Excelente matéria da Gartner sobre o que priorizar dentre as iniciativas de TI:

https://www.gartner.com/en/articles/you-re-investing-more-in-technology-but-is-it-making-any-difference-to-growth

Não por acaso o primeiro item da lista é priorizar o que realmente move o ponteiro. Acho nesse tema essencial em qualquer empresa hoje em dia!

Apesar de o famoso John Nash (aquele de "Uma mente brilhante") já ter formulado há décadas que:

"O melhor para o grupo acontece quando todos no grupo fazem o que é melhor para si e para o grupo".

A verdade é que decidir o que é mais importante para o grupo fica cada vez mais difícil em um mundo em que:

1. Há a cada dia mais coisas para fazer, afinal, a competição é cada vez maior com cada qual inventando coisas novas.
2. O time-to-market é cada dia mais importante, pois trazer algo novo antes dos demais pode significar a diferença entre ser o primeiro ou o décimo colocado.
3. As iniciativas tendem a ser cada vez mais complexas, pois para se diferenciar e trazer valor final ao cliente tendem a ser necessárias ações orquestradas em sistemas diferentes, cada qual com seu próprio backlog evolutivo em voo.
4. Ações orquestradas em sistemas distintos geralmente demandam iniciativas multidisciplinares tanto em talentos para a execução quanto em áreas de negócio e demais stakeholders que necessitam negociar e acordar o que é melhor não só para si (enquanto áreas e pessoas) mas sim para o grupo (a empresa como um todo).

Interessante também ver aqui mais menções ao conceito de Fusion Teams.

Cada dia mais se vê esse tema abordado.

Dados, em conjunto com AI/ML, são essenciais para qualquer empresa com ambições de ser ou se manter relevante no futuro.

Isso eu acho que ninguém mais discute.

Nesse sentido, não fazer nada deixa de ser uma opção em um mundo em que os competidores tradicionais estão investindo em massa e os novos entrantes digitais já nascem utilizando data como a fundação dos seus negócios.

Uma boa matéria da CIO Online sobre o tema:

https://www.cio.com/article/412908/7-enterprise-data-strategy-trends.html

E assim como AI, apesar se por um lado ser bem diferente sob a ótica técnica, acredito que compartilha muitos desafios em comum até que possa entregar valor em ritmo constante:

1. Apesar de todos os avanços nos últimos anos, ainda está em amadurecimento constante, vide a quantidade de novos frameworks e tecnologias que surgem e desaparecem em questão de meses (algo típico de tecnologias em maturação).
2. Existe uma curva de aprendizado tanto para que o time de desenvolvimento domine as tecnologias, quanto para que a organização como um todo seja capaz de identificar as oportunidades de uso.
3. Essa curva é maior do que a vista em tecnologia já massificadas, com diversos perfis profissionais com skills muito distintos do que o usualmente existente no stack de desenvolvimento com tecnologias tradicionais.
4. Nesse sentido é essencial que se busque a estabilidade e manutenção do time com as pessoas alocadas trabalhando juntas por um bom tempo.
5. Resultados expressivos (com impacto financeiro) não são imediatos, sendo assim, "um bom tempo" deve ser medido em meses ou anos (daí a importância de se prever um budget de investimento de médio prazo a longo prazo).