(Estúdio Wright/Shutterstock)
Tornou-se moda questionar se a IA generativa irá, em última análise, gerar retornos positivos sobre os enormes investimentos que as empresas estão a fazer. O Gartner, por exemplo, disse que 30% dos projetos GenAI terminarão em fracasso no próximo ano. Mas um novo relatório encomendado pela ThoughtSpot descobriu que os primeiros usuários estão obtendo resultados significativos ao usar GenAI para análises.
Ponto de pensamento comissionado Revisão de gerenciamento do MIT Sloan (SMR) Connections e seu parceiro de pesquisa, Kadence Internacionalpara entrevistar 1.000 líderes empresariais sobre o uso do GenAI para análises. Os sujeitos foram segmentados em três grupos com base no nível de maturidade de suas iniciativas GenAI, com 67% classificados como pioneiros que já colocaram alguns aplicativos GenAI em produção, 26% que planejam implantá-los e 7% que ainda estão avaliando. .
Entre os primeiros a adotar, 47% esperam um retorno sobre o investimento (ROI) para aplicações GenAI de 100% ou mais ao longo de três anos, com 12% desse grupo esperando um ROI superior a 300% e 11% esperando um ROI de 200%. para 299%. Isso é significativamente mais do que o grupo de planejadores, dos quais 38% esperam um ROI de 100% ao longo de três anos, com 11% esperando um ROI de 200% a 299% e apenas 2% esperando um ROI de 300% ou mais.
Os primeiros usuários esperam grandes retornos dos investimentos da GenAI (Fonte da imagem: “Generative AI for Knowledge and Analytics: How Early Adopters Are Reaping the Rewards”)
O relatório, intitulado “IA generativa para dados e análises: como os primeiros usuários estão colhendo os frutos” também sugere que a GenAI pode estar a criar uma lacuna competitiva entre aqueles que efetivamente controlam a tecnologia e aqueles que não a controlam.
Entre os primeiros adotantes, 37% relatam que o uso da GenAI está “muito à frente do mercado e dos concorrentes”, em comparação com 11% da coorte de planejamento, enquanto outros 46% dos primeiros adotantes dizem que a GenAI os colocou “ligeiramente à frente do mercado/concorrentes”. contra 51% da coorte de planejamento.
Esses números inebriantes chamaram a atenção de Cindi Howson, Diretora de Estratégia de Dados da ThoughtSpot, que está otimista sobre o potencial da GenAI para impactar positivamente o campo de dados e análises.
“O valor que podemos obter disso em termos de ganhos de produtividade e modelos de negócios totalmente novos – estamos apenas começando”, disse Howson. “Estamos na época da Web discada e só agora as pessoas estão começando a pensar no potencial aqui.”
Benefícios concretos do GenAI para BI
Existem muitas maneiras diferentes de monetizar GenAI, com chatbots e copilotos sendo os dois casos de uso mais proeminentes desde que o ChatGPT estreou no outono de 2022, e a IA de agente sendo a última tendência GenAI. Mas no caso da ThoughtSpot, a empresa vê a GenAI sendo usada de forma um pouco diferente – especificamente, para melhorar a análise e os programas de enterprise intelligence de seus clientes.
Quando a análise e o BI melhoram numa empresa, isso pode beneficiá-la de inúmeras maneiras, desde a geração de maiores receitas e produtividade devido à tomada de decisões melhores e mais rápidas baseadas em dados, até uma maior eficiência empresarial e até mesmo a criação de produtos de dados.
(TSViPhoto/Shutterstock)
“Os benefícios são benefícios concretos, como a criação de novos fluxos de receitas ou a melhoria da tomada de decisões em torno desses fluxos de receitas e, em seguida, (melhorar) a eficiência operacional nesse processo de trabalho”, disse Howson.
Estudos demonstraram que apenas cerca de 25% dos funcionários de uma organização típica têm a capacidade de fazer perguntas sobre os dados da organização. Em outras palavras, BI e análises estão disponíveis apenas para um quarto dos funcionários. A meta da ThoughtSpot é que 100% dos trabalhadores tenham acesso a análises e vê a GenAI ajudando a chegar lá.
“Isso faz parte da nossa missão”, disse Howson. “Sabemos que temos baixa literacia em dados e isso é uma melhoria de competências que todos estão a passar. E a IA generativa, capaz de explicar o gráfico ou o valor atípico na página, também está tendo um impacto nisso.”
GenAI em análises
A ThoughtSpot está aplicando GenAI de algumas maneiras diferentes, a principal delas usando consulta de linguagem pure (NLQ) para reduzir o nível técnico necessário para consultar dados (embora haja grandes limites para isso; mais sobre isso em breve). Outros usos incluem o uso do GenAI para automatizar a geração de painéis e relatórios e para ajudar a detectar anomalias nos dados.
