O mundo empresarial está inundado de esperança e entusiasmo por inteligência synthetic. As promessas de novas linhas de negócios e avanços em produtividade e eficiência fizeram da IA a mais recente tecnologia obrigatória em todos os setores empresariais. Apesar das manchetes exuberantes e das promessas dos executivos, a maioria das empresas está a lutar para identificar casos de utilização de IA fiáveis que proporcionem um ROI mensurável, e o ciclo de entusiasmo está dois a três anos à frente das realidades operacionais e empresariais reais.
De acordo com a IBM O relatório Empresa em 203079% dos executivos de alto escalão esperam que a IA aumente as receitas dentro de quatro anos, mas apenas cerca de 25% conseguem identificar de onde virá essa receita. Esta desconexão promove expectativas irrealistas e cria pressão para a entrega rápida de iniciativas que ainda são experimentais ou imaturas.
A forma como a IA domina as discussões nas conferências contrasta com o seu progresso mais lento no mundo actual. Novas capacidades em IA generativa e aprendizado de máquina mostram-se promissores, mas passar de uma implementação piloto para uma implementação impactante continua a ser um desafio. Muitos especialistas, incluindo aqueles citado neste artigo do CIO.comdescrevem isso como uma “ressaca do hype da IA”, na qual desafios de implementação, custos excessivos e resultados desanimadores do piloto diminuem rapidamente o brilho do potencial da IA. Ciclos semelhantes ocorreram com nuvem e transformação digitalmas desta vez o ritmo e a pressão são ainda mais intensos.
Os casos de uso variam amplamente
Os maiores pontos fortes da IA, como a flexibilidade e a ampla aplicabilidade, também criam desafios. Nas primeiras ondas de tecnologia, como ERP e CRM, o retorno do investimento period uma verdade common. O ROI baseado em IA varia amplamente – e muitas vezes enormemente. Algumas empresas podem obter valor com a automatização de tarefas como o processamento de reclamações de seguros, a melhoria da logística ou a aceleração do desenvolvimento de software program. No entanto, mesmo depois de pilotos bem financiados, algumas organizações ainda não veem casos de uso atraentes e repetíveis.
Essa variabilidade é um sério obstáculo ao ROI generalizado. Muitos líderes esperam que a IA seja uma solução generalizada, mas as implementações de IA são altamente dependentes do contexto. Os problemas que você pode resolver com IA (e se essas soluções justificam o investimento) variam drasticamente de empresa para empresa. Isto leva a uma proliferação de projetos-piloto pequenos e desanimadores, poucos dos quais são dimensionados de forma suficientemente ampla para demonstrar valor comercial tangível. Em suma, para cada história triunfante da IA, inúmeras empresas ainda aguardam qualquer recompensa tangível. Para algumas empresas, isso não acontecerá tão cedo – ou nunca acontecerá.
O custo da prontidão
Se há um desafio que une quase todas as organizações, é o custo e a complexidade da preparação dos dados e da infraestrutura. A revolução da IA exige dados. Ela prospera apenas com informações limpas, abundantes e bem governadas. No mundo actual, a maioria das empresas ainda luta com sistemas legados, bancos de dados isolados e formatos inconsistentes. O trabalho necessário para disputarlimpar e integrar esses dados muitas vezes supera o custo do próprio projeto de IA.
Além dos dados, existe o desafio da infraestrutura computacional: servidores, segurança, conformidade e contratação ou treinamento de novos talentos. Estes não são luxos, mas pré-requisitos para qualquer implementação de IA escalonável e confiável. Em tempos de incerteza económica, a maioria das empresas não consegue ou não quer alocar fundos para uma transformação completa. Conforme relatado pelo CIO.com, muitos líderes disseram que a barreira mais significativa à entrada não é o software program de IA, mas o extenso e caro trabalho de base necessário antes que um progresso significativo possa começar.
Três etapas para o sucesso da IA
Tendo em conta estes ventos contrários, a questão não é se as empresas devem abandonar a IA, mas sim, como podem avançar de uma forma mais inovadora, mais disciplinada e mais pragmática que se alinhe com as necessidades reais do negócio?
O primeiro passo é conectar projetos de IA a problemas de negócios de alto valor. A IA não pode mais ser justificada porque “todo mundo está fazendo isso”. As organizações precisam identificar pontos problemáticos, como processos manuais dispendiosos, ciclos lentos ou interações ineficientes onde a automação tradicional é insuficiente. Só então a IA vale o investimento.
Em segundo lugar, as empresas devem investir em qualidade dos dados e infraestrutura, ambos vitais para a implantação eficaz da IA. Os líderes devem apoiar investimentos contínuos na limpeza e arquitetura de dados, considerando-os cruciais para a inovação digital futura, mesmo que isso signifique dar prioridade a melhorias em vez de projetos-piloto de IA chamativos para alcançar resultados fiáveis e escaláveis.
Terceiro, as organizações devem estabelecer processos robustos de governança e medição de ROI para todos os experimentos de IA. A liderança deve insistir em métricas claras, como receitas, ganhos de eficiência ou satisfação do cliente, e depois acompanhá-las para cada projeto de IA. Ao responsabilizar os pilotos e as implementações mais amplas pelos resultados tangíveis, as empresas não só identificarão o que funciona, mas também construirão a confiança e a credibilidade das partes interessadas. Os projetos que não sejam cumpridos devem ser redirecionados ou encerrados para garantir que os recursos apoiem os esforços mais promissores e alinhados aos negócios.
O caminho a seguir para a IA empresarial não é desesperador, mas será mais exigente e exigirá mais paciência do que o atual hype poderia sugerir. O sucesso não virá de anúncios chamativos ou de experiências piloto em massa, mas de programas direcionados que resolvam problemas reais, apoiados por dados sólidos, infraestruturas sólidas e responsabilização cuidadosa. Para aqueles que fazem destas realidades o seu foco, a IA pode cumprir a sua promessa e tornar-se um ativo empresarial lucrativo.