Fornecedores querem nos fazer acreditar que estamos em meio a uma revolução da IA, que está mudando a própria natureza de como trabalhamos. Mas a realidade, de acordo com vários estudos recentes, sugere que a situação é bem mais sutil.
As empresas estão extremamente interessadas na IA generativa, à medida que os fornecedores enfatizam seus potenciais benefícios. No entanto, transformar esse interesse em um produto funcional está se mostrando muito mais desafiador: elas estão se deparando com a complexidade técnica da implementação, seja devido a dívidas técnicas de uma pilha de tecnologia antiga ou simplesmente à falta de pessoas com habilidades adequadas.
De fato, um estudo recente do Gartner descobriu que as duas principais barreiras para a implementação de soluções de IA eram encontrar maneiras de estimar e demonstrar valor (49%) e a falta de talento (42%). Esses dois elementos podem se tornar obstáculos importantes para as empresas.
Vale a pena mencionar que um estudo da LucidWorks, empresa de tecnologia de busca corporativa, descobriu que apenas 1 em cada 4 entrevistados relatou ter implementado com sucesso um projeto de IA generativa.
Aamer Baig, sócio sênior da McKinsey and Company, falando no MIT Sloan CIO Symposium em maio, disse que sua empresa também descobriu em uma pesquisa recente que apenas 10% das empresas estão implementando projetos de IA generativa em grande escala. Ele também relatou que apenas 15% estavam vendo algum impacto positivo nos lucros. Isso sugere que o entusiasmo inicial pode estar muito à frente da realidade que a maioria das empresas está experimentando.
Qual é o atraso?
Baig vê a complexidade como o principal fator que retarda as empresas, mesmo um projeto simples exigindo de 20 a 30 elementos tecnológicos, sendo o LLM correto apenas o ponto de partida. Elas também precisam de elementos como dados e controles de segurança adequados, e os funcionários podem ter que aprender novos recursos como engenharia de prompt e como implementar controles de propriedade intelectual, entre outras coisas.
Infraestruturas tecnológicas antigas também podem atrasar as empresas, diz ele. “Em nossa pesquisa, um dos principais obstáculos citados para alcançar a IA generativa em escala foi, na verdade, o excesso de plataformas tecnológicas”, disse Baig. “Não era o caso de uso, não era a disponibilidade de dados, não era o caminho para o valor; na verdade, eram as plataformas tecnológicas.”
Mike Mason, diretor de IA da consultoria Thoughtworks, diz que sua empresa gasta muito tempo preparando as empresas para a IA – e a configuração atual de sua tecnologia é uma grande parte disso. “Então, a questão é: quanta dívida técnica você tem, quanto déficit? E a resposta sempre será: depende da organização, mas acho que as organizações estão sentindo cada vez mais o peso disso”, disse Mason ao TechCrunch.
Tudo começa com bons dados
Grande parte desse déficit de preparação está na questão dos dados, com 39% dos entrevistados na pesquisa do Gartner expressando preocupação com a falta de dados como a principal barreira para a implementação bem-sucedida da IA. “Dados são um desafio enorme e assustador para muitas, muitas organizações”, disse Baig. Ele recomenda focar em um conjunto limitado de dados com vistas à reutilização.
“Uma lição simples que aprendemos é focar em dados que o ajudem com vários casos de uso, e isso geralmente acaba sendo três ou quatro domínios na maioria das empresas que você pode realmente começar e aplicar aos seus desafios de negócios de alta prioridade com valor de negócio e entregar algo que realmente chega à produção e escala”, disse ele.
Mason diz que grande parte da capacidade de executar a IA com sucesso está relacionada à prontidão dos dados, mas isso é apenas parte. “As organizações rapidamente percebem que, na maioria dos casos, precisam fazer algum trabalho de preparação para IA, construção de plataforma, limpeza de dados, todo esse tipo de coisa”, disse ele. “Mas você não precisa fazer uma abordagem do tipo ‘tudo ou nada’, não precisa gastar dois anos antes de obter qualquer valor.”
