Na indústria farmacêutica, a utilização de Inteligência Artificial para a descoberta de novos medicamentos pode reduzir anos de pesquisa e bilhões em investimentos. No entanto, o sucesso preditivo de um algoritmo depende da qualidade da base histórica de ensaios clínicos. Frequentemente, empresas de saúde acumulam vastos volumes de informações em Data Lakes, mas sem a devida organização, esses ativos tornam-se "pântanos de dados" (Data Swamps), cuja inconsistência de nomenclaturas e falta de padronização impedem que a IA identifique correlações científicas válidas. A empresa "Saúde Já" planeja implementar IA para prever a eficácia de novas moléculas. Ao iniciar o projeto, o gestor identifica que os dados históricos estão incompletos, dispersos em múltiplos formatos e sem a padronização necessária. Com base nas boas práticas de gestão de dados e liderança, marque a alternativa em que consta a primeira e mais importante ação que o gestor deve exigir da equipe técnica antes de iniciar o treinamento do modelo de IA. A. Alterar o objetivo estratégico da organização, sob o argumento de que o projeto é inviável devido à impossibilidade técnica de garantir a Governança de Pessoas e Processos no curto prazo. B. Substituir o acervo de dados históricos desorganizados por um novo processo de coleta, visando garantir que as informações futuras sejam capturadas exclusivamente em formatos padronizados. C. Realizar um diagnóstico de Prontidão dos Dados (Data Readiness) e estabelecer um projeto de Governança de Dados para padronizar formatos, classificações e garantir a integridade das informações. D. Adquirir a tecnologia de Machine Learning mais avançada do mercado, operando sob a premissa de que sistemas de alto desempenho realizam a limpeza e a padronização automática de dados brutos. E. Readequar o escopo do projeto de IA para que ele passe a depender de uma amostragem reduzida de dados, focando apenas em tarefas de baixa complexidade técnica e alta repetitividade manual.