Inteligência artificial e machine learning: prioridades para resolver os desafios críticos nos negócios

Em março de 2022, escrevi sobre o forte surgimento da inteligência artificial (IA) e do crescente potencial dela para promover eficiência sem precedentes, prever as ações do cliente, influenciar as decisões de compra e melhorar as experiências. Também abordei os requisitos críticos para finalmente realizar a promessa da IA e da machine learning, especificamente um foco maior na centralização e na qualidade dos dados.

Desde então, vimos centenas de evidências de uma adoção cada vez maior da IA e da machine learning pelas organizações de todos os setores. Mesmo diante da incerteza geopolítica e das instabilidades macroeconômicas nos últimos 18 meses, o fato de a IA e o caso de uso de machine learning se fortalecerem é testemunho da potência essencial delas (no momento em que escrevo este artigo, a OpenAI acabou de lançar uma versão atualizada do famoso ChatGPT).

É nesse ambiente que a Rackspace Technology® recentemente realizou o terceiro relatório anual de pesquisa de IA e machine learning. Os resultados confirmam que IA e machine learning estão se expandindo como fator-chave nas vantagens concorrenciais. Mesmo diante da incerteza econômica global, as organizações vêm recorrendo à tecnologia com IA e machine learning para enfrentar os desafios críticos nos negócios.

Resultados da pesquisa sobre IA e machine learning

A nova pesquisa entrevistou 1.420 profissionais de TI globais em todos os setores, incluindo serviços financeiros, manufatura, varejo, hospitalidade, governo e saúde, a fim de entender a dinâmica da IA e da machine learning. Ela revela que, cada vez mais, organizações — 69% — classificam a IA e a machine learning como prioridade nas organizações — um aumento de 15 pontos percentuais em comparação com 2021. 

Essa descoberta é digna de nota, uma vez que quase um terço dos entrevistados afirmou ter passado a lançar projetos com IA e machine learning de um ano para cá. Para fins de comparação, 17% começaram a implementar IA e machine learning há dois anos, e 11% há três anos.

Sem dúvida, ainda estamos engatinhando na adoção. Embora a maioria dos entrevistados tenha dito que a IA e a machine learning são alta prioridade, apenas 41% afirmam ter visto benefícios substanciais. Em comparação, 33% observaram benefícios modestos, e pouco mais de um quarto (26%) afirma ainda ser cedo demais.

Apesar do progresso feito com as novas tecnologias, várias outras organizações ainda não aproveitam as vantagens da IA e da machine learning. É normal lidarem com uma resistência interna à adoção ou ao uso dessas tecnologias. Cerca de 62% dos entrevistados afirmam ter resistência interna à adoção dentro das organizações.

Dito isso, mais organizações estão usando IA e machine learning para melhorar a velocidade e a eficiência dos processos existentes. 67% das organizações classifica essas tecnologias como área de foco - um aumento de 15% em relação a 2022.

IA e machine learning continuam lentas

Mesmo com a adoção da IA e da machine learning em ritmo lento, a pesquisa aponta para uma série de funções de negócios que só agora estão sendo consideradas como área de aplicação.

Vimos o aumento dos casos de uso em várias áreas:

• Previsão do desempenho comercial e das tendências do setor
• Aumento da inovação e da produtividade
• Gerenciamento de risco
• Contratação e recrutamento
• Melhor compreensão dos negócios e dos clientes
• Mais segurança e proteção ao trabalhador

Juntos, esses fatores comprovam a crescente utilidade da IA e da machine learning. Esse é o segredo para liberar todo o potencial delas.

A ligação entre computação na nuvem e a pan-indústria

A trajetória para novas implementações de IA e machine learning está intrinsecamente ligada à migração pan-industrial para a computação na nuvem. A centralização de grandes armazenamentos de dados criados pela computação na nuvem é o que faz com que a IA e a machine learning floresçam.

Estamos em uma nova geração de tecnologia de nuvem, conforme evidenciado pelo advento de projetos de nuvem especializados que oferecem soluções específicas para tipos específicos de dados, com base nas necessidades específicas das empresas.

As implementações de IA e de machine learning dependem de dados centralizados, padronizados e normalizados; e a integridade dos dados ainda é o elo mais fraco da cadeia no momento. É apenas com alta integridade de dados que IA e machine learning podem executar funções complexas e sem precedentes, dando às empresas uma vantagem concorrencial sustentável.

Mesmo com as melhoras, há outra barreira na adoção de IA e machine learning: a carência de capacidades e talentos para gerenciar os dados de forma eficaz. Ao responderem a essas questões, mais de oito em cada dez entrevistados afirmaram se esforçar para recrutar funcionários com domínio em IA e machine learning nos últimos 12 meses. Já uma proporção semelhante treinou a própria força de trabalho para IA e machine learning no mesmo período.

Como subir o nível da IA e da machine learning

A próxima fase da adoção da IA e da machine learning será crucial para manter essa tendência. As empresas que estão começando a usar a tecnologia ou que estão com dificuldades para se aprofundarem nas iniciativas de IA e machine learning precisam focar três áreas principais:

• Estabelecer uma estratégia geral e ter o apoio de toda a liderança
• Fortalecer a qualidade e a precisão dos dados
• Treinar e aprimorar os talentos

As partes interessadas, por sua vez, precisarão pensar nos vários fatores cruciais ao criarem uma estratégia eficaz de IA e machine learning, como:

• Estabelecer um caso de negócio e a expectativa para entregas, marcos e cronogramas
• Criar um processo de governança de dados que contabilize as funções, responsabilidades e processos para o gerenciamento adequado de dados
• Determinar normas e métricas para garantir dados sejam precisos, completos e confiáveis
• Monitorar e auditar regularmente os dados para identificar e resolver problemas na qualidade dos dados, como valores incorretos, duplicados ou outliers
• Para resolver os problemas na qualidade e na precisão dos dados: limpar os processos, incluindo a definição das configurações e a eliminação dos silos de dados

Com o tempo, as organizações vêm demonstrando mais disposição para enfrentarem os desafios na implementação da IA e da machine learning em uma ou mais partes dos negócios. Afinal, elas veem os benefícios hoje — e os potenciais benefícios de amanhã. Com um foco constante na integridade dos dados, teremos eliminado o último grande obstáculo para trazer mais a IA e a machine learning à nossa rotina.

Venha conhecer a expertise líder do setor da Rackspace Technology em IA e machine learning. Com a ajuda da nossa equipe de desenvolvimento de AI e machine learning, você usa seus dados para tomar decisões inteligentes, melhorar a colaboração, transformar a experiência dos clientes e gerar melhores resultados.

Join the Conversation: Find Solve on Twitter and LinkedIn, or follow along via RSS.

Stay on top of what's next in technology

Learn about tech trends, innovations and how technologists are working today.