Destaques do primeiro dia da AI Expo 2026: Governança e Preparação de Dados para o Sucesso de Empresas Ativas

Embora a perspectiva de IA atuando como um colega de trabalho digital dominou a agenda do primeiro dia no evento realizado no mesmo local. Exposição de IA e Big Data e Conferência de Automação InteligenteAs sessões técnicas focaram na infraestrutura necessária para que o sistema funcionasse de forma eficaz.

🤖 Da automação passiva aos sistemas de IA agentes

Um dos principais temas em exposição foi a evolução da automação passiva para... sistemas "agentes"Essas ferramentas avançadas raciocinam, planejam e executam tarefas em vez de seguirem roteiros rígidos. Amal Makwana da Citi O artigo detalhou como esses sistemas atuam nos fluxos de trabalho empresariais. Essa capacidade os diferencia das versões anteriores de automação robótica de processos (RPA).

Scott Ivell e Ire Adewolu do DeepL Descreveram esse desenvolvimento como o fechamento da "lacuna da automação". Argumentaram que a IA ativa funciona como um colega de trabalho digital, e não como uma simples ferramenta.

O verdadeiro valor é desbloqueado por reduzir a distância entre a intenção e a execução. Brian Halpin da SS&C Blue Prism Observou-se que as organizações normalmente precisam dominar a automação padrão antes de poderem implementar IA orientada a agentes.

Essa transformação requer estruturas de governança capazes de lidar com resultados não determinísticos. Steve Holyer da Informatica, juntamente com palestrantes da MuleSoft e da Salesforce, argumentaram que a arquitetura desses sistemas exige uma supervisão rigorosa. Uma camada de governança deve controlar como os agentes acessam e utilizam os dados para evitar falhas operacionais.

📊 Qualidade dos dados: o principal obstáculo à implementação

O desempenho de um sistema autônomo depende inteiramente da qualidade de sua entrada. Andreas Krause da SAP Afirmou-se que a IA falha sem dados empresariais confiáveis ​​e conectados. Para que a IA de geração de inteligência artificial (IAI) funcione em um contexto corporativo, ela deve acessar dados que sejam ambos preciso e contextualmente relevante.

Meni Meller da Gigaspaces Ele abordou o desafio técnico das "alucinações" em LLMs. Defendeu o uso de eRAG (geração aumentada por recuperação) combinada com camadas semânticas para corrigir problemas de acesso a dados. Essa abordagem permite que os modelos recuperem dados empresariais factuais em tempo real.

O armazenamento e a análise também apresentam desafios significativos. Um painel com representantes de Equifax, British Gas e Centrica Discutiu-se a necessidade de análises nativas da nuvem e em tempo real. Para essas organizações, a vantagem competitiva advém da capacidade de executar estratégias analíticas que são escalável e imediato.

🔒 Segurança Física e Observabilidade do Sistema

A integração da IA ​​estende-se aos ambientes físicos, introduzindo riscos de segurança que diferem das falhas de software. Um painel incluindo Edith-Clare Hall da ARIA e Matthew Howard, do IEEE RAS Examinou-se como a IA incorporada é implementada em fábricas, escritórios e espaços públicos. Protocolos de segurança devem ser estabelecidos antes que robôs interajam com humanos..

Perla Maiolino, do Instituto de Robótica de Oxford Ela ofereceu uma perspectiva técnica sobre esse desafio. Sua pesquisa sobre Sensores de tempo de voo (ToF) e pele eletrônica O objetivo é dotar os robôs tanto de autoconsciência quanto de consciência ambiental. Para setores como o de manufatura e logística, esses sistemas de percepção integrados previnem acidentes.

No desenvolvimento de software, a observabilidade continua sendo uma preocupação paralela. Yulia Samoylova da Datadog Destacou como a IA muda a forma como as equipes desenvolvem e solucionam problemas de software.

À medida que os sistemas se tornam mais autônomos, a capacidade de observar seu estado interno e processos de raciocínio torna-se necessário para a confiabilidade.

⚙️ Infraestrutura e Barreiras à Adoção

A implementação exige infraestrutura confiável e uma cultura receptiva. Julian Skeels da Expereo argumentou-se que as redes devem ser projetadas especificamente para cargas de trabalho de IA. Isso envolve a construção de redes soberanas, seguras e "sempre ativas" capaz de lidar com alto volume de produção.

É claro que o fator humano continua sendo imprevisível. Paul Fermor, da IBM Automation Ele alertou que o pensamento tradicional sobre automação muitas vezes subestima a complexidade da adoção da IA. Ele denominou isso de "ilusão de prontidão da IA". Jena Miller Reforçou-se esse ponto, observando que as estratégias devem ser centradas no ser humano para garantir a adoção. Se a força de trabalho não confiar nas ferramentas, a tecnologia não trará resultados.

Ravi Jay da Sanofi Foi sugerido que os líderes precisam fazer perguntas operacionais e éticas logo no início do processo. O sucesso depende de decidir onde construir soluções proprietárias versus onde comprar plataformas já estabelecidas.

💡 Principais conclusões para líderes de tecnologia

As sessões do primeiro dia dos eventos realizados em conjunto indicam que, embora a tecnologia esteja caminhando em direção a agentes autônomos, a implantação requer uma base de dados sólida.

• Os CIOs devem se concentrar no estabelecimento de estruturas de governança de dados. que suportam a geração aumentada por recuperação
• A infraestrutura de rede precisa ser avaliada. para garantir que suporte os requisitos de latência das cargas de trabalho com agentes.
• As estratégias de adaptação cultural devem ser executadas em paralelo. para implementação técnica

Quer aprender mais sobre IA e big data com líderes do setor? Confira Exposição de IA e Big Data que acontecerá em Amsterdã, Califórnia e Londres. O evento abrangente faz parte de TechEx e acontece simultaneamente com outros eventos tecnológicos importantes, incluindo o Exposição de Segurança Cibernética e NuvemClique aqui Para obter mais informações.

O AI News é alimentado por TechForge MediaExplore outros eventos e webinars sobre tecnologia empresarial que estão por vir.