Aqueles que resolverem o dilema dos dados vencerão a revolução da inteligência artificial

Vencerão a revolução da inteligência artificial os que resolverem o dilema dos dados.

Isso ocorre porque bons resultados de IA – seja uma ação recomendada, algum tipo de detecção de anomalias ou ameaças, ou até mesmo uma resposta de atendimento ao cliente usando IA generativa – dependem do uso de dados abundantes e de alta qualidade para treinar os modelos subjacentes.

Muitos dos casos de uso de IA generativa que têm impressionado o público nos últimos meses – se entregues com segurança e diretrizes adequadas – serão verdadeiramente adicionais ao valor de nossa capacidade de realizar trabalhos. Mas eles também rapidamente se tornarão comoditizados. Para se diferenciar dos concorrentes, você precisará aproveitar os dados proprietários de sua organização para obter os melhores resultados possíveis para o seu negócio.

Embora os dados sejam a vida da IA, os dados confiáveis para sua própria organização muitas vezes são difíceis de encontrar. De fato, entre os entrevistados no estudo A.I. IQ: Insights sobre Inteligência Artificial nas Empresas, patrocinado pela Workday, 77% dos participantes estavam preocupados que os dados de sua organização não sejam nem oportunos nem confiáveis o suficiente para usar com IA e aprendizado de máquina (M.L.). Da mesma forma, a falta de volume ou qualidade de dados foi o principal motivo (29%) para o fracasso das implementações de A.I. e M.L. em atender às expectativas.

Pare por um momento e deixe isso afundar: a grande maioria das organizações não confia totalmente em seus próprios dados para obter os melhores resultados possíveis de IA.

Um grande impulsionador disso é o grande número de aplicativos que a organização média utiliza. Todos esses aplicativos usam e produzem dados. Um relatório recente da Accenture constatou que a empresa média utiliza mais de 500 aplicativos de vários fornecedores, e 80% dos entrevistados da pesquisa afirmam que comprarão mais aplicativos de fornecedores adicionais nos próximos dois anos. É um dilema. Você tem grandes quantidades de algo muito valioso, mas tem dificuldade em colocá-lo em uma forma confiável e oportuna. É seguro dizer que esse dilema de dados não será resolvido pela maioria das empresas em breve.

Portfólios de tecnologia excessivamente complexos prejudicam o valor quando se trata de coleta e curadoria de dados, mas a complexidade também pode tornar difícil reunir todos os seus dados em um só lugar para alimentar algoritmos de IA. Cada um desses aplicativos é um silo de dados que deve ser integrado, curado, governado e protegido se você quiser que esses dados alimentem os melhores resultados e insights possíveis.

A integração de sistemas desconexos muitas vezes vem com um alto custo de desenvolvimento e manutenção, e ao alcançar consistência entre esses sistemas, você está, por definição, sacrificando a tempestividade do conjunto de dados unificado. Esse sacrifício deixa uma visão desatualizada que mostra apenas como sua empresa estava operando, não o que está acontecendo agora. Se dados isolados promovem riscos e falta de confiabilidade, simplificar o domínio de dados por meio de plataformas modernas oferece esperança. Sistemas âncora-chave que suportam a empresa – plataformas principais como gerenciamento de relacionamento com o cliente (CRM), gerenciamento de capital humano (HCM), gerenciamento financeiro, gerenciamento de estoque e outros – podem ajudar a reduzir o risco de segurança e os silos de dados.

Para resolver o dilema de dados da IA, comece com os resultados e insights de negócios que você deseja entregar. Somente então você deve começar a identificar quais dados impulsionarão esses resultados e insights de negócios. Muitas empresas frequentemente começam com os dados e depois tentam usá-los para obter insights. Isso é uma forma invertida de fazer as coisas, desperdiça tempo e não entrega valor empresarial.

Depois de ter o resultado de negócios em mente, a solução para aproveitar ao máximo os dados que você possui – idealmente em uma plataforma unificada versus um mosaico de sistemas – é tratar esses dados como um produto em sua própria empresa. Defina explicitamente um proprietário para esses dados e um SLA, ou acordo de nível de serviço (indicando quão confiável ele é, quão oportuno, etc.). Depois de concluir o trabalho de engenharia para disponibilizar esses dados, é importante que eles estejam disponíveis para toda a empresa – não apenas para a equipe que os criou, possui ou foi a primeira a solicitá-los.

E lembre-se, é um mito que a quantidade seja a chave para uma IA robusta. É nossa opinião – e nossa experiência – que a qualidade dos dados escalona a IA melhor do que a quantidade de dados. Também é verdade que a qualidade dos dados – na escala necessária para a IA – é mais difícil de ser alcançada do que a quantidade pura, mas é fundamental para uma IA confiável, responsável e útil no local de trabalho.

É importante notar que a natureza transformadora da IA provavelmente está sendo superestimada a curto prazo e subestimada a longo prazo. Existem casos de uso que ainda não podemos imaginar que criarão novas indústrias, modelos de negócios e formas de trabalhar. A única coisa que não mudará é a necessidade de dados confiáveis. Aqueles que fazem o trabalho árduo agora de organizar suas casas de dados estão preparados para colher os benefícios do que o futuro reserva.

Jim Stratton é o diretor de tecnologia da Workday. A Workday é uma parceira ANBLE Live Media.