Governança Zero Trust: Uma Resposta ao Crescimento de Dados Gerados por IA
Até 2028, a Gartner projeta que metade das empresas globais adotará uma abordagem de confiança zero para a gestão de dados. Esse movimento é impulsionado pelo rápido aumento de dados não verificados, gerados principalmente por modelos de linguagem (LLMs).
CONTINUA DEPOIS DA PUBLICIDADE
A consultoria observa que muitos LLMs são treinados com informações provenientes de diversas fontes, incluindo livros, artigos online, pesquisas e páginas da web.
Um ponto crucial é que uma parte significativa dessas fontes já contém conteúdo gerado por inteligência artificial. A pesquisa da Gartner, prevista para 2026, indica que a maioria das empresas espera aumentar seus investimentos em IA generativa, o que, por sua vez, deve intensificar o volume de dados gerados por IA.
CONTINUA DEPOIS DA PUBLICIDADE
Essa dinâmica cria um ciclo onde modelos mais recentes são treinados com dados produzidos por versões anteriores da própria IA. A Gartner alerta que essa repetição de dados, ao diminuir a variedade de fontes e aumentar o risco de respostas tendenciosas, pode levar a um “colapso do modelo”.
A questão da conformidade legal também se torna relevante, com a possibilidade de um aumento nas exigências de comprovar a ausência de dados gerados por IA em algumas regiões.
CONTINUA DEPOIS DA PUBLICIDADE
LEIA TAMBÉM!
Nesse cenário complexo, a governança zero-trust emerge como uma solução central. A consultoria enfatiza a importância de práticas de gerenciamento de metadados – informações detalhadas sobre os dados, como sua origem e contexto de uso – como um diferencial competitivo.
A Gartner sugere a nomeação de um líder de governança de IA, responsável por políticas de confiança zero, gestão de riscos e conformidade, além de promover a colaboração entre diferentes equipes para avaliações de risco.
Recomenda-se também a atualização de regras de segurança, ética e metadados, utilizando estruturas de governança de dados existentes. Por fim, a consultoria defende a adoção de práticas ativas de metadados, que gerem alertas em tempo real sobre dados desatualizados ou que necessitem de revisão, minimizando a exposição de sistemas críticos a informações imprecisas ou enviesadas.