Ian Leysen, CEO e Co‑Fundador da Datadobi – Série de Entrevistas

Ian Leysen, CEO e Co‑Fundador da Datadobi, é um executivo de tecnologia com mais de três décadas de experiência em engenharia de software, garantia de qualidade e gerenciamento de dados corporativos. Co‑fundou a Datadobi em 2009 após oito anos na EMC como Gerente Sênior de Garantia de Qualidade, precedidos por cargos de liderança na Mediagenix e na Wave Research. Ao longo de sua carreira, Leysen concentrou‑se fortemente na construção de organizações de engenharia de software de alta qualidade, tendo criado três equipes de garantia de qualidade do zero. Na Datadobi, ele supervisiona uma empresa focada em ajudar grandes corporações a gerenciar, governar, migrar e proteger dados não estruturados em ambientes on‑premises, na nuvem e híbridos. A empresa evoluiu além de suas origens em migração de dados em larga escala para oferecer o StorageMAP, uma plataforma neutra que fornece às organizações maior visibilidade e controle sobre estates complexos de dados não estruturados, incluindo a preparação de dados corporativos para iniciativas de IA.

Datadobi ajuda empresas a obter maior visibilidade e controle sobre volumes rapidamente crescentes de dados não estruturados. Seu software pode escanear bilhões de arquivos para identificar dados obsoletos, duplicados, lacunas de propriedade e riscos potenciais, ao mesmo tempo em que aplica metadados e tags de classificação que suportam governança e políticas automatizadas para arquivamento, exclusão e retenção. Isso se tornou cada vez mais importante à medida que as organizações preparam dados corporativos para IA generativa, onde informações mal compreendidas ou desatualizadas podem gerar ruído, problemas de conformidade e riscos de segurança. A Datadobi também permite que as empresas identifiquem conjuntos de dados potencialmente valiosos, organizem‑nos para uso posterior e movam informações selecionadas para data lakes ou lakehouses, mantendo rastreabilidade e governança. A plataforma ainda oferece insights sobre custos de armazenamento e impacto de carbono, ajudando as organizações a tomar decisões mais informadas sobre quais dados reter e onde eles devem residir.

Você passou oito anos liderando a garantia de qualidade na EMC antes de co‑fundar a Datadobi em 2010. O que você viu em ambientes de armazenamento e dados corporativos em grande escala que o convenceu de que havia uma empresa a ser criada, e como essa visão original evoluiu à medida que os dados não estruturados se tornaram cada vez mais importantes para a IA?

Na EMC, passei anos observando empresas investindo fortemente em infraestrutura de armazenamento enquanto quase não tinham visibilidade sobre o que realmente estava lá. Éramos excelentes em ajudar clientes a armazenar e proteger dados, mas ninguém fazia a pergunta mais difícil: que dados são esses, quem os possui, alguém ainda precisa deles e qual o seu valor? Essa lacuna entre a capacidade da infraestrutura e a compreensão dos dados era a oportunidade. Criamos a Datadobi para ajudar organizações a mover e gerenciar dados não estruturados de forma inteligente, não apenas transferi‑los de um array para outro.

O que mudou foram as apostas. Quinze anos atrás, um compartilhamento de arquivos não gerenciado era um problema de custo e conformidade. Hoje, esse mesmo compartilhamento não gerenciado é uma responsabilidade no momento em que alguém aponta um modelo ou agente de IA para ele. Dados não estruturados deixaram de ser apenas o que as organizações armazenam para se tornar o que determina se suas iniciativas de IA terão sucesso ou falharão. Nossa ideia original, de que a infraestrutura de armazenamento por si só não pode dizer o que seus dados significam para o negócio, não mudou. Apenas se tornou urgente como nunca antes.

Você argumenta que a IA generativa não criou o problema de dados corporativos, mas expôs e acelerou problemas que existem há décadas. Quais são as maiores fraquezas que a IA está revelando na forma como as organizações historicamente gerenciam seus dados?

As organizações têm dificuldade em entender seus dados corporativos há décadas. A IA não criou essa dificuldade, apenas removeu os esconderijos onde ela se ocultava. Quando os dados permaneciam silenciosos em um compartilhamento de arquivos ou em um arquivo, ninguém precisava responder pelo que continham. No momento em que você aponta um grande modelo de linguagem ou um pipeline RAG para eles, cada fraqueza se torna visível e consequential.

