Rodar a varredura de dados sensíveis no Data 360, revisar os achados e só então conectar o agente de IA ao Data Lake Object (DLO) é o portão que separa descoberta de promessa de segurança. A Salesforce anuncia o Shield: Data Detect para Data 360 como disponível em geral e o descreve como etapa crítica antes de agentes, para identificar registros sensíveis antes que cheguem a modelos generativos. O ponto de gestão não é comprar “segurança de IA”: é decidir, para um DLO específico, se há cobertura, dono e registro suficientes para liberar o agente. Sem isso, a conexão vira confiança sem evidência.
O mecanismo: um DLO, categorias e instantâneo
O recurso foi desenhado para dar visibilidade unificada ao dado sensível no Data 360. A Salesforce afirma que a detecção vai além de varredura básica de PII, com 21 categorias predefinidas e possibilidade de acrescentar até 10 padrões personalizados. A Salesforce descreve a varredura como capaz de cobrir até 100 DLOs por execução, em campos de texto padrão, com instantâneos pontuais dos dados. O painel mostra status dos DLOs escaneados e permite consultar achados; a execução é assíncrona e o consumo de créditos aparece no Digital Wallet.
Para o gate pré-agente, o mecanismo prático é escolher um DLO, rodar a varredura, ler os achados e transformar cada achado em decisão: classificar, mascarar, restringir ou manter o agente bloqueado. A varredura não é um selo de segurança do agente; é um retrato do DLO naquele momento. Dados limpos e conectados são a base para o sucesso de qualquer implementação de IA, segundo a Salesforce, mas essa orientação não prova que um DLO específico está pronto.
Do achado ao dono explícito
O critério de liberação deve ser verificável. Para cada exposição encontrada, o gestor nomeia um dono — não um time genérico — e registra a ação: classificação para orientar mascaramento e monitoramento, mascaramento efetivo ou restrição de acesso. A Salesforce associa os resultados a controles granulares e a um registro auditável, obtido com varreduras regulares, para comprovar onde o dado sensível reside. O registro precisa guardar data do instantâneo, DLO, categorias encontradas, dono e ação aplicada.
Exemplo hipotético: uma indústria B2B tem um DLO de pedidos com e-mail do comprador e um campo de observações do atendimento. A varredura encontra e-mail em uma categoria e um dado de saúde em observações. Alternativas: mascarar o e-mail para o agente, bloquear o campo de observações ou manter o DLO fora do agente. Critério reproduzível: só liberar se o DLO estiver coberto pela varredura, todos os achados tiverem dono nomeado e a ação estiver registrada; se qualquer exposição ficar sem dono, o agente não é liberado.
O limite do portão e quando ele não vale
O portão tem escopo estreito. A varredura cobre até 100 DLOs por execução e campos de texto padrão; não é garantia para campos fora desse escopo, DLOs não incluídos ou dados que mudam depois do instantâneo. O consumo de créditos também é limite operacional: cada execução precisa ser planejada dentro do orçamento visível no Digital Wallet. A conclusão não vale quando o agente acessa outro DLO, quando o campo sensível não é texto padrão ou quando o DLO está fora do Data 360; nesses casos, o portão não prova cobertura.
Também não vale tratar a varredura como autorização permanente. Se o DLO muda de esquema ou recebe nova fonte, o instantâneo anterior não cobre o novo dado. A alternativa é repetir a varredura por DLO e comparar achados antes de ampliar o agente. O ganho de gestão é separar descoberta de promessa: o agente só passa quando há cobertura declarada, dono explícito por exposição e registro auditável — não quando o fornecedor diz que a plataforma é segura.
Fontes
- How Sensitive Data Discovery on Data 360 Prepares You for AI
- What’s the Real Cost of Disconnected Data? Here Are the Numbers
Para aprofundar
- Data Lakes vs. CDPs: Arquiteturas Avançadas para Centralização de Dados do Cliente
- Agente pós-compra: três provas e um fluxo antes de ampliar o piloto
Sinal / Negócios & Indústria. Texto produzido com auxílio de IA e revisão editorial automatizada.