16% das pessoas no mundo já delegam decisões a sistemas de IA que agem por conta própria, sem intervenção humana, segundo pesquisa recente da EY. Os dados mostram que a adoção é concreta e a governança de dados tradicional não foi desenhada para esse cenário.
16% das pessoas globalmente já delegam decisões a IA autônoma, com 11% usando IA para gerir finanças e compras.
Governança de dados tradicional foi construída para humanos no loop e não dá visibilidade à ação de agentes autônomos.
Leia também
Pegasystems alerta para explosão de custos e falta de previsibilidade em agentes de IA enterprise
EY propõe 3 pilares: permissões que especificam uso, rastreabilidade em tempo real e dono nomeado por agente.
A pergunta-chave para conselhos: se agentes agem sobre dados, conseguimos rastrear e auditar cada decisão?
Regulação segue fragmentada, mas espera-se que organizações demonstrem controles internos fortes.
Para desenvolvedores, agentes precisam registrar fontes de dados em tempo real desde o deploy.
O que a pesquisa da EY revela sobre o uso de IA autônoma
A automação já saiu da teoria. A pesquisa conduzida pela EY mostra que a delegação de decisões a sistemas autônomos é um fenômeno medido em números, dentro e fora das empresas.
Quando 11% das pessoas permitem que a IA gerencie compras e finanças automaticamente, a pergunta que fica é: as regras de dados da sua organização conseguem rastrear essas decisões?
A maioria das empresas consegue descobrir, depois do fato, de onde veio um dado. O que elas não conseguem é dizer se o dado que o agente utilizou era atual e confiável no momento da ação.
Esse vazio de visibilidade é exatamente onde o risco se acumula.
Por que a governança tradicional falha com agentes autônomos
A governança de dados clássica foi construída assumindo um humano no loop. As pessoas tomavam decisões puxando dados de sistemas de clientes, registros financeiros, plataformas de supply chain, RH e outras fontes.
Os frameworks de governança foram desenhados para certificar que esses dados eram precisos, com permissões adequadas e rastreáveis se surgissem dúvidas depois.
Quando um agente de IA entra nesse papel, o framework se mostra insuficiente. Não porque as regras antigas estejam erradas, mas porque foram escritas num tempo em que o usuário primário dos dados era uma pessoa.
É possível desenhar agentes que sinalizam incerteza, pausam antes de agir com dados ambíguos ou escalam para um humano quando a confiança é baixa. Isso exige escolhas de governança que a maioria ainda não fez.
Mesmo agentes com salvaguardas são tão confiáveis quanto as regras de governança de dados que receberam para aplicar. Onde as regras são ambíguas, as salvaguardas revelam lacunas.
Os três pilares para tornar dados Ai-ready
Para que agentes operem com confiabilidade, os dados precisam se tornar AI-ready. A EY define três áreas de foco para isso: permissões mais ricas, rastreabilidade em tempo real e dono nomeado para cada agente.
Cada pilar ataca um ponto específico da fragilidade: escopo de uso, visibilidade de dados consumidos e responsabilidade operacional.
Permissões que especificam para quais decisões um dado pode ser usado, anexando linhagem
Registro em tempo real das fontes de dados que o agente utiliza
Dono nomeado responsável pela qualidade dos dados, configuração e monitoramento contínuo
Permissões precisam dizer mais do que sim ou não
A maioria das regras de acesso a dados diz se uma pessoa, papel ou sistema pode acessar um dataset. Isso é necessário, mas não suficiente.
Permissões AI-ready devem especificar para que os dados podem ser usados, anexando linhagem ao uso. Um dataset acessível para uma equipe de atendimento ao cliente não significa que deve ser usado por um agente para decidir status de conta ou condições de crédito.
O escopo de uso não intencional cresce conforme os agentes ficam mais capazes.
Revise políticas de acesso e pergunte se elas especificam não só quem acessa, mas quais decisões os dados podem suportar. Se faltar clareza, adicione antes de implantar agentes naquela área.
Organizações precisam saber quais dados os agentes usam, em tempo real
Estabelecer depois do fato onde um dado veio é o que a maioria faz hoje. O desafio é dizer se o dado que o agente usou era atual e confiável no momento.
Antes de implantar qualquer agente, exija que ele mantenha um registro em tempo real das fontes de dados usadas. Não precisa ser complexo, precisa existir, para que um erro seja identificado e contido rapidamente.
Cada agente precisa de um dono nomeado, do dia um e continuamente
Em workflows humanos, a responsabilidade é rastreável por trilhas visíveis: e-mail, assinatura, entrada no sistema com nome. Em workflows agentic, a responsabilidade precisa ser estabelecida deliberadamente antes do deploy.
Ela deve ser mantida durante toda a vida operacional do agente, conforme dados, condições de negócio e requisitos regulatórios mudam. É uma questão de talento e de modelo operacional tanto quanto técnica.
Exige novos frameworks e habilidades para que líderes gerenciem agentes com os mesmos tipos de salvaguardas que usavam para pessoas.
A pergunta que todo conselho deveria fazer
Enquanto a regulação permanece fragmentada e em evolução, a direção é clara: espera-se que organizações demonstrem que sistemas agentic operam dentro de ambientes de dados rigorosamente governados, com controles internos fortes.
A pergunta para cada conselho e comitê executivo é direta: se nossos agentes de IA estão agindo sobre dados hoje, conseguimos rastrear, auditar e responder por cada decisão que tomam?
Se a resposta honesta é incerta, é ali que a atenção precisa ir.
A visão expressa no artigo é do autor e não reflete necessariamente as visões da organização global EY ou suas firmas-membro.
O que isso significa para quem desenvolve e decide
Para desenvolvedores, a implicação prática é imediata: os agentes que você constrói precisam registrar as fontes de dados que usam em tempo real. Isso não é extra, é requisito de governança.
Para líderes técnicos, a pergunta da EY sobre rastreabilidade de decisões de agentes deve ser critério antes de colocar qualquer sistema autônomo em produção.
Na avaliação do Mercado de TI, o recado da EY é um chamado para tratar governança de agentes com a mesma seriedade com que tratamos segurança de código. O movimento de tornar dados AI-ready é o elo que falta entre experimentação com IA e operação confiável.
Vale a pena acompanhar como a governança de dados evolui para o mundo agentic, porque é ela que define se a automação entrega valor ou gera passivo.
| Pilar | Foco | Ação prática |
|---|---|---|
| Permissões AI-ready | Escopo de uso além de acesso | Especifique quais decisões os dados podem suportar |
| Rastreabilidade em tempo real | Visibilidade do que o agente consome | Exija registro das fontes de dados no momento da ação |
| Dono nomeado | Responsabilidade operacional | Atribua responsável antes do deploy e mantenha monitoramento |
Arraste para o lado para ver toda a tabela.
O próximo passo é revisar suas políticas de acesso e perguntar: nossos agentes estão agindo sobre dados que conseguimos defender?
Leia também:
Oportunidades Em Tecnologia 15 Vagas De Ti Abertas Para Desenvolvedores DevOps E Dados
Reino Unido Usa Ia E Dados Para Resolver Falhas Em Serviços Públicos Essenciais
Ia Na Saúde O Que Os Dados Do Cgibr Revelam Sobre O Atraso Tecnológico No Brasil
Fonte: Forbes Technology Council