O maior desafio é que a maioria das organizações tem gerenciado armazenamento, não dados. Elas sabem onde estão seus volumes e buckets, mas não o que há dentro deles: quais arquivos estão obsoletos, quais contêm informações sensíveis ou regulamentadas, quais são duplicados dezenas de vezes no ambiente, e quem realmente tem acesso. A IA também está expondo o quão fragmentada a propriedade dos dados se tornou. Dados se acumulam em sistemas on‑premises, múltiplas nuvens e repositórios SaaS, e ninguém possui a visão completa. Esses não são problemas novos. A IA simplesmente tornou o custo de ignorá‑los imediato e visível.

As organizações costumam focar seus investimentos em IA em modelos mais poderosos, GPUs e infraestrutura. Por que mais computação ou armazenamento não resolve o problema subjacente de prontidão dos dados, e onde as empresas deveriam investir em vez disso?

Mais computação faz uma resposta ruim chegar mais rápido. Não a torna precisa, segura ou em conformidade. GPUs e infraestrutura de armazenamento executam decisões; elas não as tomam. Se você alimenta um modelo poderoso com dados obsoletos, duplicados, com permissões erradas ou sensíveis, obtém um modelo poderoso produzindo resultados não confiáveis ou arriscados em escala, e rapidamente.

Acreditamos que o mercado atingiu um ponto de inflexão importante: historicamente, as organizações otimizavam armazenamento; cada vez mais, precisam otimizar dados. Isso significa investir na disciplina que está acima da camada de infraestrutura, a capacidade de enxergar todo o seu estate de dados, entender o que cada peça realmente é e quem é responsável por ela, decidir o que deve ser retido, movido, arquivado ou excluído e, então, executar essa decisão de forma consistente. Gastar com infraestrutura sem essa disciplina significa apenas que as organizações conseguem fazer a coisa errada mais rápido.

É exatamente esse o problema que nossa plataforma de gerenciamento de dados não estruturados foi criada para resolver. Ela oferece às organizações uma visão única em ambientes on‑premises, nuvem e SaaS, classifica dados com tags e análises de metadados para que as equipes vejam o que é redundante, obsoleto ou realmente valioso, e então executa decisões – migrando, arquivando ou excluindo dados – por meio de fluxos de trabalho orientados por políticas que operam continuamente, em vez de um projeto pontual. Essa combinação de visibilidade, classificação e execução consistente transforma “temos muitos dados” em “sabemos exatamente o que temos e o que fazer com isso”.

“Dados prontos para IA” se tornou uma frase comum na indústria. Na sua perspectiva, o que realmente torna os dados não estruturados prontos para IA, e quais critérios as organizações devem usar antes de permitir que dados entrem em um modelo generativo, em geração aumentada por recuperação (RAG) ou em um pipeline de treinamento?

Dados prontos para IA são aqueles que a organização já validou, não apenas os que possui. Na prática, isso significa que a organização pode responder com confiança a um conjunto de perguntas antes que esses dados cheguem a um modelo ou pipeline: esses dados são precisos e atuais, ou estão parados há anos? Eles estão duplicados de forma que possam distorcer ou contradizer resultados? Contêm informações sensíveis, regulamentadas ou pessoais que não deveriam ser expostas? Quem tem permissão para acessá‑los, e isso ainda reflete quem deveria poder? Eles realmente agregam valor ao caso de uso ou são apenas ruído?

Sem respostas a essas perguntas, alimentar dados em uma IA generativa ou pipeline RAG significa apenas transferir seu problema de governança para baixo, para um sistema que é muito melhor em expor o que encontra do que seus compartilhamentos de arquivos jamais foram. Prontidão para IA é uma disciplina de inteligência de dados, não uma caixa de seleção que se preenche uma única vez antes do início de um projeto.

Empresas podem ter bilhões de arquivos espalhados por infraestrutura on‑premises, múltiplas nuvens, arquivos e unidades de negócio. Como elas podem determinar quais dados contêm valor de negócio significativo e quais são redundantes, obsoletos, triviais ou simplesmente ruído que pode degradar o desempenho da IA?

