Há alguns anos, a palavra-chave favorita do mundo da tecnologia empresarial era “Big Data” – uma referência à recolha em massa de informação das organizações que poderia ser usada para sugerir formas de funcionamento anteriormente inexploradas e lançar ideias sobre quais as estratégias que poderiam melhor seguir.
O que se torna cada vez mais evidente é que os problemas que as empresas enfrentam ao utilizar Big Data em seu benefício ainda permanecem, e é uma nova tecnologia – a IA – que está a fazer com que esses problemas voltem à superfície. Sem resolver os problemas que afetam o Big Data, as implementações de IA continuarão a falhar.
Então, quais são os problemas que impedem a IA de cumprir suas promessas?
A grande maioria dos problemas provém dos próprios recursos de dados. Para entender o problema, considere as seguintes fontes de informação usadas em um dia de trabalho normal.
Em uma empresa de pequeno e médio porte:
- Planilhas, armazenadas nos laptops dos usuários, no Planilhas Google, nuvem do Office 365.
- A plataforma do gerenciador de relacionamento com o cliente (CRM).
- Trocas de e-mail entre colegas, clientes, fornecedores.
- Documentos Word, PDFs, formulários web.
- Aplicativos de mensagens.
Em uma empresa:
- Todos os itens acima, mais,
- Sistemas de planejamento de recursos empresariais (ERP).
- Feeds de dados em tempo real.
- Lagos de dados.
- Bancos de dados distintos por trás de vários produtos pontuais.
É importante notar que a lista simples acima não é abrangente e nem pretende ser. O que demonstra é que em apenas cinco linhas há cerca de uma dezena de locais onde a informação pode ser encontrada. O que o Big Data precisava (talvez ainda precise) e em que os projetos de IA também se baseiam é, de alguma forma, reunir todos esses elementos de tal forma que um algoritmo de computador possa entendê-los.
O ciclo de hype do gigante do marketing Gartner para inteligência artificial, 2024, colocou os dados prontos para IA na curva ascendente do ciclo de hype, estimando que levaria de 2 a 5 anos antes de atingir o ‘platô de produtividade’. Dado que os sistemas de IA exploram e extraem dados, a maioria das organizações – excepto as de maior dimensão – não têm as bases sobre as quais construir e podem não ter assistência de IA neste empreendimento durante mais 1 a 4 anos.
O problema subjacente à implementação da IA é o mesmo das inovações obstinadas de Big Data, à medida que, no passado, percorreram o ciclo de hype – desde o gatilho da inovação, o pico das expectativas inflacionadas, o vale da desilusão, a inclinação da iluminação, até ao patamar da produtividade – os dados vêm em muitas formas; pode ser inconsistente; talvez siga padrões diferentes; pode ser impreciso ou tendencioso; podem ser informações altamente confidenciais ou antigas e, portanto, irrelevantes.
Transformar dados para que fiquem prontos para IA continua sendo um processo tão relevante hoje (talvez mais) do que nunca. As empresas que pretendam dar um salto inicial poderão experimentar as muitas plataformas de tratamento de dados actualmente disponíveis e, como se está a tornar o conselho comum, poderão começar com projectos discretos como bancos de ensaio para avaliar a eficácia das tecnologias emergentes.
A vantagem dos mais recentes sistemas de preparação e montagem de dados é que eles são projetados para preparar os recursos de informação de uma organização de forma projetada para que os dados sejam usados pelas plataformas de criação de valor de IA. Eles podem oferecer, por exemplo, proteções cuidadosamente codificadas que ajudarão a garantir a conformidade dos dados e a proteger os usuários contra o acesso a informações tendenciosas ou comercialmente sensíveis.
Mas o desafio de produzir recursos de dados coerentes, seguros e bem formulados continua a ser um problema constante. À medida que as organizações obtêm mais dados em suas operações diárias, compilar recursos de dados atualizados nos quais recorrer é um processo constante. Onde o big data pode ser considerado um ativo estático, os dados para ingestão de IA devem ser preparados e tratados o mais próximo possível do tempo real.
A situação permanece, portanto, um equilíbrio tripartido entre oportunidade, risco e custo. Nunca antes a escolha do fornecedor ou da plataforma foi tão crucial para os negócios modernos.
(Fonte: “Inside the business school” de Darien e Neil está licenciado sob CC BY-NC 2.0.)
Quer saber mais sobre IA e big data dos líderes do setor? Confira a AI & Big Data Expo que acontece em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e é realizado junto com outros eventos de tecnologia líderes. Clique aqui para mais informações.
AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial futuros aqui.
Fontesartificialintelligence
