Agentes de IA em empresas: dados sem contexto

Você libera o acesso do chatbot aos sistemas da empresa e ele responde errado. Vendas e financeiro usam nomes diferentes para a mesma métrica, e a IA repassa o conflito direto para o relatório. Segundo o canaltech.com.br, a Dell anunciou novas tecnologias para resolver exatamente isso: fazer com que agentes de IA em empresas entendam o significado dos dados antes de usá-los.

Agentes de IA em empresas falham quando recebem dados sem contexto. O anúncio da Dell, com recursos previstos para o primeiro semestre de 2027, cria uma camada de conhecimento que conecta termos, regras de negócio e relações entre informações espalhadas por diferentes sistemas, resolvendo o problema de interpretação que impede o uso em produção.

O que a Dell anunciou para agentes de IA em empresas?

A Dell apresentou três componentes para organizar o contexto corporativo para a IA dentro da Dell AI Data Platform. O primeiro é o Unified Semantic Layer, que estabelece definições compartilhadas. Se o marketing chama de "lead" e o comercial de "oportunidade", o agente sabe que se trata da mesma entidade. A Dell vai usar o Auto Ontology, projeto de código aberto da Nvidia, para construir esses mapas a partir dos dados existentes.

O segundo é o Enterprise Knowledge Graph, que cria um grafo com as relações entre informações. Em uma fábrica, um alerta de sensor se liga automaticamente à máquina, ao histórico de reparos e aos pedidos afetados. O agente recebe o contexto completo em vez de buscar cada dado isolado.

O terceiro são os Knowledge Agents, agentes especializados em áreas específicas. A empresa define quais dados cada um acessa, quais regras segue e limites de gastos. Tudo permanece no data center do cliente, com compatibilidade para diferentes modelos de IA e fornecedores de armazenamento. Os recursos chegam no primeiro semestre de 2027. Em dezembro, a Dell promete uma versão acelerada por GPUs da Nvidia para processamento de dados, que em testes internos foi 3,9 vezes mais rápida que o processamento por CPU.

Qual é o contexto dessa corrida por dados para IA?

A disputa já envolve Databricks, Snowflake e Nvidia. O foco mudou do modelo de linguagem para a camada de contexto entre o modelo e os dados corporativos. Um levantamento da Modern Data Company com mais de 540 profissionais de 66 países mostrou que 57,3% das organizações já testam ou utilizam agentes de IA. Porém, apenas 8,4% consideram os dados confiáveis o suficiente para uso em produção. Para 75,9% dos entrevistados, qualidade e confiança nos dados estão entre as três principais barreiras. Falta de contexto e informações sobre a origem dos dados foi apontada por 63,5%.

A Databricks usa esse problema para explicar sua Genie Ontology, em prévia pública, que registra definições oficiais e fontes confiáveis respeitando permissões de usuário. A Snowflake lançou o Horizon Context este ano, centralizando métricas e regras para que agentes usem as mesmas definições. Em um exemplo da Snowflake, dois agentes chegam a números diferentes de receita para o mesmo trimestre por causa de regras espalhadas em diferentes ferramentas.

O que isso muda para as empresas?

O movimento valida algo que nós, da Carper, vemos na implantação: a inteligência do modelo é inútil sem a inteligência do dado. Ter um agente conectado ao ERP e ao CRM adianta pouco se ele não sabe que a receita do financeiro é bruta e a do comercial é líquida. A camada de contexto transforma um assistente que apenas busca documentos em um sistema que executa processos com segurança.

Para gestores brasileiros, isso significa que a barreira para agentes de IA nas empresas saiu do modelo e entrou na governança de dados. Antes de adotar agentes autônomos, sua empresa precisa mapear definições, fontes oficiais e regras de negócio. O fornecedor de infraestrutura já está criando a tecnologia para ler esse mapa. Quem não tiver o mapa pronto vai continuar com agentes que alucinam números.

O que fazer enquanto a tecnologia não chega?

As soluções anunciadas por Dell, Databricks e Snowflake ainda estão em estágios iniciais ou chegarão somente em 2027. Sua empresa pode avançar hoje preparando o terreno com os seguintes passos:

1. Mapeie os conflitos de definição: reúna líderes das áreas para alinhar o que significa métricas como "receita", "cliente ativo" e "churn". Documente as definições oficiais.
2. Organize a origem dos dados: defina qual sistema é a fonte da verdade para cada tipo de informação. Um agente de IA precisa saber se deve consultar o ERP ou o CRM para obter o faturamento.
3. Crie uma política de acesso: estabeleça quais dados cada área ou agente pode acessar, seguindo as regras da LGPD e as políticas internas de segurança.
4. Teste com casos controlados: implante agentes em processos específicos e monitorados, onde as regras de negócio já estão claras e os dados são confiáveis. Use o método AI Thinking para estruturar essa implantação com mentoria semanal e garantir resultados reais.

A infraestrutura de contexto está a caminho. O diferencial competitivo estará com as empresas que já organizaram suas informações e regras de negócio para conectar nessas novas plataformas. Se quiser avaliar como sua empresa está em relação a isso, converse com a equipe da Carper para entender o momento atual dos seus dados e processos.