11
À medida que as empresas passam de assistentes de IA para agentes autónomos, Nick Earle, presidente executivo da Eseye, argumenta que o sucesso dependerá menos do poder computacional e mais do acesso a dados fiáveis, em tempo actual, baseados na realidade física.
Durante a maior parte da história, os líderes tomaram as piores decisões quando estavam afastados da realidade. Um comandante do campo de batalha trabalhando com relatórios atrasados. O capitão de um navio navegando no meio da neblina com leituras incorretas. Uma sala de controle respondendo à imagem de ontem do problema de hoje. O padrão é sempre o mesmo, a inteligência falha quando perde contato com o mundo actual.
A IA empresarial está agora se aproximando de sua própria versão desse momento.
A primeira onda de IA já provou o seu valor estratégico. Ajudou as empresas a acelerar o trabalho de conhecimento, melhorar a produtividade, analisar informações mais rapidamente e tornar o software program mais poderoso em toda a empresa. Isso continua extremamente importante.
Mas uma nova fase está tomando forma. As empresas estão indo além da IA como assistente e em direção à IA como agente: sistemas que podem recomendar, orquestrar e agir cada vez mais em ambientes operacionais ao vivo. Isso muda o jogo.
Assim que a IA começar a influenciar o que acontece nas fábricas, nos ambientes de saúde, nas cadeias de abastecimento, nas operações de campo e nos produtos conectados, o sucesso dependerá de mais do que o tamanho do modelo, a velocidade de inferência ou o acesso à computação. Depende se o sistema tem acesso a sinais confiáveis e em tempo actual do mundo físico.
Depende da verdade elementary. Esse é o desafio que as empresas precisam agora enfrentar. Onde está realmente a inteligência? Onde a inferência está acontecendo? Os sistemas podem responder em tempo actual? Os resultados podem ser confiáveis e auditados? E a camada de conectividade é forte o suficiente para manter a IA ancorada na realidade?
Inteligência conectada
A IoT já foi estrategicamente valiosa porque conectou ativos, melhorou a visibilidade e deu às empresas melhor controle sobre as operações.
Mas a IA está a levar a IoT a um novo nível de importância. Os sistemas conectados já não se limitam a reportar o que aconteceu. Eles estão se tornando a fonte do contexto operacional ao vivo que os agentes precisam para entender o que está acontecendo, decidir o que é importante e responder de forma inteligente. E é isso que nos leva no caminho em direção à AIoT senciente.
Com isso, não quero dizer que as máquinas se tornem conscientes como algo saído de um filme de ficção científica. Quero dizer, sistemas conectados que se tornam suficientemente conscientes do contexto para sentir, interpretar e responder de forma inteligente às mudanças nas condições do mundo actual.
Na camada do dispositivo, isso significa mais processamento e tomada de decisões na borda, perto do ativo ou evento. Na camada de aplicação, isso significa sistemas mais repetíveis, auditáveis e de circuito fechado.
Na camada de rede, isso significa que a conectividade pode ser orquestrada de forma mais inteligente, com base em fatores como estado da rede, qualidade do serviço e localização do dispositivo. Em outras palavras, a inteligência não está mais apenas no modelo. Ele está sendo distribuído pelo próprio sistema conectado.
Aumentando as apostas
Um assistente de IA ainda pode ser útil com contexto incompleto. Um agente operacional não pode. Se um sistema de IA ajuda a gerir uma frota, monitorizar o estado das máquinas, otimizar a utilização de energia ou acionar fluxos de trabalho de manutenção, então a qualidade das suas ações depende diretamente da qualidade dos dados em tempo actual que nele entram.
Se esses dados estiverem atrasados, inconsistentes, parciais ou ausentes, o problema não é simplesmente que a IA se torne menos precisa. O problema é que isso se distancia da realidade. Pode produzir uma resposta que parece perfeitamente lógica em software program, mas que está errada na prática. Nas operações reais, é aí que entram os custos, os riscos e as falhas.
A verdade básica não é um termo abstrato da ciência de dados. Na IA empresarial, é o fluxo de informações confiáveis e do mundo actual que mantém os sistemas alinhados com a realidade física. Sem isso, mesmo os modelos poderosos terão dificuldade em fornecer resultados confiáveis nos ambientes mais importantes para os negócios.
