Expansão de ambientes de desenvolvimento, testes e machine learning aumenta a circulação de informações corporativas e pressiona empresas a rever gestão de dados 0.5x 1x 1.25x 1.5x 2x 00:00 00:00 Divulgação — Foto: Divulgação A expansão da Inteligência Artificial e de projetos de inovação está fazendo os dados corporativos circularem por cada vez mais ambientes. Uma pesquisa da K2view aponta que 87% das empresas copiam dados sensíveis para ambientes não produtivos, como desenvolvimento, testes, analytics e IA. O estudo também mostra que 76% registraram algum incidente envolvendo dados nesses ambientes nos últimos três anos. O movimento cria um desafio que vai além da proteção do ambiente de produção: como disponibilizar dados para inovação sem perder controle sobre onde essas informações estão, quem pode acessá-las e por quanto tempo permanecem armazenadas. "Durante muito tempo, a preocupação estava concentrada em proteger o ambiente de produção. Hoje, precisamos olhar para todo o caminho que o dado percorre. Quando uma informação é replicada para desenvolvimento, testes, analytics ou IA, a empresa ganha velocidade para trabalhar, mas também aumenta a complexidade para governar esse dado", afirma André Muniz, Head de Cloud & Data, da DOMVS iT. A pressão tende a aumentar com a evolução dos projetos de IA. Modelos de machine learning dependem de dados para treinamento, testes e evolução contínua, fazendo com que diferentes equipes precisem acessar informações corporativas em ambientes distintos. Segundo levantamento da Perforce, 57% das organizações registraram aumento no volume de dados sensíveis nos últimos 12 meses, enquanto a qualidade dos dados aparece entre os principais desafios para o gerenciamento de informações utilizadas em testes. Nesse cenário, a gestão do ciclo de vida dos dados passa a ter impacto direto na velocidade de inovação. Tecnologias de mascaramento, anonimização e virtualização permitem disponibilizar informações para desenvolvimento, testes e analytics sem necessariamente replicar integralmente as bases de produção. "IA e inovação exigem acesso a dados. O ponto é fazer isso de forma controlada, rastreável e eficiente. A empresa precisa conseguir acelerar seus projetos sem transformar cada nova iniciativa em mais uma cópia permanente de suas bases", diz Thais. A mesma lógica se aplica a projetos de migração e modernização de ambientes tecnológicos. Ao movimentar aplicações para novas arquiteturas ou cloud, as empresas precisam considerar não apenas onde os sistemas serão executados, mas também como os dados serão disponibilizados ao longo da transformação. Com a evolução de práticas de ML Ops, que aproximam desenvolvimento, dados e operação de modelos de machine learning, essa gestão ganha ainda mais importância. Para a DOMVS iT, o desafio passa a ser criar uma estrutura que permita que dados confiáveis cheguem aos diferentes ambientes necessários à inovação sem aumentar desnecessariamente a complexidade tecnológica.