A qualidade dos dados em ITSM deixou há muito de ser uma simples questão de “higiene” operacional. Hoje, é uma escolha estratégica. Entre as condições que tornam possível integrar a IA nos processos de IT, a qualidade dos dados é uma das mais subestimadas e, ao mesmo tempo, uma das mais decisivas.
Para que qualquer automação baseada em IA produza resultados estáveis, há três elementos indispensáveis: uma Configuration Management Database, ou CMDB, precisa; um histórico estruturado de workflows; e registos operacionais coerentes — os rastos digitais das atividades diárias de IT, desde a comunicação de falhas às alterações em diferentes sistemas, passando pelos pedidos de serviço dos utilizadores.
A qualidade dos dados como fator de sucesso (ou de fracasso) da IA
Os dados da investigação internacional apontam todos na mesma direção: a qualidade dos dados é hoje uma das principais variáveis que separa os projetos de IA bem-sucedidos daqueles que acabam por falhar.
Segundo um inquérito da Gartner, realizado em fevereiro de 2025 a 1.203 responsáveis de gestão de dados, 63% das organizações não tinham — ou não sabiam se tinham — práticas de gestão de dados adequadas à IA. A Gartner previu ainda que, até 2026, 60% dos projetos de IA sem dados preparados para IA seriam abandonados.
Este dado não está isolado. Entre os 782 responsáveis de Infrastructure & Operations também inquiridos pela Gartner, 38% afirmou que os projetos de IA implementados tinham falhado, e outros 38% apontaram explicitamente a fraca qualidade ou disponibilidade dos dados como causa direta do problema. Apenas 28% dos projetos de IA na área de IT geraram um ROI alinhado com as expectativas.
Num plano ainda mais específico, mais de metade dos profissionais de IT não confia nos dados da sua própria CMDB, apesar de os utilizar como fonte para workflows de ITSM e automações que deveriam ser alimentadas por IA.
O que significa, na prática, qualidade dos dados em ITSM?
Quando falamos de qualidade dos dados em ITSM, não estamos a falar de “dados limpos” em sentido genérico. Estamos a falar de garantir que a informação gerida na plataforma de ITSM. Ou seja, tudo o que é registado durante as atividades diárias de IT cumpre quatro requisitos claros e verificáveis.
1. Integridade
Cada registo deve conter todos os campos necessários para poder ser processado de forma fiável, seja por um operador humano, seja por um agente de IA. Um incidente sem categoria atribuída, um ativo sem referência ao seu responsável ou um pedido sem prazo definido são exemplos de dados incompletos que bloqueiam a automação.
2. Exatidão
A informação registada deve corresponder ao que está realmente em produção: o estado real de um ativo, as relações técnicas e funcionais entre os diferentes componentes da infraestrutura de IT — os Configuration Items, ou CI — e o efeito de uma intervenção de change management depois de implementada.
3. Atualidade
Os dados devem refletir a realidade do momento, não uma fotografia do passado. Informação desatualizada no system of record — a plataforma reconhecida como fonte oficial de dados para toda a organização — torna-se, na prática, uma fonte de desinformação.
4. Integridade relacional
As relações entre os diferentes elementos devem estar registadas, explícitas e verificáveis. Por exemplo: a ligação entre um serviço de negócio e os seus componentes técnicos, entre um incidente e o ativo envolvido, ou entre uma alteração e as áreas afetadas.
Sem estas quatro condições, até o modelo de IA mais sofisticado acaba por trabalhar com informação que não descreve a realidade operacional de forma fiável. O resultado? Decisões baseadas numa visão distorcida e sugestões que, mesmo parecendo coerentes, acabam por não corresponder ao que está realmente a acontecer nos sistemas da organização.
Porque a IA não escala sem boa qualidade dos dados em ITSM
Keith Andes, Product Marketing na EasyVista, observa que há duas frases que as organizações de IT repetem com frequência internamente: “Os nossos processos não estão totalmente implementados” e, sobretudo, “Os nossos dados não são fiáveis”.
É uma observação importante, porque define bem o ponto de rutura: se o system of record da organização está incompleto ou desorganizado, a IA só consegue amplificar essa desordem. Não a corrige.
Três exemplos concretos ajudam a clarificar o problema.
CMDB desorganizada e encaminhamento automático de incidentes
Se os CI estão duplicados, mal categorizados ou sem relação clara com outros elementos, um agente de IA que atribui tickets com base nas dependências das aplicações vai produzir encaminhamentos errados com a mesma rapidez com que produziria os corretos. A velocidade não compensa a falta de precisão.
Base de conhecimento desalinhada
Um sistema de síntese de conhecimento baseado em LLM que recorre a artigos desatualizados vai sugerir soluções que já não se aplicam ou procedimentos que não foram aprovados para o ambiente específico da organização. A aparente autoridade de uma resposta gerada por IA torna o erro mais difícil de detetar em tempo real.
Histórico operacional incompleto
Se os tickets são fechados sem uma classificação adequada da causa raiz do problema — ou seja, aquilo que gerou a falha, e não apenas os sintomas visíveis —, a IA não tem matéria-prima suficiente para identificar padrões recorrentes ou melhorar as sugestões dadas aos operadores ao longo do tempo.
