Gustavo Leite (*)
Empresas devem focar em operacionalizar conceito com agilidade, antecipando-se às exigências do mercado, clientes e reguladores
Nos últimos 18 meses, a IA passou da experimentação para a execução. Conforme a adoção avança, o debate puramente técnico sobre modelos e produtividade se expandiu para incluir controle, responsabilidade e confiança. No centro dessa transição está a governança, a segurança e a soberania dos dados. A IA gera valor tangível, trazendo também exposições a riscos que precisam ser gerenciados com precisão.
Incidentes de vazamento de dados proprietários e o aumento do escrutínio sobre o treinamento de modelos mostram uma realidade simples: os sistemas de IA são tão seguros e resilientes quanto às bases de dados em que se apoiam. Ao mesmo tempo, regulamentações rigorosas, como o EU AI Act e leis regionais de residência de dados, redefinem o significado de conformidade para multinacionais. A implementação de IA tornou-se, acima de tudo, um exercício de controle estratégico.
A IA vai além da análise de dados: ela os multiplica. Cada documento, resumo ou interação gerada cria um novo ativo de informação, geralmente não estruturado, descentralizado e sem governança. Para empresas globais, a falta de visibilidade sobre esses dados representa riscos regulatórios e reputacionais graves.
Com isso, a soberania de dados ascendeu ao topo das prioridades da alta liderança, superando a condição de mera checagem burocrática. Conselhos de administração agora exigem respostas claras sobre onde os dados residem, quem tem acesso a eles e quais são os riscos de um uso inadequado.
O conceito de Soberania de IA
A soberania de dados tradicional focava na localização geográfica das informações. A soberania de IA expande esse escopo para todo o ciclo de vida do dado. Isso inclui saber onde cada etapa da informação é armazenada e processada, quais modelos a utilizam e em quais mercados essa inteligência é aplicada.
Essa realidade gera um dilema estratégico entre velocidade, controle e risco. Plataformas de grande escala (hyperscalers) oferecem agilidade e escalabilidade, trazendo também preocupações sobre jurisdição e exposição de propriedade intelectual. A avaliação de risco deve depender da classificação da informação: dados públicos exigem controles muito diferentes de códigos-fonte, projetos de produtos ou dados confidenciais de clientes e funcionários.
Reguladores impõem multas, enquanto a perda de confiança de clientes e parceiros causa danos ainda mais difíceis de reparar. Empresas incapazes de explicar como sua IA gera resultados ou de onde vêm seus dados criam um passivo perigoso. A única forma de comprovar a conformidade é por meio do rastreamento de origem e linhagem dos dados (data lineage), um desafio que muitas organizações ainda lutam para resolver.
O caminho para o futuro
O avanço para um futuro soberano em IA exige o estabelecimento de fundações sólidas, preservando a inovação e o uso de infraestruturas globais. O processo começa pela consolidação, classificação e compreensão das informações em uma plataforma unificada, estabelecendo uma fonte única da verdade.
A partir dessa base, as organizações devem investir em rastreabilidade e auditabilidade de dados, estruturas de governança adaptáveis a diferentes regiões e arquiteturas flexíveis que conciliem escala global com controle local.
A IA força uma revisão profunda da gestão de dados corporativos, transformando uma preocupação operacional em um risco estratégico. A soberania de dados abriu esse caminho, e a soberania de IA consolida a nova exigência para organizações multinacionais. A prioridade máxima agora é operacionalizar esse conceito com agilidade, antecipando-se às exigências do mercado, de clientes e de reguladores.
(*) VP da Cohesity para América Latina.