Isso não diminui a importância da computação. Baseia-se nisso. A computação continua crítica. A inovação do modelo continua crítica. Mas à medida que a IA se torna mais profundamente integrada nas operações, as empresas descobrirão que o raciocínio por si só não é suficiente. Os agentes precisam de base tanto quanto de inteligência.
O que as empresas devem perguntar
Existem quatro questões práticas que importam.
Primeiro, onde está acontecendo a inferência? Se todas as decisões tiverem que voltar para a nuvem, a latência e a resiliência rapidamente se tornarão restrições. Em muitos casos de uso de AIoT, a inteligência precisa ficar parcialmente na periferia para que os sistemas possam processar sinais e responder em tempo actual. Como David Linthicum, fundador da Linthicum Analysis e ex-diretor administrativo da Deloitte, disse recentemente no podcast IoT and AI Leaders: “Se estou perdendo conectividade, estou perdendo o dispositivo”.
Em ambientes operacionais, isso não é um problema teórico. Um sistema de aeronave, um veículo conectado ou um ativo industrial não pode se dar ao luxo de esperar por uma viagem de ida e volta até um modelo hospedado a milhares de quilômetros de distância antes de agir em um evento crítico.
Segundo, a aplicação pode produzir resultados repetíveis e auditáveis? À medida que a IA entra em operação, as empresas precisam de mais do que resultados impressionantes. Eles precisam de sistemas em que possam confiar, verificar e melhorar ao longo do tempo.
Terceiro, a conectividade está sendo tratada como uma utilidade estática ou como uma camada de controle adaptativa? Num mundo de agentes e AIoT senciente, as decisões de rede precisam cada vez mais responder às mudanças nas condições em tempo actual, e não depender de uma lógica rígida predefinida. Como Linthicum também alertou: “A largura de banda não salva você”. Mais capacidade por si só não resolve a latência, a resiliência ou a fragilidade arquitetónica se a inteligência ainda depender do constante retorno aos sistemas centralizados.
Finalmente, os modelos estão sendo treinados com os dados operacionais corretos? Se eles forem treinados apenas na lógica da aplicação, mas não nas realidades do comportamento da rede e das condições de campo, sua tomada de decisões será interrompida em ambientes ativos.
A próxima divisão competitiva
Um grande número de propriedades de IoT cresceu de forma fragmentada: múltiplos operadores, plataformas legadas, soluções alternativas locais e modelos de serviço inconsistentes. Isso pode ter sido administrável quando os dispositivos conectados eram usados principalmente para monitoramento e geração de relatórios.
No entanto, torna-se muito mais problemático quando se espera que a mesma infraestrutura apoie operações orientadas por IA.
Nesse ponto, a questão não é mais apenas conectividade. É a confiança na camada de dados subjacente à tomada de decisões empresariais.
As organizações que vencerão nesta próxima fase não serão simplesmente aquelas com os maiores modelos ou os maiores orçamentos de IA. Serão eles que compreenderão a relação entre inteligência e realidade. Eles reconhecerão que os agentes de IA são tão eficazes quanto a verdade básica que os orienta. E investirão não apenas na IA em si, mas na infraestrutura conectada necessária para alimentar dados operacionais confiáveis e em tempo actual da IA.
É por isso que o próximo grande desafio da IA não é a computação. É a verdade elementary.
Porque, no ultimate, o futuro da IA empresarial não será decidido apenas pela forma inteligente como os sistemas conseguem raciocinar. Será decidido pela confiabilidade com que eles poderão permanecer conectados à realidade.
Nick Earle é presidente executivo da Eseye. Sua carreira em tecnologia abrange mais de 30 anos, incluindo grandes corporações e start-ups dinâmicas. Anteriormente, ele liderou organizações e programas de transformação entre empresas para duas corporações globais de US$ 50 bilhões: Cisco, onde administrou o negócio de serviços gerenciados e de nuvem, bem como sua função de serviços de campo mundiais; e Hewlett Packard, onde dirigiu a função international de Advertising and marketing Corporativo e a estratégia de transformação da Web.