Nos três casos, o modelo de IA pode funcionar perfeitamente em laboratório. O problema surge quando encontra dados reais: desorganizados, incoerentes ou incompletos. É aí que o valor prometido começa a perder força.
A qualidade dos dados em ITSM é, por isso, a variável que separa uma demonstração bem-sucedida, feita pelo fornecedor num ambiente controlado, de um sistema em produção realmente fiável.
Quatro prioridades para construir uma base sólida de dados em ITSM
Depois de perceber o impacto da qualidade dos dados no sucesso da IA, a questão passa a ser: por onde começar? Reconhecer o problema é o primeiro passo. Resolvê-lo exige atuar em quatro frentes específicas, de forma sequencial e com resultados mensuráveis.
1. Medir antes de intervir
Não se melhora aquilo que não se mede. Definir KPI explícitos sobre a qualidade dos dados permite transformar um problema percebido num problema gerível.
Os dashboards de qualidade dos dados devem ser ferramentas de trabalho diário para as equipas operacionais. Devem acompanhar parâmetros fundamentais, como o número de registos da CMDB completos em todos os campos obrigatórios, o tempo médio desde a última atualização, o número de registos duplicados e a percentagem de tickets categorizados corretamente.
2. Automatizar a deteção e o alinhamento dos dados
Os dados inseridos manualmente envelhecem depressa. Para manter uma CMDB fiável, são necessárias duas coisas: ferramentas automáticas de discovery, que analisam continuamente a infraestrutura — redes, dispositivos dos utilizadores finais, como portáteis, desktops, smartphones e servidores, bem como ambientes cloud — e registam os elementos existentes; e processos de reconciliação, que comparam periodicamente o que consta na CMDB com o que está realmente em produção, assinalando diferenças, ativos em falta ou configurações que já não são válidas.
As plataformas modernas de ITSM, incluindo soluções como o EV Discovery da EasyVista, foram concebidas para realizar esta atividade de forma contínua e automatizada, em vez de a deixar dependente de verificações manuais periódicas que ficam desatualizadas entre uma revisão e a seguinte.
3. Definir responsabilidades claras sobre os dados
Por trás de cada ativo, serviço e área da base de conhecimento deve existir um responsável identificado, encarregado de garantir a sua qualidade ao longo do tempo.
Sem responsabilidades claras, a qualidade dos dados em ITSM degrada-se por inércia. Com ownership bem definida, cada anomalia tem um destinatário específico, e a correção dos dados passa a ser uma prática estrutural, não uma exceção tratada caso a caso.
4. Integrar a qualidade dos dados no workflow, não depois
O momento mais eficaz para garantir a qualidade de um dado é o momento em que ele é criado.
Formulários de abertura de tickets com validação, campos obrigatórios inteligentes, sugestões automáticas de categorização e controlos de coerência no momento do fecho são boas práticas que previnem o problema na origem, em vez de obrigarem a correções mais tarde.
É a este nível que a IA já pode começar a trazer valor concreto, apoiando e não substituindo a disciplina operacional das equipas de IT.
Os dados como investimento, não como custo
Melhorar a qualidade dos dados em ITSM é hoje um dos investimentos mais estratégicos que uma organização pode fazer.
A mensagem de Keith Andes é direta: “Deixem de alocar 100% do vosso orçamento de IA a funcionalidades de IA. A IA precisa de uma base sólida sobre a qual possa operar.”
Essa base sólida é composta por workflows documentados e dados fiáveis. As organizações que decidirem investir no seu system of record antes de investirem nas funcionalidades mais visíveis vão conseguir um duplo resultado: um ITSM mais robusto no curto prazo e uma base credível para qualquer evolução agêntica nos próximos anos.
É assim que a qualidade dos dados deixa de ser um tema operacional e passa a ser uma escolha estratégica, com impacto direto na competitividade.
FAQs
- O que é a qualidade dos dados em ITSM?
É a condição de completude, exatidão, atualidade e integridade relacional dos dados operacionais geridos dentro da plataforma de ITSM: registos de incidentes, alterações, ativos, configuration items e base de conhecimento. É a matéria-prima sobre a qual assentam automações, decisões operacionais e iniciativas de IA. - Porque é que a qualidade dos dados é crítica para a IA em ITSM?
Porque a IA não corrige os dados sobre os quais opera: amplifica-os. Se a CMDB está desorganizada ou o histórico operacional está incompleto, a IA vai reproduzir — e acelerar — esses erros. A Gartner estima que, até 2026, 60% dos projetos de IA sem dados preparados para IA serão abandonados. - Por onde convém começar para melhorar a qualidade dos dados em ITSM?
Pela medição do estado atual. Antes de intervir, é necessário saber onde estamos: quantos registos da CMDB estão completos em todos os campos obrigatórios, qual é a antiguidade média dos dados de configuração, quantos registos duplicados existem e que percentagem de tickets é categorizada corretamente. Sem estes indicadores de partida, qualquer ação seguinte avança às cegas. - Qual é o papel da CMDB na qualidade dos dados em ITSM?
A CMDB é a fonte de verdade sobre as configurações e dependências de IT. Quando está correta, todas as automações e decisões operacionais beneficiam dela.