Em escala tão grande, ninguém vai responder a essa pergunta arquivo por arquivo, e a revisão manual não é uma estratégia viável. As organizações precisam primeiro de visibilidade em toda a empresa: uma visão única e precisa em repositórios on‑premises, nuvem e SaaS, porque não se pode decidir sobre dados que não se vê. A partir daí, trata‑se de aplicar inteligência de dados para classificar o que realmente está no ambiente, de modo que dados ROT (redundantes, obsoletos e triviais) sejam identificados e separados dos dados que realmente trazem valor ao negócio.

É aqui que a disciplina precisa ir além da mera visibilidade. Ver seus dados é necessário, mas não suficiente. As organizações precisam evoluir para entender o que esses dados são e significam, decidir o que deve acontecer com eles – reter, mover, arquivar, excluir ou usar para alimentar IA – e então executar essa decisão de forma consistente em bilhões de objetos. Pular diretamente da visibilidade para a ingestão por IA é exatamente como o ruído acaba degradando o desempenho do modelo e como dados realmente valiosos ficam enterrados nele.

Segurança e governança tornam‑se especialmente importantes quando sistemas de IA podem expor informações que antes eram difíceis de descobrir pelos funcionários. Como as organizações devem avaliar permissões, informações sensíveis, propriedade e risco regulatório antes de expor dados corporativos a sistemas de IA?

Esta é uma das áreas onde a IA mudou mais o cálculo de risco. Um arquivo com permissões excessivas ou obsoletas antes era uma exposição teórica, porque, realisticamente, alguém teria que saber que ele existia e procurá‑lo. Um sistema de IA com amplo acesso pode expor esse mesmo arquivo a qualquer pessoa que faça a pergunta certa, instantaneamente. A obscuridade nunca foi um controle real, mas a IA removeu o último vestígio de proteção que ela inadvertidamente fornecia.

Antes que qualquer dado seja exposto a um sistema de IA, as organizações precisam ter uma visão clara de quem tem acesso a ele e se esse acesso ainda faz sentido, quais informações sensíveis ou regulamentadas ele contém, quem o possui e é responsável por ele, e quais obrigações regulatórias se aplicam – residência de dados, retenção e requisitos de privacidade, entre outros. Essa avaliação não pode ser uma auditoria única antes do lançamento. Dados corporativos mudam continuamente, portanto permissões, propriedade e risco precisam ser revisados de forma contínua, não apenas no momento em que um projeto de IA entra em produção.

A Datadobi defende mudar a conversa de gerenciamento de infraestrutura de armazenamento para gerenciamento de dados como ativo de negócio. Como essa transição se parece na prática, e como isso altera a relação entre equipes de TI, equipes de dados, líderes de segurança e unidades de negócio?

Na prática, isso significa que a conversa deixa de girar em torno de capacidade, tiering e uptime, e passa a focar em resultados: redução de custos, redução de risco, conformidade regulatória e habilitação de IA. Antes, esses eram tratados como iniciativas separadas, cada uma com suas próprias ferramentas e responsáveis. Acreditamos que essa visão está cada vez mais desatualizada. Todos dependem da compreensão dos mesmos dados corporativos subjacentes, e o que é necessário é um novo modelo operacional focado em dados que os conecte, em vez de tratar cada iniciativa como se dependesse de um sistema isolado. Nossa plataforma é a forma como colocamos esse modelo operacional em prática.

Isso naturalmente muda quem está na sala. A TI deixa de ser a única responsável pela conversa, porque decisões sobre quais dados manter, mover ou expor à IA são decisões de negócio, informadas por inteligência de dados, não por decisões de infraestrutura. Líderes de segurança e conformidade precisam de visibilidade no mesmo panorama de dados que a TI gerencia. As unidades de negócio precisam ter voz sobre quais dados realmente importam para seus resultados. O gerenciamento de dados deixa de ser uma função de back‑office de TI e torna‑se uma disciplina operacional compartilhada, com TI, segurança e negócio tomando decisões a partir das mesmas informações.

Um desafio da IA corporativa é que os dados mudam constantemente. A prontidão para IA é algo que as organizações podem alcançar uma única vez, ou requer um processo contínuo de descoberta, classificação, governança, arquivamento e movimentação de dados à medida que evoluem?