Principais motivos para usar GenAI (Fonte: “Generative AI for Knowledge and Analytics: How Early Adopters Are Reaping the Rewards”)
“Para um autor de painel, isso eliminará a estagnação e o trabalho bobo que eles fazem e realmente os elevará”, disse Howson. “Para os empresários, isso permitirá que eles realmente façam perguntas melhores e se tornem mais analíticos, em vez de voar às cegas… Acredito que a IA generativa melhorará o trabalho de todos, mas aqueles que não estão aprendendo como usá-la, são eles que corre o risco de ser deixado para trás ou substituído.”
A GenAI “pode vasculhar bancos de dados internos e externos e recuperar informações relevantes muito mais rápido do que executivos ou trabalhadores do conhecimento jamais conseguiriam por conta própria”, disse a ThoughtSpot no relatório. “E permite que as pessoas encontrem as respostas de que precisam fazendo perguntas em linguagem pure e explorando os resultados de uma conversa, em vez de baixar informações criadas por especialistas em dados, que podem não ter o conhecimento de negócios para torná-las úteis em situações práticas.”
Mesmo antes da chegada do ChatGPT, a ThoughtSpot estava se esforçando para melhorar esse número através do uso da tecnologia NLQ. Quando o ChatGPT demonstrou o incrível poder dos grandes modelos de linguagem (LLMs), muitas empresas perceberam que os LLMs poderiam gerar SQL coerente, bem como gerar sonetos de Shakespeare em inglês ou criar segmentos de código em Java.
Infelizmente, esse não é o caso, de acordo com Howson.
“Sabemos que a conversão direta de texto para SQL não funciona. Na melhor das hipóteses, você obtém 30% de precisão”, disse ela BigDATAwire. “O que temos no mercado há 10 anos é uma camada semântica comprovada e patenteada, bem como uma série de algoritmos de classificação, bem como uma arquitetura RAG, para que você melhore a precisão. E, por último, humanos no circuito para, mais uma vez, melhorar ainda mais a precisão.”
Fundações para o sucesso da GenAI
Você não pode simplesmente acordar um dia e decidir reformular suas operações com GenAI. Assim como as empresas encontraram com a geração anterior de tecnologia tradicional de aprendizado de máquina, existem etapas precursoras que as empresas normalmente devem concluir antes de estarem em condições de aplicar a melhor e mais recente tecnologia de aprendizado.
Cindi Howson, diretora de estratégia de dados da ThoughtSpot
O relatório do MIT revela isso. Entre os primeiros a adotar, os cinco principais desafios da GenAI incluem considerações de segurança, desafios estratégicos, preocupações com uso/qualidade do modelo, desafios de dados e desafios de implementação. A gestão de dados e a estratégia world continuam a ser grandes inibidores, disse Howson.
“Você não pode fazer IA sem uma base sólida de dados e não pode ter um bom impacto a menos que esteja alinhado ao valor do negócio”, disse ela. “Há uma diferença entre fazer provas de conceitos…em vez de dizer que podemos melhorar a experiência do cliente ou que podemos reduzir nosso backlog do painel e melhorar a produtividade dos analistas e dos usuários corporativos. Portanto, ter esses dois ingredientes é uma das maiores diferenças.”
No BigDATAwiretemos abordado o gerenciamento de dados problemas da GenAI até náusea. Como destacou Howson, colocar a linha de negócios e o departamento de TI na mesma página é outra questão que não deve ser negligenciada.
“Há tanto nós contra eles e frustração de ambos os lados”, disse ela. “A equipe de dados é muito lenta. Os negócios ficam frustrados. Eles fogem e fazem suas próprias coisas. E isso (GenAI) está permitindo que eles tenham melhores conversas sobre a necessidade e co-inovem.”
Apesar de todo o entusiasmo, está claro que a GenAI apresenta oportunidades reais. Embora nem todos os casos de uso dêem certo, fica claro no relatório do MIT que os primeiros a adotar já o fazem. O potencial da GenAI parece destinado a crescer consideravelmente nos próximos anos, tornando elementary que as empresas façam investimentos hoje para colocá-las no caminho do sucesso no futuro.
“O valor que podemos obter disso em termos de ganhos de produtividade, modelos de negócios totalmente novos, onde estamos apenas começando”, disse Howson. “Estamos na época da Web dial-up (com GenAI) e só agora as pessoas estão começando a pensar no potencial aqui.”
Você pode baixar o relatório completo do MIT aqui.
Itens relacionados:
ThoughtSpot anuncia ‘Renascença de dados’ com atualização GenAI
Verificação da realidade para GenAI: Deloitte encontra entusiasmo moderado por obstáculos de adoção
Pesquisa do Google Cloud mostra forte ROI para os primeiros usuários do GenAI