Empresas estão correndo para adotar IA, mas grande parte dos dados de que essas ferramentas precisam ainda está presa dentro de sistemas legados, softwares proprietários e aplicações que não possuem interfaces modernas. Ran Cherniavsky, CEO e cofundador da Unfold, afirma que essa lacuna se tornou o problema central da IA empresarial, e que sua empresa foi criada para resolvê-la.

\n

Por que as ferramentas tradicionais de integração não funcionam para a IA?

As ferramentas tradicionais de integração conectavam sistemas, mas faziam isso de forma restrita. Elas moviam dados um campo por vez, por meio do que o fornecedor escolhesse expor. Cherniavsky disse que esse modelo nunca foi projetado para a IA.

\n

“A IA precisa de acesso a tudo o que um ser humano consegue ver em um sistema, e de uma compreensão do que aquilo significa”, afirmou. “E precisa disso rapidamente, sem um projeto para cada campo. É um problema diferente.”

\n

Os custos aparecem bem antes de um projeto de IA ser lançado. As empresas contratam consultores especializados para mapear manualmente os campos de um sistema. Analistas extraem relatórios com limitações e os juntam no Excel. Projetos-piloto de IA travam porque o modelo enxerga apenas a parte que a API expõe e, então, acaba dando respostas erradas.

\n

“Na prática, você está alugando acesso aos seus próprios dados por meio da interface de outra pessoa”, disse Cherniavsky.

\n

Ele também apontou a segurança. Se ninguém consegue ler o que está dentro de um sistema, ninguém pode ter certeza de que ele está seguro. Cherniavsky afirmou que esse risco costuma ser invisível até causar um problema.

\n

Cherniavsky disse que a adoção de IA é onde a pressão é mais forte neste momento, e onde os dados bloqueados custam mais caro às empresas. Segurança e modernização enfrentam o mesmo problema de fundo, argumentou. Citando a Gartner, ele observou que 45% dos sistemas centrais ainda rodam em mainframes ou em arquiteturas cliente/servidor locais, e que 34% das organizações hoje deixam aplicações centrais intactas porque modernizá-las é arriscado demais. Resolver o acesso e o contexto dos dados para a IA, segundo ele, ajuda muito a resolver as outras duas questões.

\n

A Unfold trabalha da mesma forma que um funcionário. Em vez de depender apenas de uma API, ela utiliza a interface do usuário, relatórios, exportações e arquivos que uma aplicação já disponibiliza. A empresa estuda cada sistema, mapeia onde está cada dado e como ele se movimenta, e então constrói um coletor determinístico e somente leitura, que recupera os dados por meio das próprias permissões do sistema. Cherniavsky disse que a abordagem funciona em mainframes AS/400, ERPs locais e produtos SaaS modernos que expõem apenas parte de seus dados. O processo de implantação leva até 14 dias por sistema.

\n

Por que os dados corporativos precisam de contexto antes que a IA possa usá-los?

Acesso sozinho não basta, afirmou Cherniavsky. Dados brutos sem contexto são ruído. No ERP JD Edwards, da Oracle, por exemplo, as tabelas armazenam números em vez de nomes, e campos de status guardam códigos que poucas pessoas se lembram de ter definido. Dois sistemas podem se referir ao mesmo cliente por nomes diferentes.

\n

A Unfold aprende cada sistema da mesma forma que um funcionário treinado aprenderia, identificando o que cada objeto significa, como os objetos se relacionam, quais regras de negócio e exceções se aplicam e como as pessoas realmente usam o software. A empresa constrói um catálogo de cada objeto de dados, com seu significado de negócio e seu caminho completo dentro do sistema. Cherniavsky disse que esse conhecimento costumava ficar com especialistas no assunto, parceiros de implementação e fornecedores, e que grande parte dele se perdia quando essas pessoas saíam.

\n

Depois que cada sistema é compreendido, a Unfold mapeia os dados em um único esquema corporativo canônico. Cherniavsky deu um exemplo: o mesmo cliente é identificado como KUNNR no SAP e como Account no Salesforce. A empresa mantém os dados nos sistemas de origem do cliente e rastreia a linhagem, sabendo de onde vem cada campo e como ele foi transformado.

\n

Cherniavsky disse que a Unfold não concorre com plataformas de dados como Splunk, Snowflake e Databricks. “Nós não substituímos plataformas de dados; nós as alimentamos”, afirmou. A empresa pode entregar dados ao data lake, ao data warehouse ou aos agentes de IA do cliente, inclusive por meio de um conector com Claude e Gemini.

\n

Cherniavsky descreveu vários casos de uso de clientes. Um varejista global precisa de dados de ponto de venda de sistemas AS/400 em mais de dez países para alimentar sua detecção de fraudes, que agora roda no Gemini Enterprise. O regulador de um dos países ordenou que a empresa interrompesse as vendas até que esse controle estivesse em funcionamento. Uma seguradora dos Estados Unidos, entre as dez maiores do país, havia contratado prestadores de serviço para mapear manualmente os campos do sistema de sinistros em seu banco de dados, seguidos de engenheiros que construíram o processo de ETL. Cherniavsky disse que esse trabalho levava semanas e que a Unfold o conclui automaticamente em dias.

\n

Um grupo de concessionárias de veículos com múltiplas lojas tinha suas informações de peças, serviços e garantias trancadas atrás de relatórios em seu sistema de gestão de concessionárias. Agora, seu proprietário pode perguntar em linguagem simples há quanto tempo está pendente o valor de garantia que a empresa tem a receber.

\n

Cherniavsky afirmou que os clientes medem o valor de três formas: tempo, custo e resultados que antes não eram possíveis. Tempo significa dias em vez de meses. Custo inclui consultores, serviços profissionais e engenharia que deixam de ser necessários. Os resultados incluem respostas que abrangem vários sistemas ao mesmo tempo.

\n

A Gartner afirma que, até 2030, o maior desafio cumulativo da IA agêntica será o acesso e o controle de dados. A empresa de pesquisa também trata as plataformas de contexto de IA como um mercado separado, que deve crescer de US$ 28 bilhões em 2026 para US$ 78 bilhões até 2030, e observa que essas plataformas são limitadas pela capacidade de extrair dados dos sistemas de registro.

\n

Como as empresas devem começar a dar à IA acesso a dados bloqueados?

O conselho de Cherniavsky às empresas é começar por um resultado de negócio, e não por um projeto de dados. Escolha uma iniciativa de IA bloqueada por um sistema que não pode ser lido, resolva esse problema e, então, expanda sistema por sistema. As empresas não deveriam esperar que os projetos de modernização terminem primeiro, disse ele, e devem tratar o conhecimento contido em seus sistemas como um ativo antes que as pessoas que compreendem esses sistemas deixem a empresa.

Este artículo fue escrito con la asistencia de IA.
News Factory APP - noticias agénticas para impulsar tu SEO y AEO.