Recentemente, a Everpure (antiga PureStorage) anunciou o lançamento do Data Stream, para ampliar oferta de dados para a área de inteligência artificial, e do Data Intelligence, que chega com a meta de transformar dados empresariais fragmentados em uma base pronta para IA.

A empresa acaba de divulgar um estudo global encomendado pela Everpure ao IDC, que mostra que mais da metade dos projetos de IA nunca chega à produção. A pesquisa constatou que 54% dos projetos de IA desenvolvidos como prova de conceito não avançam para ambientes produtivos, gerando retorno zero sobre o investimento realizado.

O estudo também mostra desafios persistentes relacionados aos dados que continuam comprometendo o sucesso das iniciativas de IA. Enquanto 94% das organizações consideram a qualidade dos dados importante ou muito importante para o sucesso dos projetos, 60% afirmam que sua infraestrutura de armazenamento precisa de melhorias significativas ou de uma modernização completa para suportar cargas de trabalho de IA. Questões de segurança (41%) e acesso a dados em tempo real (39%) foram apontadas como os principais obstáculos para a implementação de IA agêntica.

Em entrevista ao AIoT Brasil, Douglas Wallace, diretor regional da Everpure para América Latina e o Caribe falou sobre a estratégia da companhia para a área de inteligência artificial e sobre porque os projetos de IA no Brasil fracassam.

AIoT Brasil – Por que os projetos de IA no Brasil fracassam?

Douglas Wallace, Everpure – De forma geral, muitos projetos de IA enfrentam dificuldades para ganhar escala não necessariamente por causa dos modelos em si, mas porque as empresas subestimam a complexidade de preparar os dados para a IA. Em muitas empresas, as informações permanecem fragmentadas entre aplicações SaaS, ambientes em nuvem, sistemas on-premises e infraestruturas legadas, o que dificulta a construção de uma visão consistente do negócio.

A IA depende do acesso a informações confiáveis, contextualizadas e bem governadas. No entanto, grande parte do significado, dos relacionamentos e das regras de negócio associadas aos dados ainda permanece presa em aplicações isoladas. À medida que as empresas avançam da fase de experimentação para implementações em escala, essas limitações se tornam cada vez mais evidentes.

Por isso, iniciativas de IA bem-sucedidas exigem mais do que modelos poderosos. Elas também dependem de uma base sólida de dados, capaz de fornecer o contexto, a governança e o acesso em tempo real necessários para gerar resultados confiáveis.

 AIoT Brasil – Um dos principais debates no mercado brasileiro é como transformar projetos-piloto de IA em iniciativas de produção que gerem retorno efetivo para o negócio. Quais são os maiores obstáculos que você observa nessa transição e como as novas soluções anunciadas pela Everpure ajudam a resolver esse problema?

Douglas Wallace, Everpure – A transição da fase de experimentação para ambientes de produção é onde muitas empresas encontram seus maiores desafios com a IA. Projetos-piloto costumam apresentar bons resultados quando utilizam conjuntos de dados limitados e ambientes controlados, mas a implementação em produção exige um nível muito maior de governança, segurança, desempenho, escalabilidade e consistência operacional.

Em muitos casos, as empresas descobrem que a preparação dos dados continua sendo um processo complexo e, em grande parte, manual, criando um descompasso entre as ambições em IA e a capacidade de executá-las. Além disso, os dados corporativos frequentemente permanecem fragmentados entre aplicações SaaS, ambientes em nuvem, sistemas on-premises e plataformas legadas, tornando a integração e a migração de dados uma barreira onerosa para a implementação segura e precisa de sistemas de IA.

O Everpure Data Intelligence e o Everpure Data Stream foram desenvolvidos justamente para enfrentar esse desafio. O Everpure Data Intelligence permite que as empresas descubram, classifiquem, contextualizem e governem informações corporativas na origem, enquanto o Everpure Data Stream acelera o processo de transformação de dados brutos em dados prontos para IA. Juntas, as soluções ajudam a reduzir os custos e a complexidade associados à preparação dos dados, encurtar o caminho entre a experimentação e a produção e permitir que as empresas gerem valor a partir da IA com mais rapidez.

 AIoT Brasil – Muitas empresas brasileiras ainda estão em fases iniciais da adoção de IA generativa e enfrentam dificuldades para integrar dados dispersos entre sistemas legados, nuvem e aplicações SaaS. Como o Everpure Data Stream e o Everpure Data Intelligence podem ajudar as organizações brasileiras a superar esse desafio sem precisar reconstruir toda a sua infraestrutura de dados?

Douglas Wallace, Everpure – Um dos maiores desafios enfrentados pelas empresas atualmente é a fragmentação dos dados corporativos entre aplicações SaaS, nuvens públicas, ambientes on-premises e sistemas legados. Ao longo dos anos, as arquiteturas de TI foram construídas em torno das aplicações, criando silos de dados desconectados, duplicação de informações e visibilidade limitada sobre os dados espalhados pela empresa.

Na Everpure, acreditamos que as empresas não precisam reconstruir sua infraestrutura para avançar com a IA. O que elas precisam é de uma abordagem mais centrada nos dados. Nossa recém-lançada solução Everpure Data Intelligence (anteriormente 1touch) ajuda a enfrentar esse desafio ao descobrir, classificar e contextualizar informações onde quer que estejam, seja em nuvens públicas, aplicações SaaS, ambientes on-premises ou sistemas de armazenamento de terceiros.

