A IA está evoluindo rapidamente, e a pressão para demonstrar valor tangível está aumentando. Mas, embora os investimentos estejam crescendo vertiginosamente e o interesse na adoção esteja aumentando, muitas organizações estão descobrindo que sua base de dados não está totalmente preparada para apoiar Agentes de IA e aplicativos.

Os dados ficam em diferentes sistemas no local e em ambientes multinuvem. Cada fonte tem sua própria estrutura, lógica e regras de negócios. Usar esses dados para funções analíticas, planejamento ou IA geralmente significa gastar tempo extraindo, limpando e combinando dados para reconstruir o contexto para diferentes aplicativos. O que este campo significa? Qual definição está correta? Como esses dados se conectam a esse processo?

Isso acontece repetidamente em toda a organização, criando o chamado “custo da complexidade”, que gera trabalho adicional para tornar os dados existentes úteis. O custo da complexidade atrasa as equipes de TI responsáveis pela escalabilidade e pela governança. Ele também atrasa as equipes de negócios que precisam de respostas mais rápidas, fluxos de trabalho mais simples e confiança nos resultados.

Uma infraestrutura de dados de negócios ajuda a enfrentar esse desafio conectando dados e contexto de negócios em uma base confiável e reutilizável. Essa base se torna muito mais fácil de entender quando você a vê pelas experiências das pessoas que a utilizam. Vamos acompanhar três pessoas em uma organização empresarial para ver como uma infraestrutura de dados de negócios pode apoiar um fluxo de trabalho de planejamento conectado, desde a criação de produtos de dados até a geração de modelos de planejamento e as atualizações finais do plano.

Criando um produto de dados confiável

Nossa primeira usuária é Olga, uma desenvolvedora de linha de negócios. Ela foi encarregada de criar um produto de dados derivado com base em um produto de dados existente do SAP S/4HANA. O objetivo dela é disponibilizar os dados certos para Ricardo, que os usará para criar um modelo de planejamento.

Olga começa no Joule Studio. Ela descreve o que precisa em linguagem natural, solicitando um produto de dados simplificado de centro de custo que inclua apenas centros de custo ativos, descrições em inglês e uma lista consolidada de IDs e descrições.

O agente de IA pesquisa fontes existentes e apresenta opções para Olga revisar. Ele não começa do zero nem pressupõe a próxima etapa. Em vez disso, ele orienta Olga em um processo iterativo, solicitando confirmação ao longo do caminho. Olga pode ver uma prévia do novo produto de dados antes de continuar, o que a ajuda a se sentir segura em relação aos dados e à lógica, pois ela participou do processo.

O agente propõe um nome para o produto de dados, que Olga então atualiza para corresponder à convenção de nomenclatura que ela e Ryan concordaram em usar. O agente aplica a alteração e prepara o produto de dados para publicação.

A experiência de Olga ilustra como uma infraestrutura de dados de negócios permite que o contexto de negócios seja reutilizado entre sistemas e domínios, o que é um benefício importante. Olga não precisou começar com dados brutos nem recriar a lógica do zero. Ela trabalhou com produtos de dados governados existentes, mantendo-se envolvida para criar um produto de dados de alta qualidade para o próximo usuário.

Transformando dados confiáveis em um modelo de planejamento

O próximo usuário em nosso cenário é Ricardo, um modelador de planejamento que trabalha no SAP Analytics Cloud. Ele precisa criar um modelo de planejamento de despesas operacionais para Ana, uma analista de dados responsável por uma área de negócios específica.

Ricardo também começa seu trabalho no Joule, descrevendo o modelo que deseja criar e o nível de detalhe de que Ana precisa. O Joule reconhece a intenção dele e busca produtos de dados disponíveis que correspondam à solicitação. Como o produto de dados recém-derivado de Olga já foi publicado e está claramente nomeado, Ricardo pode encontrá-lo facilmente, selecioná-lo e avançar.

Esse processo orientado por agente elimina a necessidade de Ryan pesquisar produtos de dados disponíveis, entender suas estruturas, criar dimensões e mantê-las por conta própria. O agente cria um modelo para executar as ações de dados específicas solicitadas por Ryan e faz isso em segundos, em vez de horas.

Por fim, Ricardo pede ao agente que adicione uma história analítica ao modelo de planejamento para facilitar a visualização dos resultados por Ana. O agente do Joule resume o que usará, cria visualizações e as organiza em um layout intuitivo. Ricardo ajusta o dashboard resultante antes de compartilhá-lo com Ana.

Ryan experimentou o segundo benefício importante de uma infraestrutura de dados de negócios: a modelagem se torna mais simples e rápida quando fontes de dados confiáveis estão prontamente disponíveis. O agente pode agir com base em dados governados com um contexto de negócios claro, e Ryan confia no resultado.

Planejamento sem rastrear cada ponto de dados

Por fim, conhecemos Ana, uma planejadora financeira. Ela abre o modelo de planejamento e a história que Ricardo publicou. Antes de fazer alterações, ela cria uma cópia de trabalho privada para que possa ajustar seu plano sem alterar a versão publicada.

Na visão de Anna, os dados estão prontos para uso. Alguns custos vêm do SAP S/4HANA. Outros dados vêm de um feed de operadora terceirizada conectado por meio da infraestrutura de dados de negócios. Os dados de que ela precisa para o planejamento estão prontamente disponíveis, e Anna não precisa parar para perguntar de onde veio cada valor.

Anna usa linguagem natural para elaborar o plano, removendo determinados itens e pedindo ao Joule que os preencha novamente usando critérios alternativos. O Joule mantém o contexto dos prompts anteriores dela, aplica os cálculos nas dimensões e grava os resultados de volta no plano.

A experiência de Anna destaca outro benefício de uma infraestrutura de dados de negócios: a confiança é integrada ao fluxo de trabalho. Os dados abrangem fontes da SAP e de terceiros, mas Anna não precisa verificar cada ponto de dados antes de prosseguir. Ela pode planejar com confiança porque a base de dados já fez o trabalho de conectar fontes, preservar o significado e aplicar a governança.

Três usuários, um fluxo de trabalho conectado

Juntos, Olga, Ryan e Anna demonstram o que acontece quando dados, contexto e Agentes de IA trabalham juntos. Em apenas alguns minutos, três pessoas concluem um trabalho que antes levava dias, e todos trabalham com a mesma base confiável de dados.

Para os líderes de TI, o importante é que a IA agêntica é tão confiável quanto os dados que a sustentam. Uma infraestrutura de dados de negócios oferece aos agentes o contexto de negócios de que precisam para apoiar o trabalho real em diferentes funções, sistemas e processos. Ela ajuda as equipes a passar de dados fragmentados e esforços manuais repetidos para uma forma mais simples de trabalhar, em que os dados estão conectados, o significado é preservado e a confiança faz parte do processo.

Assista ao webinar sob demanda, Desenvolva a base de dados para a IA com uma infraestrutura de dados de negócios, para ver a demonstração em ação e acompanhar Olga, Ryan e Anna à medida que cada etapa se desenrola no SAP Business Data Cloud.