É um processo contínuo, ponto final. Dados corporativos mudam continuamente, novos arquivos são criados, permissões mudam, funcionários entram e saem, regulamentações evoluem, portanto o gerenciamento de dados precisa se tornar uma capacidade operacional contínua, e não uma sequência de projetos independentes. Tratar a prontidão para IA como uma limpeza pontual antes de um lançamento de projeto é como declarar um edifício seguro após uma única visita de um chaveiro e nunca mais verificar as portas.

O que as organizações precisam é de uma disciplina operacional que percorra continuamente visibilidade, compreensão, decisão e execução, descobrindo quais dados existem, classificando‑os e entendendo‑os, decidindo o que deve acontecer com eles e, então, agindo sobre essa decisão de forma recorrente. As organizações que superam suas concorrentes serão aquelas que conseguem percorrer esse ciclo continuamente e em escala corporativa, não as que tratam a prontidão para IA como um projeto com data de término.

À medida que as empresas implantam cada vez mais agentes de IA que podem buscar em sistemas e tomar ações autônomas, o gerenciamento de dados não estruturados se torna ainda mais importante? Quais novos riscos surgem quando um agente de IA pode acessar informações espalhadas por toda a organização, em vez de simplesmente responder a um prompt de usuário?

Ele se torna significativamente mais importante, porque um agente muda a natureza da exposição. Um chatbot que responde a um único prompt está limitado ao que uma pessoa pergunta e vê. Um agente que pode buscar em sistemas e agir autonomamente pode percorrer muito mais do ambiente do que um funcionário típico, e pode agir sobre o que encontra – movendo, compartilhando ou usando dados – sem que um humano revise cada passo.

Isso introduz riscos que vão além da simples descoberta. Se um agente tem acesso a dados que não deveria (arquivos com permissões erradas, registros sensíveis obsoletos, informações que deveriam ter sido arquivadas ou excluídas há anos), ele pode agir sobre esses dados em velocidade e escala de máquina, não apenas expondo‑os a um usuário curioso. As organizações que implantam agentes com maior sucesso são as que trataram a governança de dados como pré‑requisito, não como algo secundário, porque um agente explorará fielmente quaisquer lacunas que existam em sua inteligência de dados.

Para uma empresa que acumulou décadas de dados não estruturados e deseja escalar suas iniciativas de IA, quais passos práticos você recomendaria tomar primeiro, e quais erros os líderes devem evitar ao começar a colocar seu estate de dados sob controle?

Comece pela visibilidade. Você não pode tomar boas decisões sobre dados que não vê, portanto o primeiro passo prático é obter uma visão precisa e corporativa de quais dados existem em ambientes on‑premises, nuvem e SaaS. A partir daí, passe para a compreensão, classificando esses dados para saber o que é valioso, o que é sensível e o que é apenas ruído, antes de avançar para decisões sobre retenção, migração, arquivamento ou exclusão.

Há também uma realidade orçamentária que os líderes não podem ignorar. A maioria dos CIOs não dispõe de um orçamento de IA separado e ilimitado; eles trabalham com um fundo fixo que agora tem a IA competindo com tudo o que mantém o negócio em funcionamento. O impulso de financiar IA reduzindo investimentos em infraestrutura existente é o caminho errado, porque essa mesma infraestrutura – armazenamento, pipelines de dados, governança – é exatamente o que a IA precisa para ter sucesso. O caminho mais sustentável é criar margem dentro do estate existente: melhorar a visibilidade e reduzir o desperdício de armazenamento por meio da otimização de dados que o StorageMAP oferece libera orçamento real, sem tocar a capacidade que as iniciativas de IA realmente precisarão.

O maior erro que vejo é organizações que pulam direto para a execução, apontando IA para seu estate de dados ou lançando um projeto de limpeza sem antes construir a base de visibilidade e compreensão. O segundo erro é tratar isso como uma iniciativa pontual em vez de uma capacidade operacional; os dados continuam mudando, portanto a disciplina precisa ser contínua. E o terceiro é deixá‑lo como um exercício puramente técnico. As organizações que têm sucesso tratam isso como uma decisão de negócio, com TI, segurança e partes interessadas alinhadas sobre o valor dos dados e o que deve ser feito com eles, não apenas como um projeto de migração ou armazenamento entregue exclusivamente à TI.

Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar Datadobi.