Embora o investimento global em IA esteja previsto para atingir 1,5 biliões de dólares em 2025, menos de metade dos líderes empresariais estão confiantes na capacidade da sua organização de manter a continuidade do serviço, a segurança e o controlo de custos durante eventos inesperados. Esta falta de confiança, aliada à profunda complexidade introduzida pela tomada de decisão autónoma da IA de agência e pela interação com infraestruturas críticas, exige uma reimaginação da resiliência digital.
As organizações estão se voltando para o conceito de estrutura de dados – uma arquitetura integrada que conecta e controla informações em todas as camadas de negócios. Ao quebrar silos e permitir o acesso em tempo real aos dados de toda a empresa, uma estrutura de dados pode capacitar tanto as equipes humanas quanto os sistemas de IA de agentes para detectar riscos, prevenir problemas antes que eles ocorram, recuperar rapidamente quando eles ocorrem e sustentar as operações.
Dados de máquina: uma pedra angular da IA agente e da resiliência digital
Os modelos anteriores de IA dependiam fortemente de dados gerados por humanos, como texto, áudio e vídeo, mas a IA de agente exige uma visão profunda dos dados da máquina de uma organização: os logs, métricas e outras telemetrias geradas por dispositivos, servidores, sistemas e aplicações.
Para utilizar a IA agente na promoção da resiliência digital, ela deve ter acesso contínuo e em tempo real a esse fluxo de dados. Sem integração abrangente de dados de máquina, as organizações correm o risco de limitar as capacidades de IA, perder anomalias críticas ou introduzir erros. Como enfatiza Kamal Hathi, vice-presidente sênior e gerente geral da Splunk, uma empresa da Cisco, os sistemas de IA de agência dependem de dados de máquina para compreender o contexto, simular resultados e se adaptar continuamente. Isso torna a supervisão de dados de máquina uma pedra angular da resiliência digital.
“Muitas vezes descrevemos os dados da máquina como o coração da empresa moderna”, diz Hathi. “Os sistemas Agentic AI são alimentados por esse pulso vital, exigindo acesso em tempo real às informações. É essencial que esses agentes inteligentes operem diretamente no intrincado fluxo de dados da máquina e que a própria IA seja treinada usando o mesmo fluxo de dados.”
Poucas organizações estão atualmente alcançando o nível de integração de dados de máquina necessário para habilitar totalmente os sistemas de agente. Isto não só restringe o âmbito de possíveis casos de utilização da IA agente, mas, pior, também pode resultar em anomalias de dados e erros em resultados ou ações. Os modelos de processamento de linguagem natural (PNL) projetados antes do desenvolvimento de transformadores generativos pré-treinados (GPTs) foram atormentados por ambigüidades, preconceitos e inconsistências linguísticas. Falhas semelhantes podem ocorrer com a IA de agência se as organizações avançarem sem fornecer modelos com fluência fundamental em dados de máquina.
Para muitas empresas, acompanhar o ritmo vertiginoso do progresso da IA tem sido um grande desafio. “De certa forma, a velocidade desta inovação está a começar a prejudicar-nos, porque cria riscos para os quais não estamos preparados”, afirma Hathi. “O problema é que, com a evolução da IA agêntica, confiar em LLMs tradicionais treinados em texto humano, áudio, vídeo ou dados impressos não funciona quando você precisa que seu sistema seja seguro, resiliente e sempre disponível.”
Projetando uma malha de dados para resiliência
Para resolver estas deficiências e construir resiliência digital, os líderes tecnológicos devem migrar para o que Hathi descreve como um design de estrutura de dados, mais adequado às exigências da IA agente. Isso envolve unir ativos fragmentados de segurança, TI, operações de negócios e rede para criar uma arquitetura integrada que conecte fontes de dados díspares, quebre silos e permita análise e gerenciamento de riscos em tempo real.
