A expansão da inteligência artificial nas empresas está expondo uma fragilidade na gestão de informações corporativas, demonstrando que o controle sobre os dados nem sempre acompanha sua circulação entre sistemas, equipes e ambientes tecnológicos. Uma pesquisa da K2view, intitulada 2026 State of Enterprise Data Compliance e divulgada em março de 2026, mostra que 76% das organizações registraram incidentes envolvendo dados sensíveis em ambientes não produtivos nos três anos anteriores ao levantamento. O estudo também aponta que apenas 4% consideram seus ambientes de desenvolvimento e testes totalmente aderentes aos requisitos de privacidade.
O cenário ganha complexidade com a evolução da IA agêntica, na qual sistemas deixam de apenas produzir respostas e passam a executar tarefas, consultar diferentes fontes e interagir com aplicações corporativas. Para André Muniz, Head de Cloud & Data da DOMVS iT, o desafio é superar um modelo de acesso baseado em cópias de bases, permissões predefinidas e solicitações pontuais, adotando mecanismos capazes de acompanhar a utilização dos dados de forma contínua.
"Durante anos, as empresas evoluíram significativamente na velocidade de desenvolvimento de software, mas a disponibilização de dados não acompanhou esse ritmo. Ainda dependemos de cópias de produção, processos manuais e longos ciclos de provisionamento. Com a inteligência artificial, essa diferença se torna ainda mais evidente. Precisamos de um modelo que permita disponibilizar dados com agilidade, segurança e governança, sem comprometer a inovação", afirma Muniz.
Riscos na replicação de informações sensíveis
O levantamento feito pela K2view identificou ainda que 87% das organizações replicam dados sensíveis para ambientes não produtivos, como desenvolvimento, testes, analytics e inteligência artificial. Quando essas cópias não recebem o mesmo tratamento de segurança da base original, informações pessoais, financeiras e estratégicas podem ficar expostas a acessos indevidos. A multiplicação de versões também dificulta identificar onde cada informação está, quem a utiliza e se continua armazenada após o encerramento de um projeto.
A questão se torna ainda mais relevante quando agentes de IA passam a acessar dados para executar atividades em diferentes sistemas. Nesses casos, não basta definir previamente quem pode consultar uma base: é necessário estabelecer quais informações cada agente pode utilizar, em quais circunstâncias, com quais permissões e por quanto tempo. A capacidade de rastrear consultas e operações também se torna essencial para investigar incidentes e identificar desvios.
Regulamentação e atuação de agentes autônomos
A preocupação acompanha discussões de organismos internacionais. Em fevereiro de 2026, o Instituto Nacional de Padrões e Tecnologia dos Estados Unidos (NIST) publicou um documento conceitual sobre identidade e autorização de agentes de software, abordando desafios relacionados à identificação dessas ferramentas, ao controle de privilégios e à auditoria de suas atividades. A iniciativa reforça a necessidade de adaptar práticas de segurança à atuação de sistemas capazes de acessar diferentes recursos e executar tarefas com autonomia.
"Com a IA agêntica, deixamos de falar apenas de sistemas que consultam informações e passamos a lidar com agentes capazes de tomar decisões e executar ações. A forma como precisamos pensar a segurança muda drasticamente. Não basta controlar quem acessa o dado, mas também o que pode ser feito com ele, em qual contexto e com quais privilégios. Governança, rastreabilidade e proteção precisam fazer parte dessa arquitetura desde o início", explica o executivo da DOMVS iT.
Processos manuais e alternativas de governança
A mudança também pressiona os processos tradicionais de disponibilização de dados. A criação de cópias completas de ambientes de produção, seguida por etapas manuais de atualização e liberação, pode aumentar o volume de informações dispersas e atrasar projetos de inovação. Segundo o 2026 Test Data Management Report for AI-Ready Enterprises, da Perforce Delphix, 98% das 518 organizações pesquisadas ainda mantêm alguma etapa manual na gestão de dados de teste. O dado evidencia o desafio de conciliar a demanda crescente por informações com agilidade, consistência e controle.
Entre as alternativas estão a automação do provisionamento, a virtualização de dados e técnicas de mascaramento e anonimização. Essas abordagens permitem disponibilizar conjuntos de informações para desenvolvimento, testes e outras atividades sem exigir, necessariamente, a replicação integral das bases originais. A escolha depende da finalidade do uso, da sensibilidade dos dados e dos requisitos de cada ambiente.
Para André Muniz, a transformação exige que a governança deixe de ser tratada como uma etapa isolada da implantação de sistemas.
"O desafio não é simplesmente disponibilizar mais dados para a inteligência artificial, mas garantir que eles estejam acessíveis, protegidos e preparados para diferentes aplicações. As organizações que continuarem dependendo de processos manuais, cópias descontroladas e modelos rígidos de acesso terão dificuldades para escalar suas iniciativas de IA. A capacidade de inovar estará cada vez mais relacionada à maturidade na gestão e governança dos dados", conclui.
Fonte original: Globo
