Apesar da ascensão da inteligência artificial nas empresas, uma pesquisa do Gartner prevê que, até 2026, 60% dos projetos de IA serão abandonados caso não sejam sustentados por dados adequados à tecnologia.
Esse possível abandono decorre da novidade da ferramenta e da dificuldade em encontrar profissionais capacitados para atuar com ela. Ainda segundo o estudo, 63% das companhias não possuem, ou não têm certeza se possuem, as práticas corretas de gerenciamento de dados para IA.
O levantamento, realizado com 1.203 líderes de gestão de dados em julho de 2024, apontou ainda que as organizações que não identificarem as grandes diferenças entre os requisitos de dados preparados para inteligência artificial e o gerenciamento tradicional colocarão em risco o sucesso de seus esforços de inovação com a tecnologia.
Roxane Edjlali, diretora e analista sênior do Gartner, comentou como a IA está levando os CIOs e CDAOs a reformular suas práticas de gestão de dados para dar suporte e implementar a inteligência artificial em suas operações. Confira:
Como os líderes de TI podem integrar estratégias de dados preparados para IA aos sistemas de gerenciamento de dados já existentes?
O Gartner recomenda que as empresas utilizem suas práticas atuais como base, acrescentando gradualmente inovações específicas da IA que ampliem e aprimorem a gestão dos dados. Assim, será possível oferecer suporte a novos casos de uso, como a inteligência artificial generativa.
Isso pode incluir armazenamentos de dados vetoriais, fragmentação, amostragem, incorporação e integração de geração aumentada por recuperação (RAG), entre outras possibilidades.
É importante lembrar que os dados prontos para IA não são preparados uma única vez. Encare isso como uma prática contínua, em que a infraestrutura de gerenciamento de dados deve ser constantemente aperfeiçoada, considerando os casos de uso presentes e futuros da IA.
As operações tradicionais de gestão de dados são excessivamente lentas, estruturadas e rígidas para as equipes de inteligência artificial. Os líderes de TI não podem continuar dependendo exclusivamente de abordagens formais de gerenciamento se quiserem integrar com êxito a IA em sua estratégia de Data & Analytics.
Leia mais: Janela de atualização de PCs impulsiona estratégia de crescimento da HP em IA
Que medidas os líderes podem tomar para garantir que seus dados estejam prontos para IA?
Primeiramente, os líderes devem definir o que caracteriza dados preparados para inteligência artificial. Esses dados precisam ser representativos do caso de uso, contemplando todos os padrões, erros, valores discrepantes e ocorrências inesperadas necessários para treinar ou executar o modelo de IA de forma eficaz.
Há cinco etapas que os CIOs e CDAOs devem considerar para viabilizar essa preparação. Além de alinhar os dados aos objetivos específicos, é fundamental identificar os requisitos de governança de dados voltados à IA, a fim de evitar ou mitigar riscos relacionados a exigências legais e ao uso antiético de produtos baseados em inteligência artificial.
Nesse contexto, os CDAOs devem atuar em conjunto com os líderes jurídicos e de negócios para responder a questões como: os dados serão interoperáveis entre diversas comunidades de usuários e aplicações? Como é possível detectar automaticamente informações sensíveis, entre outras?
Também é necessário transformar os metadados de passivos em ativos, com o objetivo de gerar inteligência, proporcionar automação e promover aprimoramento contínuo. É preciso preparar os pipelines de dados para criar um conjunto específico voltado ao treinamento de modelos de IA, bem como garantir a qualidade e promover melhorias constantes nesses dados.
Para isso, os líderes podem implementar práticas de DataOps e processos de observabilidade que possibilitem o monitoramento de padrões e alterações, ajustando os requisitos conforme necessário. Acima de tudo, se os dados apresentarem falhas, eles não estarão prontos para a inteligência artificial.
Como as empresas governam os dados preparados para IA?
À medida que as organizações evoluem de projetos-piloto para a adoção plena da IA, torna-se essencial adotar estratégias colaborativas e interdisciplinares para gerenciar e governar essa tecnologia em toda a estrutura corporativa — um fator crucial para o sucesso sustentável.
Os tomadores de decisão podem considerar a Governança Corporativa de IA (EGoAI) como uma abordagem flexível, capaz de integrar diferentes áreas de governança para decisões responsáveis e alinhadas aos objetivos de negócio. Essa jornada geralmente tem início no nível executivo, estabelecendo uma camada virtual de práticas decisórias sobre os domínios já existentes de governança de TI, Data & Analytics e gestão de riscos.
Por exemplo, se uma empresa deseja utilizar a IA para aprimorar a experiência do cliente e impulsionar o crescimento, o processo de decisão começa na alta liderança. Em seguida, o CIO ou o CDAO desenvolverá uma resposta de governança, avaliando riscos, benefícios e custos, além de coordenar as decisões necessárias para executar e atender às expectativas dos executivos.
Embora as práticas de governança sejam fundamentais para a prontidão dos dados, empresas que ainda operam com métodos básicos ou manuais de gerenciamento de metadados enfrentarão grandes desafios. Por isso, é essencial começar a amadurecer essas práticas desde já, como primeiro passo rumo à preparação para a inteligência artificial.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!