A implementação de projetos de Inteligência Artificial em organizações tem se mostrado mais complexa do que a maioria imaginava. Falta de planejamento, projetos mal concebidos e custos operacionais subdimensionados estão entre os fatores que explicam resultados insatisfatórios.
Em novembro de 2024, um artigo da Forbes americana indicava que 85% dos modelos de IA poderiam falhar. Quase um ano depois, um estudo do Stanford Media Lab revela que 95% dos modelos de IA trazem equívocos e causam prejuízos consideráveis.
Para o diretor de Artificial Intelligence Solutions & Strategy da Quality Digital, Cassio Pantaleoni, a IA entrega uma resposta apropriada ao que foi solicitado, e não a resposta certa. “Sem curadoria e sem lógica na formulação das solicitações, passamos a ter casos de aumento de produtividade individual e perda de produtividade organizacional”, diz. É o chamado Work Slop, quando erros se propagam pela cadeia produtiva.
Tais falhas mostram que muitas organizações ainda não adquiriram maturidade para o uso eficiente dessa tecnologia. “Antes de sair fazendo um projeto de IA, você precisa pensar no impacto que essa iniciativa pode proporcionar e, para isso, é fundamental ter pessoas capacitadas, letradas e treinadas”, afirma o vice-presidente e diretor comercial da Quality Digital, Roberto Ave Faria
Faria chama essa capacitação de Education, a primeira etapa na construção de uma cultura organizacional Data-Driven, onde as decisões são tomadas a partir de dados. “Para que um projeto de IA dê certo, é preciso que as empresas sejam orientadas por dados, que as suas decisões sejam definidas por dados, que sejam empresas Data-Driven.”
Trata-se de uma mudança de paradigma e, por isso, de acordo com o executivo, deve começar pelo alto escalão das companhias e organizações. “A partir desse processo de Education, letramento e capacitação de liderança e de multiplicadores internos é que as organizações passam a ter capacidade para melhor utilizar as IA’s em projetos que tragam resultados reais.”
O vice-presidente e diretor da Quality Digital aponta que o segundo pilar para o êxito com iniciativas de Inteligência Artificial é a qualidade dos dados, o que é feito com infraestrutura e governança.
O terceiro pilar que pode definir o sucesso de um projeto em IA está na avaliação do real impacto que a iniciativa trará para a organização. “Qual é o resultado efetivo que quero ter? Quanto de retorno sobre o investimento ele vai me trazer? Quais são os ganhos reais para a minha organização? Sem ter essas respostas bem definidas, um projeto de IA se torna uma corrida pela tecnologia e não pelos benefícios que ela pode proporcionar”, diz Faria.
Segundo ele, os atores mais maduros em matéria de IA estão baseando seus projetos na capacitação de liderança e cultura Data-Driven; governança de dados; e planejamento para avaliar o impacto de retorno que a iniciativa vai trazer para a organização.
“Se não olhar profundamente para esses pilares, a empresa vai se frustrar com o projeto de IA, seja não atingindo algum requisito técnico ou não obtendo o retorno de investimento esperado”, afirma ele.
