Até que os CIOs estejam preparados para lidar com dados isolados, redundantes ou que não podem ser rastreados ao longo do processo de negócios, a inteligência artificial generativa não trará benefícios.
Em março de 2024, mencionei que, sem dados de qualidade, a eficácia de um sistema de AI generativa será equivalente a um incêndio em um depósito. Ao instruir meus alunos sobre a arquitetura de AI generativa, destaco que a AI, especialmente a AI generativa, é essencialmente um desafio centrado nos dados. Se a qualidade dos seus dados for baixa, a solução de IA resultante também será prejudicada.
Os sistemas de inteligência artificial necessitam de uma grande quantidade de dados claros e precisos para funcionar de forma eficaz. Eles identificam padrões nos dados e respondem às solicitações sobre o que esses padrões possivelmente significam e como utilizar essas informações estrategicamente nos negócios. Se os dados não forem precisos, consistentes ou confiáveis, é possível que o sistema de inteligência artificial produza inferências incorretas ou respostas equivocadas que só serão percebidas como erradas mais tarde.
Ei, pelo menos a inteligência artificial é econômica para desenvolver e operar… Aguarde.
Não está preparado para a IA em nenhum lugar próximo.
Segundo um novo relatório do Grupo de Estratégia Empresarial, uma pesquisa realizada com 800 líderes de TI mostrou que mais de 60% das organizações apresentam deficiências significativas em sua preparação para a inteligência artificial, principalmente em termos de infraestrutura e sistemas de dados.
As empresas mantêm uma visão positiva em relação ao futuro da inteligência artificial, porém muitas ainda não estão prontas para implementações em grande escala. Um grande número de líderes na área de inteligência artificial expressam preocupação com a capacidade das equipes de tecnologia da informação de acompanharem o ritmo acelerado das inovações impulsionadas pela IA generativa. É necessário que as empresas aprimorem seus processos de dados, fortaleçam sua infraestrutura, e realizem diversas outras atividades para se prepararem adequadamente.
A avaliação do êxito de projetos de IA gerativa difere consideravelmente entre as empresas. Cerca de 40% das organizações acompanham o progresso através da análise qualitativa do impacto, da precisão das respostas de IA ou dos benefícios quantitativos para os usuários e processos. Aproximadamente 38% das empresas utilizam a economia de custos como principal indicador de sucesso. Conforme as iniciativas de IA consomem uma parcela maior dos orçamentos corporativos, espera-se que a pressão por retorno sobre o investimento se intensifique.
Geralmente, o relatório destaca que as empresas estão interessadas em explorar as oportunidades da inteligência artificial generativa, mas é preciso investir em uma infraestrutura robusta e na gestão de dados para colher seus benefícios e alcançar o sucesso de forma duradoura.
Uma relação de responsabilidades do executivo-chefe de informação do submundo.
A maioria das empresas estava ciente de problemas com seus dados muito antes de a inteligência artificial começar a ter um impacto significativo no mercado. Na verdade, muitas evitaram investimentos em inteligência de negócios e AI devido à falta de confiança em seus dados. A falta de compreensão sobre a localização e o significado dos dados era um problema, uma vez que diferentes departamentos gerenciavam os dados, resultando em falta de uma fonte única de verdade. Isso levava à redundância em áreas como vendas e rastreamento de produção, onde os dados eram mal administrados.
Como as circunstâncias se tornaram tão difíceis? A maioria das empresas dedicou anos a novas tecnologias, como sistemas ERP e CRM, que armazenam informações cruciais, porém estão presas em plataformas de dados exclusivas. Após a implementação de ERP e CRM, surgiram tecnologias de armazenamento de dados, sistemas distribuídos, integração de dados e atualmente a computação em nuvem. Com todas essas mudanças, os dados se tornaram mais complexos, dispersos e diversos, sem um controle centralizado. Muitas empresas não compreendem os metadados e têm dificuldade em rastrear dados de forma eficiente ao longo dos processos de negócios. Além disso, as fusões e aquisições resultaram em redundância de dados; várias empresas ainda operam com sistemas mais antigos provenientes de negócios adquiridos. Agora, estamos diante da inteligência artificial, onde a precisão, estrutura e autenticidade dos dados não são flexíveis.
Os líderes de TI precisam resolver questões relacionadas aos dados antes que a inteligência artificial possa ser efetivamente utilizada. Para muitos, isso pode ser um processo dispendioso ou arriscado. A impossibilidade de adotar a IA devido a problemas de dados pode levar à extinção de certas empresas, enquanto seus concorrentes aproveitam a IA como um fator crucial para impulsionar a inovação. A distinção entre aqueles que têm e os que não têm será eliminada.
Encerrando as brechas.
Empresas de prestação de serviços devem evitar utilizar inteligência artificial se seus dados não estiverem devidamente preparados. Muitos dos projetos de IA que eu analiso e que não tiveram sucesso podem ser atribuídos à má qualidade dos dados e à falta de disposição para corrigi-los. Algumas empresas acreditam que a IA poderá corrigir os dados por elas, no entanto, isso nunca acontece.
Recomendo que obter dados de melhor qualidade oferece mais vantagens do que simplesmente ter tecnologia de inteligência artificial pronta para uso. Vale a pena investir tempo e dinheiro nisso. Muitos executivos de tecnologia da informação estão focando em resolver problemas do passado e transferindo essa responsabilidade para os próximos líderes. Será necessário solicitar recursos financeiros da liderança e do conselho para corrigir a negligência e falta de estratégia de dados ao longo dos anos, mesmo sem benefícios comerciais diretos imediatos. A maioria dos executivos de tecnologia da informação evitará essa discussão.
Sugiro que atualize suas informações, independentemente de ter interesse em aproveitar a inteligência artificial. A implementação da IA pode ser o estímulo para melhorar significativamente a qualidade dos dados da sua empresa, o que eu vejo com bons olhos.