Uma pesquisa recente da Bain indica que somente um terço dos projetos-piloto de inteligência artificial passa à fase de produção, na média. Segundo a consultoria, a grande lacuna não é a capacidade dos modelos atuais, mas deficiências relacionadas à implantação, especialmente na maturidade das empresas, no redesenho dos processos, na governança da IA e na estratégia de dados, entre outros aspectos.
O alerta foi enviado com exclusividade ao IT Forum pela Bain. Segundo a consultoria, problemas no gerenciamento de dados organizacionais, incluindo baixa qualidade, inconsistências, falhas de conformidade e pouca acessibilidade já prejudicavam essas iniciativas desde muito antes da IA, mas se agravaram agora com o avanço tecnológico.
“Embora a IA possa ajudar em elementos específicos, como identificar problemas de qualidade ou indicar inconsistências, a regra básica de que o resultado depende da qualidade dos dados continua valendo para a IA tanto quanto para qualquer outra solução digital”, pondera Luis Díez, sócio e líder da prática de Enterprise Technology na Bain América do Sul. “Por isso, construir uma base de dados sólida importa mais do que nunca”.
Segundo a consultoria, pilotos muitas vezes têm sucesso mesmo com dados ruins porque são construídos offline, fora de ambientes de produção e limpos manualmente. No entanto, os problemas aparecem quando o projeto escala. A maioria das empresas não estabeleceu controles sobre dados não estruturados ao longo do próprio crescimento, e por conta disso os desafios de qualidade “só aumentam”.
Leia também: Experiência da V8.Tech mostra que novo RH exige mudanças na liderança
“Sem dados confiáveis e bem estruturados como fonte única da verdade, os agentes de IA correm o risco de agir com base em informações falhas, prejudicando desempenho e confiança”, explica Díez.
Melhores práticas
O especialista explica que é o momento de revitalizar e aprimorar as estratégias de governança de dados para ter implantações bem-sucedidas de IA. Segundo Díez, “os líderes de mercado tratam os dados como ativo estratégico: priorizam valor, estabelecem responsabilidade clara e constroem a arquitetura e a governança necessárias para transformar dados de alta qualidade em fonte duradoura de vantagem competitiva”.
Ele ressalta que empresas mais maduras se valem de “uma estratégia de dados orientada a valor”, o que significa identificar ativos que trazem real diferenciação competitiva e partir deles. Outra prática é a criação de produtos de dados: conjuntos curados, desenvolvidos para finalidades específicas, fáceis de localizar, combinar e reutilizar. Esses ativos são organizados por domínios e contam com responsáveis pela qualidade, disponibilidade e evolução.
A coordenação entre áreas também é essencial, com políticas comuns de documentação, compartilhamento e definição de conceitos críticos, além de mecanismos para tomada de decisão e resolução de conflitos. Conforme surgem novos casos de uso, os investimentos em dados se ajustam, mantendo foco no que gera maior impacto para o negócio.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
