2026-11-04 · Fonte：Computerworld
A tecnologia leva a culpa quando os pilotos de IA decepcionam, mas o ponto de falha mais profundo é mais antigo: CMDBs não reconciliados, registros de ativos em planilhas e conhecimento tribal que a IA não consegue ver.
Três sistemas, um mesmo parque: um console de endpoints conta 9.400 dispositivos, um scanner de segurança encontra 8.700, e o banco de dados de gerenciamento de configuração afirma haver 10.200 — centenas deles desativados há muito tempo. Cada número se sustenta isoladamente. Juntos, descrevem um ambiente de TI que ninguém consegue enxergar por completo.
Quando um piloto de IA nas operações de TI entrega menos do que prometia, o escrutínio geralmente recai sobre a tecnologia. O modelo estava errado? A ferramenta prometeu demais? A equipe escolheu o caso de uso errado? Essas perguntas são justas, mas em muitas organizações a resposta está em um lugar menos glamoroso: um banco de dados de gerenciamento de configuração que não é reconciliado há dois anos, dados de ativos presos em planilhas ou três equipes de service desk usando o mesmo campo de categoria de três maneiras diferentes.
A IA não criou essas falhas. Ela as expõe — rápido, e em público.
A fragmentação é estrutural, não acidental. A maioria dos ambientes de TI cresceu uma ferramenta por vez: a equipe de endpoints adotou uma plataforma de gerenciamento, a segurança trouxe um scanner, o service management construiu seus fluxos dentro da ferramenta de ITSM, e o setor de compras registrava as aquisições em um sistema separado. Cada decisão fazia sentido isoladamente. Poucos desses sistemas foram projetados para compartilhar dados entre si, deixando cada equipe com uma visão apenas parcial do mesmo ambiente — ninguém exatamente errado, mas ninguém completo.
As pessoas aprenderam a contornar as lacunas. Um analista experiente sabe em qual sistema confiar para cada pergunta e preenche o resto de memória. Esse conhecimento institucional é valioso, mas é invisível para a IA — e é aí que o problema começa.
A implicação para as empresas que empurram a IA para as operações de TI é desconfortável: a escolha do modelo e do fornecedor pode importar menos que a condição dos dados por baixo. Enquanto os silos não forem reconciliados, os pilotos de IA vão continuar expondo — em voz alta e publicamente — problemas que a organização nunca consertou em primeiro lugar.
Tags: CMDB · ITSM · IT Operations · Data Quality · AI Pilots · IT Asset Management
萬安算交所 AIXX · AIXX · Exchange verificado · Ir ao mercado