Nos últimos meses, tenho viajado pelo mundo inteiro, conversando com clientes sobre sobre inteligência artificial (IA). Compartilhei minha perspectiva sobre IA com empresários e líderes e compreendi como e onde tem progredido: nas organizações globais. Há um consenso retumbante sobre o impacto da automação em diferentes operações de TI e um termo que veio ao primeiro plano: AIOps.
Em Melbourne, ouvi de empresas que procuram tornar os serviços governamentais e de telecomunicações mais inteligentes — mais sintonizados com as necessidades do cliente final e dos cidadãos sem sobrecarregar as equipes de TI. Em Nova York e Londres, empresas de serviços financeiros expressaram a necessidade de fazer o negócio funcionar mais rápido e aperfeiçoar a administração dos recursos tecnológicos para dar suporte às suas necessidades comerciais.
São Paulo e Chicago desencadearam conversas sobre o setor industrial. No Oriente Médio, as organizações de energia e recursos naturais queriam maneiras de inovar sem contratar e treinar mais pessoas. Todas essas necessidades podem ser atendidas usando os investimentos tecnológicos existentes e aproveitando melhor os dados com as equipes já existentes.
Em Cingapura e Hong Kong, conversei com integradores de sistemas que buscam formas de combinar o valor dos investimentos existentes com o risco das tecnologias emergentes. Eles estão vendo organizações – do governo às empresas comerciais e de consumo – querendo aproveitar seus dados para criar e fornecer novos serviços, superar as expectativas dos consumidores e encontrar formas de fazer mais com menos.
Aqui entra a IA. Mais importante, sim, IA generativa usando grandes modelos de linguagem com dados confiáveis — seus próprios dados.
Pensando dessa maneira, cada organização gera, armazena e frequentemente analisa imensas quantidades de dados próprios. As solicitações e ações de seus funcionários e clientes geram quantidades incríveis de dados que só crescem a cada ano. Logo, os ativos de cada empresa (computadores, servidores, terminais de IoT, processadores, etc.) — todas as máquinas e aplicações que fazem seu negócio funcionar — complementam os dados de pessoas.
Isso é tudo o que se necessita para melhorar as solicitações e realização de serviços e o atendimento, garantir a otimização da tecnologia e prever as necessidades de operar a TI de forma mais proativa. Tudo o que necessita ser feito é usar os modelos de aprendizado (machine learning, em inglês) e inteligência para incorporar, gerenciar e aplicar os dados corretos para esses insights.
Por exemplo, uma grande empresa global depende de sua tecnologia para fornecer as informações e serviços de que os assinantes precisam para tomar decisões certas. Seus serviços dão forma ao comportamento dos mercados. Essa empresa não pode se dar ao luxo de ter impactos na disponibilidade de seus serviços digitais ou mesmo uma defasagem que possa impactar a tomada de decisões.
Isso significa que sua equipe de TI – uma organização ágio e eficiente – deve ser capaz de monitorar e contabilizar constantemente milhões de fontes de dados, a tecnologia que correlaciona os dados para obter informações valiosas e os veículos de entrega e canais digitais, mantendo a empresa operando em sua máxima velocidade e na velocidade do mercado.
Os modelos de IA integrados ao software de operações de TI apresentam enfoque para abordar necessidades de negócios. Com a IA incorporada a essas soluções de observabilidade, podem prever e otimizar proativamente as operações de tecnologia de cada empresa. Em última análise, isso significa que necessita menos horas de trabalho e, no lado do monitoramento, para garantir uma fonte constante e confiável. Em vez disso, podem dedicar seu tempo implantando novos serviços que geram receita.
Esta história é única, mas o valor realizado é replicável em todas indústrias. O maior obstáculo é a relutância e hesitação em implantar modelos de IA em toda a organização — e com razão. Há cautelas e preocupações que devem ser necessárias quando se trata dessa tecnologia massivamente disruptiva.
As preocupações éticas com a IA – e, em particular, com a IA generativa – são reais. As alucinações são um desafio legítimo a ser superado, e o mundo dos deepfakes só reforça a necessidade de maior cautela. No entanto, há uma oportunidade de aplicar IA generativa em cada empresa hoje.
E se pudesse aproveitar o poder dos dados da sua empresa? Sou um grande admirador de dados de código aberto e conjuntos de aprendizagem, mas, quando se trata de sua empresa, existem conjuntos de dados específicos que são úteis e relevantes. Por exemplo, saber qual é a rotina diária da minha avó não será de grande ajuda na separação de tickets de serviço para obter uma solução de forma mais rápida.
Mas, não é necessariamente melhor quando se trata de IA generativa em sua organização. Os dados certos são muito mais importantes, e isso geralmente significa usar modelos de aprendizado que continuarão a aprender com as necessidades específicas da sua organização. Em suma, a IA generativa pode criar um valor ainda maior para os dados de cada empresa.
A IA tem lugar certo na empresa e oferece valor incrível atualmente. Há maneiras pelas quais a IA generativa pode criar imenso valor para área de TI das organizações e, além disso, em sua capacidade de prever, resolver e atender proativamente às necessidades e requisitos das operações de TI — desde operações automatizadas a operações de autoatendimento, DevOps e muito mais. Tudo começa com os dados em que você confia — os seus.
Ram Chakravart, diretor de tecnologia da BMC.