Ao criar uma camada comum de contexto, relacionamentos e governança entre diferentes ambientes de dados, a solução ajuda as empresas a superar os tradicionais silos de aplicações e criar uma base mais sólida para iniciativas de IA. O Everpure Data Stream complementa essa abordagem ao acelerar a conversão de dados brutos em dados prontos para IA, reduzindo os custos e a complexidade normalmente associados à preparação dessas informações.

Como resultado, as empresas podem aproveitar a infraestrutura e os ativos de dados que já possuem, minimizando a necessidade de copiar, mover ou fragmentar continuamente informações críticas entre diferentes ambientes.

AIoT Brasil – Quando o Data Stream e o Everpure Data Intelligence estarão disponíveis no Brasil? E qual é o preço dessas soluções?

Douglas Wallace, Everpure – Tanto o Everpure Data Stream quanto o Everpure Data Intelligence já estão disponíveis em todas as regiões, incluindo o Brasil. Como a Everpure opera exclusivamente por meio de parceiros de canal, os preços variam de acordo com cada parceiro e também com as necessidades, a escala e os objetivos de cada empresa.

Além disso, não existe uma configuração única para todos os clientes. Cada ambiente possui características próprias, e por isso trabalhamos em conjunto com nossos parceiros para definir a combinação de recursos e capacidades que melhor atenda às necessidades de cada organização, aproveitando ao máximo sua infraestrutura existente.

AIoT Brasil – O Brasil possui uma legislação de proteção de dados consolidada por meio da LGPD. De que forma os recursos de descoberta, classificação e governança de dados da Everpure ajudam as empresas a garantir conformidade regulatória enquanto expandem projetos de IA?

Douglas Wallace, Everpure – À medida que as empresas ampliam o uso da IA, um dos desafios mais importantes é manter a visibilidade e o controle sobre informações sensíveis em ambientes de dados cada vez mais complexos. Muitas empresas sabem que possuem dados valiosos, mas nem sempre têm uma visão clara de onde essas informações estão, como estão sendo utilizadas ou de que forma circulam pela organização.

O Everpure Data Intelligence ajuda a enfrentar esse desafio por meio da descoberta, classificação e contextualização automatizadas das informações corporativas, permitindo que as empresas identifiquem dados sensíveis, compreendam sua origem e trajetória e apliquem políticas de governança de forma consistente em diferentes ambientes.

Ao incorporar a governança mais próxima dos próprios dados e ampliar a visibilidade sobre as informações corporativas, a solução ajuda as empresas a fortalecer seus esforços de conformidade e a construir a confiança necessária para ampliar suas iniciativas de IA de forma responsável.

AIoT Brasil – Setores como serviços financeiros, varejo, telecomunicações e indústria estão entre os que mais investem em IA no Brasil. Quais casos de uso você acredita que podem gerar resultados mais rápidos para essas empresas a partir de uma arquitetura centrada em dados?

Douglas Wallace, Everpure – Realmente, o Brasil vive um grande ciclo de investimentos em IA, no qual a capacidade de adaptação será um dos fatores que diferenciarão as empresas líderes daquelas que ficarão para trás. A arquitetura ideal para a IA exige uma plataforma unificada que permita às empresas começar com casos de uso que gerem resultados rápidos e, ao mesmo tempo, escalar de forma transparente até capacidades na casa dos exabytes.

No entanto, independentemente do caso de uso, estar realmente preparado para a IA exige que os dados sejam classificados, organizados, tratados, protegidos e escalados adequadamente. Os resultados mais rápidos costumam vir de casos em que as empresas conseguem descobrir, preparar e interagir com informações que já possuem. Isso inclui recursos como busca semântica e híbrida em dados corporativos, análise e sumarização de documentos, curadoria e classificação de dados, além de agentes de IA que precisam acessar informações de negócio confiáveis distribuídas por múltiplos sistemas.

AIoT Brasil – O Brasil vem se consolidando como um dos principais mercados de tecnologia da América Latina. Como a Everpure avalia a maturidade das empresas brasileiras em relação à gestão de dados para IA e quais tendências devem ganhar força nos próximos dois ou três anos no país?

Douglas Wallace, Everpure – Em diferentes mercados, incluindo o Brasil, uma tendência já está clara: o sucesso das estratégias de IA depende cada vez mais de uma base sólida de dados. As empresas estão avançando além da fase de experimentação e concentrando seus esforços em como escalar a IA de forma segura, governada e sustentável.

À medida que essa evolução avança, esperamos uma atenção cada vez maior à governança de dados, à contextualização das informações e a arquiteturas capazes de reduzir a fragmentação entre ambientes em nuvem, aplicações SaaS e sistemas on-premises. Também acreditamos que as empresas darão cada vez mais importância à criação de uma base compartilhada de informações corporativas confiáveis, na qual contexto, relacionamentos e governança acompanhem os próprios dados.

À medida que os sistemas e agentes de IA se tornam mais integrados às operações das empresas brasileiras, a capacidade de fornecer acesso confiável e em tempo real às informações será cada vez mais importante.