Apesar de a Inteligência Artificial (IA) dominar a conversa em praticamente todas as indústrias, dos seguros à logística, dos bancos ao retalho, são os dados que continuam a sustentar o que realmente importa: organizações competitivas, eficientes e rentáveis.
O problema é que grande parte das organizações continua presa a plataformas de dados antigas, com elevados custos de operação, demasiadas ineficiências e incapacidade para responder aos pedidos do negócio. Este é, na minha opinião, um dos maiores desafios das organizações atualmente.
No passado, as iniciativas de modernização levavam anos. Projetos longos, dispendiosos e que quando entravam em produção, a tecnologia já nem era assim tão recente.
A IA (mais propriamente a Generative AI) veio revolucionar tudo isto, trazendo para cima da mesa ferramentas que até agora não existiam. É finalmente possível evoluir sem assustar qualquer CIO ou CEO.
Um dos exemplos mais fortes é a modernização e migração assistida de dados e código (com modelos especializados como o Claude) para as mais recentes plataformas de dados, atacando diretamente a dívida técnica das plataformas antigas.
No fundo, é a capacidade de ter agentes de IA a analisar o código, os requisitos, os dados e a documentação atual e depois ter outros agentes que interpretam o resultado do trabalho de outros agentes e produzem um conjunto de recomendações e ideias, enquanto outros agentes escrevem testes de qualidade de dados e código. É uma orquestra de agentes, pensada para acelerar drasticamente todo o processo.
Esta orquestração pode ser implementada com um “gestor de agentes” que decompõe objetivos de alto nível em sub-tarefas e as envia a agentes especializados, recolhendo artefactos e métricas para decidir os próximos passos. Trata-se de um gestor que integra com todo o sistema de engenharia presente na empresa e que agrega agentes especializados para análise de código, mapeamento e tradução de código, engenharia de dados, e testes e observabilidade.
A coordenação inclui também mecanismos de verificação: um agente sugere uma transformação, um segundo agente revê e simplifica, um terceiro gera testes, e só após estes passos o código é promovido para revisão humana. Isto cria “ciclos de revisão em cadeia” onde o “output” de um agente é “input” de outro, reduzindo erros sistemáticos e aumentando a confiança.
Para o contexto de dívida técnica, a plataforma de agentes pode produzir métricas contínuas de “saúde”, como o número de dependências obsoletas, violações de padrões de arquitetura e risco de dados sensíveis expostos. A cada iteração de migração, os agentes atualizam estes indicadores, permitindo uma prioritização inteligente.
Falando de IA, a segurança e a conformidade nunca podem ser negligenciadas. Os agentes devem ser restringidos por políticas de acesso a dados, mascaramento de dados, e todas as suas decisões precisam de ficar auditáveis. Isto facilitará auditorias posteriores e suporta uma abordagem “human-in-the-loop”, na qual os donos da informação aprovam os passos críticos enquanto a orquestra de agente faz o trabalho “duro”.
Mas não nos deixemos iludir. Apesar destas novas capacidades trazidas pela IA, os verdadeiros pilares são as pessoas. São elas que constroem a orquestra, que a lideram, que tomam resoluções difíceis e que pensam na estratégia.
Estamos numa era única, uma era onde é possível usar a IA para sermos mais ágeis na modernização daquilo que nos permite decidir de forma consciente: os dados.
