Não é segredo que a expansão da Inteligência Artificial (IA) tem acontecido de forma acelerada no meio empresarial. Um estudo recente da Bain revela que 87% das companhias estão desenvolvendo, pilotando ou implantando essa tecnologia, seja em desenvolvimento de código de software, atendimento ao cliente, diferenciação de produtos ou marketing e vendas. Mais de 60% das organizações pesquisadas veem a IAGen como uma das três prioridades nos próximos dois anos. Contudo, apenas cerca de 35% têm uma visão claramente definida de como criar valor comercial a partir dessas inovações.
Apesar de positiva no cenário tecnológico, essa adoção massiva pode causar obstáculos de logística e infraestrutura, o que significa que o futuro da escalabilidade em aplicações de IA enfrenta diversos desafios, tanto técnicos quanto humanos.
Um dos principais é a falta de profissionais qualificados capazes de utilizar as tecnologias de IA de forma eficiente e segura, ou seja, a escassez de mão de obra especializada pode retardar o avanço da escalabilidade. Este relatório da Microsoft e do LinkedIn aponta que a procura por profissionais com habilidades em IA aumentou 323% nos últimos oito anos.
O consumo energético também é crítico na adoção da IA. As grandes empresas que trabalham com IA, especialmente aquelas que treinam modelos de linguagem de grande escala (LLMs), consomem grandes quantidades de energia. Para que a IA possa escalar de forma eficiente e acessível, será necessário desenvolver métodos de treinamento e utilização que reduzam esse consumo.
Como solução, o Edge Computing transforma a escalabilidade da IA ao permitir operações distribuídas em dispositivos locais, com maior eficiência e respostas rápidas, sem depender de infraestruturas centralizadas. Isso otimiza recursos, melhora o desempenho e acelera o desenvolvimento de IA, especialmente em áreas como saúde e finanças, em que a privacidade é essencial, já que os dados são processados localmente, sem a necessidade de transferências para servidores externos.
Contudo, a infraestrutura de redes atual ainda não está totalmente preparada para suportar a expansão da IA para o Edge em larga escala. São necessárias adaptações específicas para permitir que as redes consigam lidar com o processamento distribuído de forma eficiente e segura. Como acontece com qualquer nova tecnologia, novos problemas surgirão e soluções inovadoras serão necessárias para superá-los.
O aumento da utilização de dispositivos IoT (Internet das Coisas) também representa um desafio significativo para a escalabilidade da IA. O volume de dados gerado por esses dispositivos continua a crescer exponencialmente, o que exige uma capacidade cada vez maior de processamento e análise. Soluções de IA locais, especializadas e distribuídas pelo Edge Computing podem ser a chave para lidar com essa explosão de dados, permitindo que cada dispositivo trate de informações relevantes de maneira mais eficiente. A aplicação de IA em cidades inteligentes, por exemplo, poderia se beneficiar enormemente dessa abordagem distribuída.
É importante ressaltar também que, comunidades open source podem desempenhar um papel essencial na aceleração da inovação e da escalabilidade da IA no Edge. O uso de código aberto facilita o desenvolvimento colaborativo e permite que soluções sejam adaptadas e aplicadas a diversos problemas de forma mais rápida e acessível. À medida que essas comunidades continuem a crescer, espera-se que contribuam para a disseminação e o aprimoramento das tecnologias de IA tornando-as mais escaláveis e acessíveis para diferentes setores e regiões.
Antonio Paes, Chief AI Officer na Zallpy Digital.