As empresas contam com três maneiras de garantir que a inovação e a visão da IA se concretizem – muitas adotam iniciativas de IA baseadas em dados para aproveitar as vantagens de ser uma empresa data-first. Em média, organizações líderes na gestão de dados alcançam 37% mais inovação e têm 13,5 vezes mais probabilidade de superar concorrentes no lançamento de produtos comparadas a empresas com gestão de dados mais lenta¹.
Além disso, é esperado que o amadurecimento das aplicações de IA resulte em uma ampla gama de serviços generativos para empresas de todos os setores. De acordo com recente pesquisa da Sapio, isso já levou 43% das empresas a se envolver em projetos significativos de IA e 94% a fazer planos de aumentar os investimentos em IA nos próximos 12 meses².
Sinais de alerta à frente
A pesquisa realizada pela Sapio também revela que o entusiasmo inicial pode levar à decepção de muitas organizações. Isso ocorre porque a maioria das empresas parece excessivamente confiante ao disponibilizar seus dados para as aplicações de IA. Esta é a realidade, principalmente, para as que buscam iniciativas de IA em escala.
Embora 72% das organizações pesquisadas se considerem prontas para a IA, uma análise mais profunda revelou que os níveis de maturidade de dados são inaceitavelmente baixos:
Só 7% das empresas podem executar push ou pull de dados em tempo real para impulsionar a inovação ou monetizar dados externos.
Apenas 26% têm gestão adequada para permitir análises avançadas, questão essencial para otimizar o retorno da IA.
Pouco mais de 6 em 10 empresas podem lidar com todas as etapas do preparo de dados – o que inclui acesso, organização, limpeza e armazenamento eficazes e consistentes.
Para manter os projetos de IA no caminho certo e garantir o sucesso de iniciativas futuras, as empresas podem corrigir suas discrepâncias de disponibilidade de dados, integrando os três passos abaixo na adoção da IA.
Primeiro passo: avaliar e remediar restrições na acessibilidade de dados
Na maioria das empresas, o ponto principal dos dados não está em "já acumulamos dados valiosos", mas sim se eles podem ser localizados e acessados por cientistas de dados e aplicações de IA em tempo real. Basicamente, conjuntos de dados isolados, ocultos e mal rotulados são comuns. Isso cria acesso desigual, o que pode alterar significativamente os resultados que aplicações dependentes de dados, como a IA, podem fornecer. Para remediar a situação, as tarefas devem incluir:
Estabeleça uma fonte única da verdade baseada em um modelo moderno. Como é impraticável armazenar todos os dados em um único repositório, as empresas devem implementar um sistema de suporte que se estenda pelos repositórios de dados existentes e novos para criar uma fonte única da verdade virtual. Isso garante visibilidade global dos dados e permite que todos os tipos e fontes de dados estejam unidas.
Aproveite a arquitetura de infraestrutura de nuvem híbrida. Isso permite que os dados residam em qualquer lugar, ainda sendo tratados como uma fonte única da verdade unificada. A conclusão bem-sucedida dessa tarefa requer tomar decisões no gerenciamento de dados e infraestrutura em paralelo, exigindo colaborações eficazes e eficientes entre as equipes de dados e TI.
Inicie processos abrangentes de organização e gestão de dados. Nas etapas iniciais, uma abordagem orientada através de pessoas para organizar e gerir dados é mais benéfica, pois o software para automatizar esses processos não será capaz de discernir quais dados são relevantes ou necessários. Posteriormente, soluções de automação podem ser aplicadas de forma eficaz aos processos contínuos de classificação e gestão de dados.
Segundo passo: desenvolver o armazenamento de dados prontos para a IA
Como a execução dos trabalhos em IA demanda um ambiente de armazenamento que possa lidar com requisitos de capacidade e desempenho em escala, a modernização do armazenamento é imperativa. Sistemas de armazenamento legados são insuficientes em um mundo centrado na IA. Isso ocorre porque o armazenamento legado pode ser capaz de dimensionar a capacidade, mas não o desempenho. Para estabelecer o armazenamento ideal para IA, é recomendado que cada empresa:
Adote uma solução única de armazenamento construída de forma modular, desagregada e compartilhada. Isso permite escalonar o desempenho e capacidade de forma independente para garantir que as necessidades de aprimoramento sejam atendidas para ações focadas em capacidade, como consolidação e organização de dados, e para atividades intensas em computação, como treinamento e inferência das aplicações de IA.
Considere a latência ao avaliar as opções de armazenamento. A baixa latência é outra necessidade para obter os benefícios da IA. Nuvens privadas e híbridas geralmente oferecem as melhores soluções de minimização de latência. Nuvens públicas frequentemente apresentam uma latência maior, tornando-as a abordagem de armazenamento menos adequada para implementação da IA em escala.
Terceiro passo: apoie a evolução contínua
Uma vez que a acessibilidade e o armazenamento forem verificados, as empresas podem passar para a segurança de dados e automação, o que deve incluir:
Desenvolva camadas robustas para proteção de dados. Use uma ampla variedade de métodos de segurança, como a adoção de serviços modernos de backup e recuperação de dados, serviços de monitoramento de rede aprimorado por IA, treinamentos de segurança para colaboradores e a implementação de soluções de gerenciamento de identidade e acesso.
Use a IA para auxiliar na limpeza de dados. Como a velocidade é a nova palavra de ordem, a capacidade de preparar dados rapidamente é essencial para alcançar os resultados desejados. Os algoritmos podem realizar várias tarefas de limpeza de dados, como encontrar e corrigir inconsistências, filtrar arquivos, corrigir erros estruturais e eliminar cópias desnecessárias.
Automatize a governança contínua de dados. Uma vez concluídas as etapas iniciais de governança de dados lideradas por pessoas, uma solução inteligente e automatizada de classificação e organização de dados pode garantir que os dados sejam preparados adequadamente à medida que são coletados e, mais crucialmente, antes de serem usados para treinamento e inferência de IA.
Não importa em qual ponto da jornada de adoção da IA a empresa está, o sucesso de qualquer projeto baseado em IA depende da qualidade, disponibilidade, segurança e gestão de dados. Com as etapas-chave bem definidas, as empresas podem tirar o máximo proveito do potencial da IA para transformar os negócios de forma inovadora.
Alfredo Yepez, Vice Presidente Sênior e Diretor Geral da HPE América Latina e Sul da Europa.
|