Quando se trata de dados, as empresas também precisam respeitar de onde eles vêm – e se têm permissão para usá-los. Akira Bell, CIO da Mathematica, consultoria que trabalha com empresas e governos para coletar e analisar dados relacionados a várias iniciativas de pesquisa, diz que sua empresa precisa agir com cuidado ao colocar esses dados para funcionar na IA generativa.
“À medida que olhamos para a IA generativa, certamente haverá possibilidades para nós, e olhando através do ecossistema de dados que usamos, mas temos que fazer isso com cautela”, disse Bell ao TechCrunch. Parte disso porque eles têm muitos dados privados com acordos rígidos de uso de dados, e parte porque eles estão lidando às vezes com populações vulneráveis e precisam estar cientes disso.
“Cheguei a uma empresa que leva muito a sério o fato de ser uma administradora confiável de dados e, no meu papel de CIO, tenho que estar muito fundamentada nisso, tanto do ponto de vista da segurança cibernética, quanto de como lidamos com nossos clientes e seus dados, então sei como a governança é importante”, disse ela.
Bell diz que no momento é difícil não se animar com as possibilidades que a IA generativa traz à mesa; a tecnologia poderia fornecer maneiras significativamente melhores para sua organização e seus clientes entenderem os dados que estão coletando. Mas também é seu trabalho agir com cautela, sem atrapalhar o progresso real, um ato de equilíbrio desafiador.
Encontrando o valor
Assim como quando a nuvem estava emergindo há uma década e meia, os CIOs são naturalmente cautelosos. Eles veem o potencial que a IA generativa traz, mas também precisam cuidar de aspectos básicos como governança e segurança. Eles também precisam ver um retorno sobre o investimento (ROI) real, o que às vezes é difícil de medir com essa tecnologia.
Em um artigo de janeiro da TechCrunch sobre modelos de preços de IA, a CIO da Juniper, Sharon Mandell, disse que estava se mostrando desafiador medir o retorno do investimento em IA generativa.
“Em 2024, estaremos testando o entusiasmo em torno da IA generativa, porque se essas ferramentas puderem produzir os tipos de benefícios que elas dizem, então o ROI sobre elas é alto e pode nos ajudar a eliminar outras coisas”, disse ela. Então, ela e outros CIOs estão executando projetos piloto, movendo-se com cautela e tentando encontrar maneiras de medir se há realmente um aumento de produtividade para justificar o custo acrescido.
Baig afirma que é importante ter uma abordagem centralizada para a IA em toda a empresa e evitar o que ele chama de “muitas iniciativas skunkworks”, onde pequenos grupos trabalham independentemente em uma série de projetos.
“É necessário que a empresa forneça a estrutura para garantir que as equipes de produto e plataforma estejam organizadas, focadas e trabalhando em ritmo acelerado. E, claro, precisa da visibilidade da alta administração”, disse ele.
Nada disso é garantia de que uma iniciativa de IA será bem-sucedida ou que as empresas encontrarão todas as respostas imediatamente. Tanto Mason quanto Baig disseram que é importante que as equipes evitem tentar fazer muito, e ambos enfatizam a reutilização do que funciona. “A reutilização se traduz diretamente em velocidade de entrega, mantendo seus negócios satisfeitos e gerando impacto”, disse Baig.
Independentemente de como as empresas executam projetos de IA generativa, elas não devem ficar paralisadas pelos desafios relacionados a governança, segurança e tecnologia. Mas também não devem ser cegadas pelo entusiasmo inicial: haverá obstáculos em abundância para praticamente todas as organizações.
A melhor abordagem pode ser colocar algo em funcionamento que funcione, agregue valor e partir daí. E lembre-se que, apesar do entusiasmo inicial, muitas outras empresas também estão enfrentando dificuldades.
