Com toda a “hipoglicemia”, a IA às vezes pode parecer uma notícia velha, com quase todas as organizações discutindo como isso afeta seus negócios. Mas neste momento, grande parte do debate não corresponde à realidade. A maioria das empresas não gostaria de admitir isto, mas permanecem presas no modo piloto.
Na verdade, a investigação da iniciativa NANDA do MIT descobriu que 95% dos programas-piloto de IA falham, com pouco ou nenhum impacto mensurável. Em vez de avançar, a maioria está a lutar para demonstrar valor, sem a confiança necessária para inovar verdadeiramente.
Vice-presidente de Estratégia de Produto da Veeam Software.
No centro deste desafio estão os dados. A escala, a complexidade e a sensibilidade do que é necessário para a IA podem ser assustadoras e até paralisantes. E é compreensível. O acesso, a gestão e a proteção de dados num mundo impulsionado pela IA são esmagadores e as medidas de resiliência existentes são muitas vezes inadequadas.
O artigo continua abaixo
No entanto, uma boa higiene dos dados continua a ser essencial e investir na visibilidade e na resiliência desde o início é a única forma de avançar com confiança. Caso contrário, você acabará falando o que fala em vez de seguir o mesmo caminho.
Fornecendo uma verificação da realidade da IA
Com tanta conversa sobre IA focada em seu potencial de transformação de negócios, é fácil esquecer do que se trata: dados. IA generativa (GenAI), modelos de linguagem grande (LLM), detecção de anomalias, modelos preditivos, todos constroem, treinam e geram dados.
Esta é uma grande parte da razão pela qual esperamos criar, capturar, copiar e consumir 181 zetabytes de dados em todo o mundo só este ano, três vezes mais do que há 5 anos. É difícil conceituar números tão grandes, mas, essencialmente, há muito mais dados do que as organizações estavam preparadas para lidar anteriormente.
A IA está mudando o roteiro de quais dados as empresas podem realmente usar. De acordo com o Gartner, 80% dos dados empresariais não são estruturados. Antes da IA, isso significava que ela ficava parada ali, muitas vezes precisando ser armazenada e protegida, mas da qual era impossível extrair valor. Com a IA, tudo isso mudou.
E está crescendo exponencialmente à medida que a IA continua a evoluir. Portanto, a verdadeira realidade da IA hoje é que as organizações estão lutando para percorrer montanhas cada vez maiores de dados para classificar o que realmente possuem. Adicione um programa piloto de IA ao topo desta pilha e ficará claro por que tantos pilotos falham.
Portanto, embora as organizações gostem de dizer que têm uma política de IA rigorosa em vigor, para a maioria, a shadow IT continua a ser um problema muito real. Programas-piloto fracassados impedem as organizações e os funcionários experimentam ferramentas de IA não autorizadas em segundo plano.
E isso só continuará se as organizações não escaparem da lacuna de dados para impulsionar a verdadeira inovação em IA.
Construindo sobre as bases certas
A IA pode ser anunciada como uma “nova era”, mas acredite ou não, esta “nova era” deve ser construída sobre os alicerces da última. Simplificando, uma boa higiene de dados ainda é uma boa higiene de dados e não há necessidade de remover as medidas de resiliência existentes.
Isto significa continuar a realizar avaliações de impacto de todos os seus dados. Porque o primeiro passo para classificar pilhas cada vez maiores de dados é entender o que você tem. Só assim você conseguirá identificar quais dados estão realmente mais integrados na sua organização e tratá-los adequadamente.
Obter essa visibilidade é fundamental para garantir a resiliência dos seus dados à medida que eles continuam a crescer. Caso contrário, se algo der errado, você não saberá realmente quais dados precisa para voltar a funcionar e não será capaz de identificar o último estado bom conhecido.
Isto não pode ser algo ‘pronto e feito’. O fluxo de dados não vai parar tão cedo e você precisa controlar tudo isso. É fundamental que práticas como a padronização de dados, validação de dados e avaliações de impacto contínuas continuem a evitar que as organizações sejam novamente soterradas pelo fluxo.
Esperançosamente, a maioria das organizações já deveria ter essas medidas em vigor, por isso se trata menos de trazer novos métodos para desbloquear a IA e mais de expandir o que já foi alcançado. E acertar esses princípios básicos deve ser sua prioridade número um.
Na verdade, a IA pode ajudá-lo a fazer esse trabalho de base. Você pode usar IA para ajudar na classificação de dados, melhorar sua linhagem de dados e fortalecer suas medidas de resiliência. De certa forma, seu primeiro projeto de IA deveria cuidar dos seus dados. Faça com que a IA cuide dos seus dados e então seus dados cuidarão da sua IA.
Estabelecer esse senso de controle sobre seus dados é essencial para construir não apenas as bases, mas também a confiança necessária para realmente inovar com IA e fornecer programas piloto que realmente funcionem.
Não corra antes de caminhar
Parece óbvio, mas a solução é em princípio simples: comece aos poucos. Você não precisa inventar a próxima grande novidade; você só precisa demonstrar que sua organização pode gerar inovação e valor enquanto equilibra o controle.
Em vez de reinventar a roda, comece com uma iniciativa gerenciável onde a IA possa agregar valor e demonstrar resultados com segurança. Com isto em mãos, você não apenas construirá sua própria confiança, mas também demonstrará à organização em geral que a inovação é possível. Depois, você poderá passar para aplicativos grandes e transformadores.
Mas, apesar de tudo, continue voltando ao básico. Certifique-se de que o custo de criação, o desempenho e a resiliência do seu modelo de IA estejam alinhados. Caso contrário, você não conseguirá criar processos de negócios em torno disso sem comprometer sua resiliência.
Em cada etapa, você deve ser capaz de explicar os processos e, na segunda, não consegue, é quando tudo fica fora de controle e você precisa recuar.
Começar aos poucos é fundamental para muitas organizações não apenas aproveitarem o verdadeiro valor de seus dados, mas também usarem a IA para fornecer valor comercial real e transformador para superar o medo do fracasso.
Mas precisamos de transportar uma pequena dose desse medo ao longo de todo o processo para tornar resiliente esse equilíbrio crucial entre controlo e inovação. Dessa forma, você acaba falando e praticando o que fala quando se trata de IA.
Apresentamos o melhor construtor de sites de IA.
Este artigo foi produzido como parte do canal Expert Insights da TechRadarPro, onde apresentamos as melhores e mais brilhantes mentes da indústria de tecnologia atualmente. As opiniões expressas aqui são de responsabilidade do autor e não necessariamente da TechRadarPro ou Future plc. Caso tenha interesse em participar, mais informações aqui:
