A tecnologia de inteligência artificial gerativa está gerando entusiasmo, porém, a maioria das empresas ainda não está obtendo sucesso com ela. É necessário que haja uma mudança rápida nesse cenário, porém, isso exigirá esforço que as empresas talvez não estejam dispostas a realizar.
chsyys/Burst
O setor de serviços em nuvem público está experimentando um aumento significativo, e isso é compreensível. A busca por inteligência artificial generativa levou muitas empresas a recorrerem aos serviços de nuvem pública para obter mais recursos, como armazenamento de dados e poder de processamento, que geralmente são mais caros.
Você não precisa ir muito longe para encontrar estatísticas desanimadoras. De acordo com a Gartner, cerca de 85% das implementações de inteligência artificial não atingem as expectativas ou não são concluídas. Na minha experiência prática, observo o mesmo cenário: projetos que iniciam e logo são interrompidos, muitos dos quais nunca são retomados. É possível encontrar outros relatórios desfavoráveis sobre inteligência artificial na internet; a tendência geral é que as empresas são eficientes em gastar dinheiro, mas enfrentam dificuldades na construção e implementação de IA.
Você já assistiu a esse filme?
Os relatórios apontam uma mudança significativa na forma como as tecnologias de nuvem estão sendo utilizadas, impulsionada pela crescente demanda por IA generativa e seus altos requisitos computacionais. A confiança crescente nos serviços de nuvem para abrigar, treinar e implementar modelos de IA destaca a relação simbiótica entre inovações em IA e infraestrutura de nuvem. As empresas têm investido consideravelmente em soluções baseadas em nuvem para atender aos complexos requisitos dos modelos avançados de IA, expandindo os limites de capacidade e funcionalidades da nuvem.
Infelizmente, a inteligência artificial está enfrentando desafios em todos os setores. A taxa de projetos abandonados reflete uma tendência mais ampla de falta de alinhamento de recursos e supervisão estratégica. Os avanços rápidos na capacidade da inteligência artificial foram acompanhados por uma maior complexidade e especificidade dos requisitos de dados. Muitas organizações estão em necessidade de auxílio na obtenção e gestão de dados de alta qualidade para obter sucesso em suas implementações de inteligência artificial, o que se tornou um obstáculo que a maioria das empresas precisa superar.
Os dados representam a questão.
A baixa qualidade dos dados é um elemento essencial que leva a falhas nos projetos. Com o avanço das empresas em projetos de IA mais complexos, a necessidade de conjuntos de dados personalizados e de alta qualidade tem destacado deficiências nos dados corporativos existentes. Embora a maioria das empresas reconhecesse que seus dados poderiam ter sido melhores, não tinham consciência de quão ruins eles eram. Por anos, as empresas têm negligenciado a qualidade dos dados, adiando a resolução desse problema, o que fez com que a dívida técnica se acumulasse.
A inteligência artificial requer dados de alta qualidade e precisão, algo que muitas empresas não possuem sem realizar um grande esforço. Por esse motivo, muitas empresas estão desistindo de investir em inteligência artificial generativa. Corrigir problemas de dados é uma tarefa cara e muitos CIOs, cientes do impacto em suas carreiras, preferem evitar esse desafio. As dificuldades relacionadas à rotulagem, limpeza e atualização de dados para manter sua relevância nos modelos de treinamento estão se tornando cada vez mais complicadas, adicionando uma camada adicional de complexidade que as organizações precisam enfrentar.
Geralmente, as questões relacionadas a dados surgem de equívocos anteriores feitos por pessoas que ocupavam o cargo antes, como transferir muitos dos processos e componentes de dados essenciais para sistemas ERP ou seguir modismos populares, como os data warehouses. De acordo com um CIO conhecido, “Não vou arcar com as consequências de decisões erradas feitas por outra pessoa”.
A nuvem não será capaz de te resgatar.
Apesar dos obstáculos mencionados, a combinação da inteligência artificial com a computação em nuvem permanece como uma área essencial de interesse, provendo a infraestrutura necessária para expandir projetos de IA. As empresas seguem em busca de soluções em nuvem para sustentar seus objetivos com a inteligência artificial. Contudo, é evidente que o retorno sobre o investimento tem sido mais gradual do que inicialmente previsto.
A diferença entre o potencial e a viabilidade prática dos projetos de inteligência artificial generativa está levando a um otimismo cauteloso e a uma revisão das estratégias de IA. Isso leva as organizações a avaliar de forma minuciosa os elementos essenciais para o sucesso da IA, como uma governança de dados sólida e um planejamento estratégico, aspectos que as empresas consideram muito dispendiosos e arriscados para implementar simplesmente com o objetivo de tornar a IA operacional.
A ideia principal é que a nuvem não resolverá seus problemas. O problema não está na tecnologia em si, mas sim na falta de entendimento dos dados e recursos necessários para implementar a inteligência artificial generativa nas empresas.
Acredito que isso resultará em uma divisão entre ter e não ter sucesso no campo da Inteligência Artificial. Aqueles que conseguirem organizar bem seus dados e utilizar a IA de forma eficaz poderão utilizar a IA generativa como um fator diferenciador estratégico que impulsionará a empresa para um patamar superior. Enquanto isso, outros observarão e ficarão para trás.
Os provedores de serviços em nuvem estão previstos para expandir nos próximos anos, como já estamos observando. No entanto, a menos que consigam ajudar seus clientes a desenvolver uma estratégia de Inteligência Artificial capaz de superar os diversos obstáculos, o mercado desses provedores poderá diminuir novamente. Pelo menos teremos clareza sobre as razões desse possível cenário.
As razões pelas quais as empresas falham em inteligência artificial generativa e abandonam seus projetos são amplamente compreendidas. Este é um erro que os analistas e CTOs conseguem explicar. Sabemos por que os projetos de IA estão sendo abandonados e as empresas não parecem estar dispostas ou capazes de investir em uma solução. Acredito que eventualmente terão que fazê-lo e espero que alguns CIOs tenham a coragem de lidar com a situação de forma direta, independentemente da tecnologia utilizada. Essa parece ser a única maneira de fazer isso funcionar.