Escalonamento da Inteligência Artificial não significa velocidade, mas sim estabelecer um projeto sólido e apto para o sucesso.
Você sabe quais são os mitos que rondam o escalonamento da Inteligência Artificial (IA)? Para muitas companhias, quanto maior a velocidade no lançamento de uma solução baseada na tecnologia, maior o sucesso. No entanto, o cenário é bem diferente.
À medida que a pandemia do novo coronavírus continua, a IA foi uma das tecnologias mais procuradas por empresas que quiseram dimensionar seus projetos, ou até mesmo para aprimorar as operações e garantir a continuidade dos negócios.
Porém, como já trouxemos aqui no Mundo + Tech, há uma dificuldade das empresas em escalonar a tecnologia. Além do motivo citado no primeiro parágrafo deste texto, outros mitos ligados a orçamento e ao time de TI rondam os projetos de IA.
Para responder como esses mitos podem impactar as empresas e causar o insucesso na adoção da tecnologia, o site TechRepublic conversou com Greg Douglass, líder global de estratégia e consultoria em tecnologia da Accenture.
Confira abaixo os principais destaques.
Mito 1: Escalonamento da Inteligência Artificial é sempre atingir o sucesso
Para Douglass, muitas empresas já possuem diversos projetos envolvendo Inteligência Artificial: seja ao tentar evoluir a RPA, redes neurais ou Machine Learning. Entretanto, são poucas que realmente fizeram algum progresso no dimensionamento real da tecnologia.
“Quando falamos em escalonamento da Inteligência Artificial, nós queremos dizer ‘passar do estágio de prova de conceito para algo em que os líderes apliquem a tecnologia em vários ambientes para conduzir as operações de negócio’”, comentou.
O executivo destacou que ainda é pequeno o número de organizações que conseguiram “industrializar a Inteligência Artificial”. Ou seja, quando elas conseguem conduzir os negócios e tomar decisões importantes baseadas nos insights extraídos da tecnologia.
Mas essa jornada não acontece do dia para a noite e exige muitas idas e vindas na esteira de produção, como o próximo tópico vai explicar.
Mito 2: Ter sucesso em projetos de IA é ter velocidade
Muitas empresas e executivos de nível C acham que ter agilidade e velocidade no desenvolvimento de uma solução de IA é a representação do sucesso. “Esse é um dos mitos: a velocidade. Mas, na realidade, não se trata dela”, ressaltou Greg Douglass.
De acordo com o líder, companhias que tiveram sucesso em projetos de IA foram “pragmáticas e gastaram tempo para estabelecer a base de dados certa, para implementar os processos certos, para colocar os líderes certos com as habilidades certas. E isso leva tempo.”
Greg citou que a disposição em dedicar um tempo para desenvolver uma estratégia vai permitir o escalonamento da tecnologia lá na frente. “Não é sobre apenas implantar provas de conceito e dimensioná-las rapidamente para toda a organização. As que fazem isso falham”, acrescentou.
Mito 3: Gastar mais significa resultado
Na experiência de Douglass, empresas que buscam adotar várias provas de conceito podem “apenas ficar brincando com a tecnologia”. Como resultado, o orçamento direcionado para essa inovação vai ser usado de maneira ineficiente, gerando mais gastos.
Porém, se o que a companhia busca é escalonar a Inteligência Artificial, o executivo pontuou que as que tiveram sucesso nessa jornada foram bem meticulosas. “Geralmente elas gastam menos, porque foram estratégicas e focadas no que queria”, disse.
Isso significa que essas empresas sabiam onde o dinheiro seria gasto: na organização e estruturação dos dados, na contração de talento certo e na implantação de recursos específicos para a adoção da tecnologia.
Mito 4: O setor de TI é o único responsável pela IA
“Contratar um diretor de dados está na moda. Mas, se uma empresa quer aplicar Inteligência Artificial, isso realmente não funciona, porque não se trata de apenas um único líder”, comentou Greg. Para ele, é fundamental um time multidisciplinar que envolva, além dos colaboradores:
- Líderes de negócios.
- Executivos financeiros.
- Líderes de tecnologia (CTOs e CIOs).
Quando todos trabalham em equipe, é mais fácil decidir quais funções devem ser integradas com a tecnologia, quais ferramentas devem ser implantadas e como os dados serão organizados. “Assim é possível realizar estrategicamente o escalonamento da Inteligência Artificial”, apontou.
Mito 5: Quanto maior a empresa, mais complicado escalonar a IA
Grandes companhias podem achar que, devido ao grande volume de dados que elas armazenam, a implantação da IA pode ser uma jornada dolorosa e cheia de conflitos. Porém, não é necessariamente o que ocorre. Para Douglass, um conjunto mínimo de dados pode fazer a diferença.
“Com 100 a 200 dados-chave, é possível conduzir e alimentar os recursos de Inteligência Artificial e Machine Learning”, contou. O executivo destacou que não é a quantidade de dados que pode impedir o escalonamento, mas sim os líderes se “perderem num mar de informações.”
Para Douglass, o sucesso de projetos de IA se aproxima quando os envolvidos conseguem decidir quais são as informações fundamentais para um projeto e qual resultado esperado que pode obter delas. “Quando isso não acontece, as empresas não se movem na velocidade certa.”
Principais destaques desta matéria
- Escalonamento da Inteligência Artificial ainda é difícil para empresas.
- Entre os motivos estão a velocidade em querer lançar uma solução baseada em IA.
- Confira alguns mitos sobre essa jornada e como eles podem impedir o sucesso de projetos.
