Os fornecedores querem que você acredite que estamos no meio de uma revolução na IA, que está mudando a própria natureza de uma vez que trabalhamos. Mas a verdade, de concordância com vários estudos recentes, sugere que há muito mais nuances do que isso.
As empresas estão extremamente interessadas em IA generativa à medida que os fornecedores promovem benefícios potenciais, mas transformar esse libido de uma prova de noção num resultado funcional está a revelar-se muito mais desafiante: estão a deparar-se com a dificuldade técnica da implementação, seja devido a dívida técnica provenientes de uma rima de tecnologia mais antiga ou simplesmente sem pessoas com competências adequadas.
Na verdade, um estudo recente da Gartner descobriu que as duas principais barreiras à implementação de soluções de IA eram encontrar formas de prezar e provar valor, em 49%, e a falta de talento, em 42%. Estes dois elementos podem revelar-se obstáculos importantes para as empresas.
Considere que um estudo realizado pela LucidWorks, uma empresa de tecnologia de pesquisa empresarial, descobriu que unicamente 1 em cada 4 dos entrevistados relatou ter implementado com sucesso um projeto generativo de IA.
Aamer Baig, sócio sênior da McKinsey and Company, falando no MIT Sloan CIO Symposium em maio, disse que sua empresa também descobriu em uma pesquisa recente que unicamente 10% das empresas estão implementando projetos generativos de IA em graduação. Ele também relatou que unicamente 15% estavam vendo qualquer impacto positivo nos lucros. Isso sugere que o exaltação pode estar muito avante da veras que a maioria das empresas vive.
Por que a morosidade?
Baig vê a dificuldade uma vez que o principal fator que desacelera as empresas, mesmo com um projeto simples que exige de 20 a 30 elementos tecnológicos, sendo o LLM perceptível unicamente o ponto de partida. Eles também precisam de coisas uma vez que dados adequados e controles de segurança, e os funcionários podem ter que aprender novos recursos, uma vez que engenharia imediata e uma vez que implementar controles de IP, entre outras coisas.
Pilhas de tecnologia antigas também podem atrasar as empresas, diz ele. “Em nossa pesquisa, um dos principais obstáculos citados para entender a IA generativa em graduação foi, na verdade, o excesso de plataformas tecnológicas”, disse Baig. “Não foi o caso de uso, não foi a disponibilidade de dados, não foi o caminho para o valor; na verdade, eram plataformas tecnológicas.”
Mike Mason, diretor de IA da empresa de consultoria Thoughtworks, diz que sua empresa gasta muito tempo preparando as empresas para a IA – e a feição tecnológica atual é uma grande secção disso. “Portanto, a questão é: quanta dívida técnica você tem, quanto de déficit? E a resposta sempre será: depende da organização, mas acho que as organizações estão sentindo cada vez mais a dor disso”, disse Mason ao TechCrunch.
Tudo começa com bons dados
Uma grande secção desse défice de preparação é proveniente dos dados, com 39% dos inquiridos no questionário da Gartner a expressarem preocupações sobre a falta de dados uma vez que a principal barreira ao sucesso da implementação da IA. “Os dados são um duelo enorme e tremendo para muitas organizações”, disse Baig. Ele recomenda focar em um conjunto restringido de dados com foco na reutilização.
“Uma prelecção simples que aprendemos é realmente focar em dados que ajudam você em vários casos de uso, e que geralmente acabam sendo três ou quatro domínios na maioria das empresas nos quais você pode realmente encetar e aplicá-los ao seu negócio de subida prioridade. desafios de negócios com valores de negócios e entregar um tanto que realmente chegue à produção e graduação”, disse ele.
Mason diz que grande secção da capacidade de executar IA com sucesso está relacionada à prontidão dos dados, mas isso é unicamente secção. “As organizações percebem rapidamente que, na maioria dos casos, precisam fazer qualquer trabalho de preparação de IA, alguma construção de plataforma, limpeza de dados, todo esse tipo de coisa”, disse ele. “Mas você não precisa fazer uma abordagem de tudo ou zero, não precisa gastar dois anos antes de obter qualquer valor.”
