Até 2028, metade das organizações deverá adotar uma abordagem de zero-trust para governança de dados, impulsionada pelo aumento de informações não verificadas geradas por Inteligência Artificial, segundo projeção do Gartner, Inc.

De acordo com Wan Fui Chan, vice-presidente de Gestão do Gartner, as empresas já não podem presumir que os dados são confiáveis ou que foram produzidos por humanos. Com a expansão dos conteúdos criados por IA e sua crescente semelhança com materiais humanos, mecanismos de autenticação e verificação tornam-se essenciais para preservar resultados operacionais e financeiros.

Os Grandes Modelos de Linguagem são treinados com dados coletados de diversas fontes, como páginas da web, livros, repositórios de código e artigos científicos. Parte desse material já inclui conteúdo gerado por IA e, caso a tendência atual se mantenha, a maior parte dessas bases poderá ser composta predominantemente por dados produzidos por sistemas automatizados.

A pesquisa 2026 Gartner CIO and Technology Executive Survey indica que 84% dos executivos esperam ampliar o investimento em Inteligência Artificial Generativa em 2026. Com a expansão dessas iniciativas, o volume de dados produzidos por sistemas de IA deve crescer de forma acelerada. Esse cenário tende a levar futuras gerações de LLMs a serem treinadas cada vez mais com resultados de modelos anteriores, o que aumenta o risco de “colapso do modelo”, quando as respostas deixam de refletir a realidade com precisão.

Segundo Wan Fui Chan, o avanço do conteúdo gerado por IA deve intensificar exigências regulatórias para a verificação de dados “livres de IA” em algumas regiões. No entanto, essas regras podem variar significativamente entre jurisdições, com algumas adotando controles mais rígidos e outras optando por abordagens mais flexíveis.

Nesse contexto regulatório em transformação, as organizações precisarão identificar e marcar dados produzidos por IA. O Gartner destaca que o sucesso dependerá de ferramentas adequadas, equipes capacitadas em gestão da informação e soluções robustas de gerenciamento de metadados, fundamentais para catalogação e rastreabilidade.

Práticas avançadas de gestão de metadados tendem a se tornar um diferencial competitivo, permitindo análise, alertas e automação de decisões em todo o ciclo de vida dos dados.

As organizações são orientadas a adotar ações estratégicas para lidar com os riscos associados a dados não verificados. Uma das recomendações é a criação de uma liderança dedicada à governança de Inteligência Artificial, responsável por políticas de zero‑trust, gestão de riscos e conformidade. Esse profissional deve atuar em conjunto com as equipes de Data & Analytics para garantir que os dados estejam preparados para uso em sistemas de IA e que as plataformas consigam lidar adequadamente com conteúdos gerados por modelos automatizados.

Outra medida envolve a formação de equipes multifuncionais que reúnam especialistas em segurança cibernética, Data & Analytics e outras áreas relevantes. O objetivo é realizar avaliações amplas de risco, identificar vulnerabilidades relacionadas a informações produzidas por IA e determinar quais delas já são cobertas pelas políticas existentes e quais exigem novas abordagens.

As organizações também são incentivadas a aproveitar estruturas de governança já estabelecidas, atualizando políticas de segurança, gestão de metadados e diretrizes éticas para contemplar os novos desafios trazidos pela IA generativa.

Por fim, práticas ativas de gestão de metadados são apontadas como essenciais. Elas permitem emitir alertas quando dados estão desatualizados ou precisam ser recertificados, ajudando a identificar rapidamente situações em que sistemas críticos podem ser impactados por informações imprecisas ou enviesadas.