Empresas enfrentam obstáculos na implementação de IA em meio a restrições de dados

Há alguns anos, o cenário da tecnologia empresarial era dominado pela palavra de ordem "Big Data", que se referia ao acúmulo maciço de informações pelas organizações, que prometia revelar novas abordagens operacionais e sugerir direções estratégicas ideais.

O que está cada vez mais claro hoje é que os desafios que as empresas encontraram para aproveitar o Big Data de forma eficaz persistem, e é o surgimento de uma nova tecnologia, a IA, que está trazendo essas questões de volta ao foco. Sem abordar os problemas fundamentais que afetaram o Big Data, as implementações de IA estão fadadas ao fracasso.

Então, o que exatamente está impedindo a IA de atingir seu potencial?

A maioria dos obstáculos tem origem nos próprios recursos de dados. Para entender o problema, considere as diversas fontes de informação utilizadas em um dia de trabalho típico.

Em uma empresa de pequeno a médio porte (PME):

• Planilhas salvas nos laptops dos usuários, no Google Sheets ou no armazenamento em nuvem do Office 365.
• A plataforma de gerenciamento de relacionamento com o cliente (CRM).
• Correspondência por e-mail entre colegas, clientes e fornecedores.
• Documentos do Word, arquivos PDF e formulários on-line.
• Aplicativos de mensagens instantâneas.

Em uma grande empresa:

• Todas as fontes acima, além de,
• Sistemas de planejamento de recursos empresariais (ERP).
• Fluxos de dados em tempo real.
• Lagos de dados.
• Bancos de dados separados que suportam vários aplicativos autônomos.

É importante observar que essa breve lista não é exaustiva, nem tem a intenção de ser. Seu objetivo é mostrar que, mesmo em apenas cinco pontos, as informações podem ser usadas para fins de gerenciamento de dados. Seu objetivo é mostrar que, mesmo em apenas cinco pontos, as informações podem estar espalhadas por aproximadamente uma dúzia de locais. O que o Big Data exigia - e ainda exige com frequência - e do que as iniciativas de IA também dependem, é um método para unificar esses elementos díspares para que os algoritmos de computador possam interpretá-los de forma eficaz.

No Hype Cycle de 2024 da Gartner para Inteligência Artificial, os dados prontos para IA foram posicionados no declive ascendente, com uma estimativa de dois a cinco anos antes de atingir o "platô de produtividade". Como os sistemas de IA dependem da mineração e da extração de dados, a maioria das organizações - exceto as maiores - não tem a infraestrutura básica necessária. Como resultado, elas podem não se beneficiar do suporte orientado por IA por mais um a quatro anos.

O principal desafio para a implantação da IA é semelhante ao que prejudicou as iniciativas de Big Data à medida que elas avançavam pelo ciclo da moda - desde o gatilho da inovação, o pico das expectativas infladas, o vale da desilusão, o declive do esclarecimento e o platô da produtividade. Os dados existem em vários formatos; podem ser inconsistentes; podem seguir padrões diferentes; podem ser imprecisos ou tendenciosos; podem conter informações altamente confidenciais ou estar desatualizados e irrelevantes.

O processo de transformação de dados para torná-los prontos para IA continua sendo tão crítico hoje - se não mais - do que nunca. As empresas que pretendem obter uma vantagem inicial podem experimentar as diversas plataformas de tratamento de dados disponíveis. Seguindo recomendações comuns, elas podem começar com projetos limitados e discretos como bancos de teste para avaliar a eficácia das tecnologias emergentes.

Um dos principais benefícios dos sistemas modernos de preparação e montagem de dados é que eles são projetados especificamente para organizar os recursos de informação de uma organização para uso por plataformas de criação de valor de IA. Por exemplo, eles podem incorporar grades de proteção cuidadosamente codificadas para ajudar a garantir a conformidade dos dados e evitar que os usuários acessem informações tendenciosas ou comercialmente confidenciais.

No entanto, a criação de recursos de dados coerentes, seguros e bem estruturados continua sendo um desafio constante. À medida que as organizações acumulam mais dados por meio de operações diárias, manter recursos de dados atualizados e acessíveis é um esforço contínuo. Embora o Big Data muitas vezes possa ser tratado como um ativo estático, os dados destinados ao consumo de IA devem ser preparados e processados o mais próximo possível do tempo real.

Consequentemente, as organizações precisam encontrar um delicado equilíbrio triplo entre oportunidade, risco e custo. A seleção do fornecedor ou da plataforma certa nunca foi tão importante para a empresa moderna.

(Fonte: "Inside the business school", de Darien e Neil, está licenciado sob CC BY-NC 2.0).

Interessado em saber mais sobre IA e Big Data com os principais especialistas do setor? Participe da AI & Big Data Expo em Amsterdã, Califórnia e Londres. Esse evento abrangente faz parte da TechEx e está localizado junto a outros encontros de tecnologia de primeira linha. Clique aqui para obter mais detalhes.

O AI News é apresentado a você pela TechForge Media. Descubra mais eventos de tecnologia empresarial e webinars futuros aqui.