Quando se trata de dados, as empresas também precisam respeitar a origem dos dados – e se têm permissão para usá-los. Akira Bell, CIO da Mathematica, uma consultoria que trabalha com empresas e governos para coletar e investigar dados relacionados a diversas iniciativas de pesquisa, diz que sua empresa precisa agir com zelo quando se trata de colocar esses dados para funcionar em IA generativa.
“Ao olharmos para a IA generativa, certamente haverá possibilidades para nós, e olhando para o ecossistema de dados que usamos, mas temos que fazer isso com cautela”, disse Bell ao TechCrunch. Em secção porque eles têm muitos dados privados com acordos rígidos de uso de dados, e em secção porque às vezes lidam com populações vulneráveis e precisam estar cientes disso.
“Vim para uma empresa que realmente leva a sério ser um gestor de dados confiável e, em minha função uma vez que CIO, tenho que estar muito fundamentado nisso, tanto do ponto de vista da segurança cibernética, mas também da forma uma vez que lidamos com nossos clientes e seus clientes. dados, logo sei o quão importante é a governança”, disse ela.
Ela diz que neste momento é difícil não permanecer entusiasmado com as possibilidades que a IA generativa traz para a mesa; a tecnologia poderia fornecer maneiras significativamente melhores para que sua organização e seus clientes entendessem os dados que estão coletando. Mas também é função dela agir com cautela, sem atrapalhar o progresso real, um ato de estabilidade reptador.
Encontrando o valor
Tal uma vez que quando a nuvem surgiu há uma dezena e meia, os CIOs são naturalmente cautelosos. Eles veem o potencial que a IA generativa traz, mas também precisam cuidar de aspectos básicos uma vez que governança e segurança. Eles também precisam ver o ROI real, que às vezes é difícil de medir com esta tecnologia.
Em um cláusula do TechCrunch de janeiro sobre modelos de precificação de IA, o CIO da Juniper, Sharon Mandell, disse que estava sendo um duelo medir o retorno do investimento generativo em IA.
“Em 2024, testaremos o hype da genAI, porque se essas ferramentas puderem produzir os tipos de benefícios que dizem, logo o ROI delas será supino e poderá nos ajudar a expelir outras coisas”, disse ela. Assim, ela e outros CIOs estão a realizar pilotos, avançando com cautela e tentando encontrar formas de medir se existe realmente um aumento de produtividade que justifique o aumento de custos.
Baig diz que é importante ter uma abordagem centralizada à IA em toda a empresa e evitar o que ele labareda de “muitas iniciativas skunkworks”, onde pequenos grupos trabalham de forma independente em vários projetos.
“Você precisa da estrutura da empresa para realmente prometer que as equipes de resultado e plataforma estejam organizadas, focadas e trabalhando em ritmo apressurado. E, evidente, precisa da visibilidade da subida gestão”, disse ele.
Zero disso é garantia de que uma iniciativa de IA terá sucesso ou que as empresas encontrarão todas as respostas imediatamente. Tanto Mason quanto Baig disseram que é importante que as equipes evitem tentar fazer muito, e ambos enfatizam a reutilização do que funciona. “A reutilização se traduz diretamente em velocidade de entrega, mantendo seus negócios satisfeitos e gerando impacto”, disse Baig.
Independentemente de uma vez que as empresas executem projetos de IA generativos, não devem permanecer paralisadas pelos desafios relacionados com a governação, a segurança e a tecnologia. Mas também não deveriam permanecer cegos pelo hype: haverá muitos obstáculos para quase todas as organizações.
A melhor abordagem poderia ser fazer um tanto que funcione e mostre valor e edificar a partir daí. E lembre-se de que, apesar do exaltação, muitas outras empresas também estão passando por dificuldades.