Repensando a IA no setor público: cinco mudanças que geram resultados nas missões

As agências do setor público estão destinando porções significativas de seus orçamentos operacionais para garantir que essas capacidades gerem resultados concretos.

Segundo Massimiliano Claps, diretor de pesquisa da IDC, as agências estão realocando verbas significativas para inovação em IA. "Coletamos dados de pesquisa de mais de 600 entidades do setor público nos EUA, sendo 152 delas do governo federal. Elas nos mostram que 65% das agências entrevistadas planejam alocar 11% ou mais do orçamento de TI à IA em 2026 e nos anos seguintes", revela Claps.¹ Como resultado, as agências governamentais precisam vincular os investimentos em tecnologia diretamente à melhoria da prestação de serviços e à continuidade operacional.

Além disso, aproximadamente 80% dessas agências esperam obter valor mensurável em 12 meses e antecipam um retorno de 2x em dois anos.¹ Esses prazos exigentes não permitem dados isolados. Os líderes de TI precisam de uma plataforma unificada, que traga visibilidade imediata em toda a infraestrutura operacional.

É fácil testar a IA inserindo manualmente alguns arquivos PDF em uma interface de chat. Mas, como adaptar isso para os dados históricos de toda a organização?

Transformar dados fragmentados em uma base pronta para IA exige uma arquitetura aberta e flexível, que conecte informações em diferentes ambientes. Como observa Dave Erickson, arquiteto sênior do setor público da Elastic: “Muitas organizações estão pensando em como garantir uma arquitetura aberta, para evitar a criação de um novo silo de dados orientado a uma única nuvem ou fornecedor.” E continua: “É preciso pensar nisso e manter a arquitetura modular e aberta. O OpenTelemetry é importante porque oferece um nível de agnosticismo.”

Essa necessidade de abertura se estende além da arquitetura para como os dados são armazenados e acessados. “Não dá para só colocar dados em buckets de armazenamento estático e esperar que a IA derive insights magicamente”, acrescenta James Garside, especialista sênior de clientes empresariais da Elastic.

Essa mudança arquitetônica exige tempo e disciplina. Refletindo sobre a trajetória do Reino Unido, Garside conclui: "Definitivamente, demoramos um pouco mais para implementar... só para garantir que a gente acertou."

Para aproveitar ao máximo esses dados, as equipes precisam fazer buscas em meio a petabytes de informações, tudo na hora e com precisão. Esse desempenho exige uma arquitetura projetada para busca e recuperação em alta velocidade e larga escala.

"Na nossa recente pesquisa nos EUA com 152 executivos federais de TI e missão, ninguém afirmou querer supervisão humana", aponta Claps.¹ "Essa é uma história muito reveladora."

À medida que a automação lida com processos mais complexos, a função do operador humano evolui. O modelo "humano no loop", em que um analista apenas clica no botão de aprovação, está dando lugar ao "humano no controle". Nesse modelo, a IA atua como um assistente dedicado, processando dados em larga escala, enquanto o humano define a estratégia e toma a decisão final.

Erickson concorda. "Há muito contexto e conhecimento institucional que vem das pessoas. É função da IA automatizar algo que já sabemos fazer da maneira certa", ele observa. Isso mantém as pessoas no controle, permitindo que elas orientem e refinem os resultados, ao mesmo tempo em que garante que o conhecimento institucional crítico continue sendo a força orientadora por trás de cada decisão.

À medida que os dados se tornam o combustível crítico para fluxos de trabalho autônomos, controlar onde esses dados residem e quem tem acesso a eles é fundamental. A IA soberana se tornou uma prioridade global para organizações que lidam com informações sensíveis ou classificadas.

Segundo a IDC, 46% das entidades federais pesquisadas utilizam atualmente alguma forma de IA soberana, e outras 38% planejam implementar nos próximos 12 meses.¹ Isso reflete um reconhecimento crescente de que a IA soberana é muito diferente da autossuficiência. Não se trata de isolamento, mas sim de controlar onde os dados estão localizados, como são trocados, e quem tem acesso a eles, com quais direitos. Para manter a independência na arquitetura técnica, os líderes de TI devem garantir o controle da infraestrutura tecnológica, começando pela camada de dados fundamental.

A mudança da produtividade individual para o impacto da missão já está em andamento. Para acompanhar o ritmo, as organizações precisam ir além de experimentos isolados e focar as bases arquitetônicas que sustentam a IA em larga escala.

Comece auditando seu atual cenário de dados para identificar silos que impedem o acesso em tempo real. Estabeleça frameworks de governança que priorizem um modelo operacional liderado por humanos, garantindo que suas equipes mantenham o controle total sobre as decisões críticas. Por fim, invista em uma plataforma flexível, que traga visibilidade e mantenha autonomia estratégica sobre suas informações mais confidenciais.

Conectar seus dados distribuídos aos especialistas que dependem deles todos os dias é fundamental para desbloquear o verdadeiro valor da IA. Saiba como construir essa base para o sucesso da missão assistindo ao nosso webinar.

Assistir sob demanda