem arrumaria isso.
O que costuma dar errado
O que mais vejo falhar é a expectativa. Alguém viu uma demonstração impecável e pediu o mesmo para a sua área em um mês, sem considerar que a demonstração rodava sobre dados limpos preparados para a ocasião. Quando o piloto real mostra resultados irregulares, a conclusão injusta é que a tecnologia não serve.
O que observar
- Quem revisa as saídas do modelo e com que frequência — o ponto em que a IA se torna auditável.
- O custo por consulta em volume real, não o do piloto: é a variável que mais dá surpresas.
- Onde ficam os dados e sob qual contrato, sobretudo quando há informação de clientes envolvida.
Como leio esta publicação
Minha recomendação prática é definir desde o primeiro dia o que se faz quando o modelo erra: quem revisa, com que frequência e em que momento se desliga. Soa defensivo, mas é exatamente o que permite ser agressivo depois, porque o risco deixou de ser uma incógnita.
A notícia original está publicada em outro idioma; o trecho é citado como o veículo o entrega e o comentário é escrito em português.
Está vivendo isso na sua equipe?
Abra o chat e me conte como estão lidando com isso. Tenho interesse em comparar notas.
