O Gartner colocou a IA, os dados e analytics no caminho do valor. A próxima pergunta é: quem governa a decisão que transforma tudo isso em compromisso organizacional?
O Gartner Data & Analytics Summit 2026, realizado em São Paulo nos dias 28 e 29 de abril, colocou uma questão executiva no centro da agenda de dados, analytics e inteligência artificial: como transformar a aceleração da IA em valor real, sem perder controle sobre risco, custo, governança, contexto e responsabilidade.
A abertura do evento, intitulada “Navigate AI on Your Data & Analytics Journey to Value”, conduzida por Sarah James e Gareth Herschel, foi clara nessa direção: a IA está acelerando novas possibilidades para dados e analytics, mas o sucesso não está simplesmente em ser o mais rápido. Está em encontrar um caminho próprio para valor, administrando risco e custo.
O que as trilhas do Summit revelam
Essa discussão apareceu também nas trilhas oficiais do Summit. A trilha de Artificial Intelligence tratou de estratégia de IA, responsible AI, risco e governança, GenAI, LLMs, RAG, agentes de IA e escalabilidade. A trilha de Analytics incluiu self-service analytics, GenAI, agentic analytics, métricas, dashboards, data storytelling e Decision Intelligence. Já a trilha de Governance trouxe temas como governança adaptativa, operating model de D&A, impacto da IA na governança de dados e analytics e evolução das plataformas de governança.
O que emerge desse conjunto não é apenas uma agenda tecnológica. É uma pergunta de governança:
Quando dados, analytics, IA, agentes, métricas e contexto deixam de ser capacidades e passam a produzir compromisso organizacional?
Essa pergunta é cada vez mais relevante porque o próprio Gartner vem usando a linguagem da transição de data-driven para decision-centric. Em seu webinar sobre o futuro de Data & Analytics, o Gartner afirma que D&A deve evoluir para criar mais valor e vantagem competitiva por meio de melhores decisões de negócio, incorporando práticas como Decision Intelligence, GenAI e a crescente centralidade da decisão na estratégia e no roadmap dos líderes de D&A.
Essa direção conversa com uma realidade que muitos executivos já percebem: uma empresa pode ser rica em dados, madura em analytics e ambiciosa em IA — e ainda assim ter dificuldade para explicar como uma recomendação, um insight, um score, uma síntese gerada por IA ou uma ação automatizada se converteu em uma decisão material da organização.
É nesse ponto que a conversa precisa avançar.
Cada disciplina governa uma parte — nenhuma governa o todo
- A Governança de Dados governa o insumo.
- A Governança de IA governa o sistema.
- A Governança de Risco estrutura a incerteza.
- A Decision Intelligence amplia a capacidade de modelar, apoiar, automatizar, monitorar e aprender com decisões.
Todas são importantes. Todas são insubstituíveis.
Mas nenhuma delas, isoladamente, governa por completo o momento em que esses elementos se convertem em compromisso organizacional.
No fim, o valor se materializa quando a organização assume um compromisso: aloca recursos, aceita riscos, exclui alternativas, delega ações e responde por consequências.
Esse é o ponto que me levou a escrever Governança de Inteligência Decisória: Fundamentos e Disciplina para a Empresa Centrada em Decisões.
A tese central da obra é que o próximo limiar depois da empresa data-driven é a empresa decision-centric. Mas ser decision-centric não significa apenas ter mais dashboards, modelos, automação ou IA. Significa tratar decisões materiais como objetos organizacionais governáveis: identificáveis, rastreáveis, atribuíveis, qualificadas por evidência, comparáveis e aprendíveis.
Decision Intelligence Governance: a camada que falta
Essa proposta recebe o nome de Decision Intelligence Governance — DIG.
DIG não substitui Data Governance, AI Governance, Risk Management ou Decision Intelligence. Ao contrário: depende dessas disciplinas e conversa com elas. O que DIG propõe é uma camada específica de governança para o ponto em que dados, analytics, IA, risco, contexto e julgamento humano se convertem em compromisso decisório material.
A distinção é importante.
- Uma organização pode ter dados governados e ainda assim não saber se a evidência era suficiente para aquela decisão.
- Pode ter modelos monitorados e ainda assim não registrar como a recomendação algorítmica foi aceita, modificada ou rejeitada pela autoridade responsável.
- Pode ter IA explicável e ainda assim não conseguir reconstruir quem assumiu o compromisso final.
- Pode medir resultados e ainda assim não saber se uma boa performance veio de uma boa decisão, de um contexto favorável ou apenas de sorte.
A pergunta executiva começa a mudar
Por isso, a pergunta executiva começa a mudar.
Não basta perguntar:
“Nossa IA está governada?”
É preciso perguntar também:
“As decisões materiais que usam essa IA estão governadas?”
Essa pergunta se torna ainda mais relevante no contexto de agentes de IA e sistemas multiagentes. O Gartner tratou explicitamente de agentes e Decision Intelligence no Summit, destacando que agentes de IA estão entrando em aplicações e sistemas organizacionais, mas que maior autonomia, sistemas multiagentes e GenAI aumentam a incerteza.
Quanto mais a IA deixa de apenas recomendar e passa a agir, priorizar, sintetizar ou executar, mais crítica se torna a distinção entre output algorítmico e compromisso organizacional.
A autonomia operacional de um sistema não elimina a responsabilidade fiduciária da organização.
Delegar execução não é delegar responsabilidade.
A decisão material como objeto governável
É por isso que vejo a agenda atual de IA, dados e governança como uma oportunidade para avançar uma camada. O mercado já compreende a necessidade de governar dados. Está acelerando a necessidade de governar IA. Agora começa a aparecer a próxima pergunta:
Como governar a decisão que transforma dados e IA em valor, risco e responsabilidade?
Essa é a intenção central da obra.
Não é propor mais uma metodologia pronta para substituir frameworks existentes. É formalizar um objeto que ainda permanece pouco visível em muitas organizações: a decisão material como compromisso governável.
Se dados podem ser tratados como ativos organizacionais, por que decisões materiais — aquelas que realmente movem valor, risco, capital, clientes, reputação e responsabilidade — ainda são frequentemente tratadas como eventos difusos, registrados apenas por ata, workflow, aprovação ou resultado?
A empresa decision-centric não nasce quando compra uma nova plataforma. Ela nasce quando consegue responder, de forma disciplinada:
- quais decisões importam?
- que evidência as sustenta?
- qual foi o papel da IA?
- quem assumiu o compromisso?
- qual contexto foi considerado?
- como o resultado será aprendido sem confundir sorte com qualidade decisória?
Da IA governada à decisão governável
O Gartner colocou o mercado no caminho do valor da IA, da governança, dos agentes, das métricas e da Decision Intelligence. Minha obra procura dar um passo complementar: perguntar o que precisa ser governado para que essa centralidade da decisão não seja apenas arquitetura, automação ou linguagem de mercado, mas compromisso organizacional rastreável, justificável, atribuível e aprendível.
A próxima fronteira talvez não seja apenas ter IA governada.
Talvez seja construir organizações capazes de produzir decisões governáveis.