Os dados são a base do potencial da IA generativa. Ou, como (d)escreve a McKinsey, «se os dados não estão preparados para a IA generativa, a empresa não está preparada para a IA generativa». A consultora estima que o uso destas tecnologias possa trazer potenciais benefícios económicos anuais que variam entre 2,6 e 4,4 biliões de dólares, em vários sectores. No entanto, a consultora alerta para o facto de estas vantagens dependerem de forma crítica da prontidão da infra-estrutura de dados de uma empresa. Uma recente pesquisa da McKinsey sugere que o sucesso das aplicações de IA generativa está directamente ligado à qualidade e à estrutura dos dados subjacentes. Isto representa um desafio assustador para os chief data officers (CDO), especialmente considerando que 72% das principais organizações já identificam a gestão de dados como uma grande barreira para escalar iniciativas de IA.
A McKinsey propõe, por isso, uma estratégia focada para as empresas que desejam aproveitar a IA generativa de forma eficaz. Esta estratégia inclui a melhoria da arquitectura de dados para suportar uma vasta gama de casos de utilização, especialmente para lidar com dados não-estruturados, e a melhoria da gestão do ciclo de vida dos dados para garantir resultados de alta qualidade. Proteger informações confidenciais e manter-se adaptável aos regulamentos emergentes também são enfatizados como prioridades-chave.
Além disso, a consultora aconselha as empresas a cultivar talentos de engenharia de dados para reforçar os seus programas de dados, sugerindo uma mudança para mais engenheiros e menos cientistas de dados. A utilização de IA generativa para optimizar os próprios processos de gestão de dados é outra recomendação, destacando o papel da tecnologia na melhoria da governação e análise de dados. A McKinsey conclui que, embora a IA generativa apresente enormes oportunidades, não deve ofuscar outras tecnologias orientadas para os dados, como a IA tradicional e a aprendizagem automática, que continuam a oferecer um valor substancial. Os CDO são instados a manter um foco equilibrado, garantindo que os seus esforços em IA generativa não prejudiquem as iniciativas mais amplas de gestão e análise de dados.
Os desafios da gestão de dados
Na era da IA, a gestão de volumes de dados apresenta alguns desafios, em particular o crescimento exponencial no volume e na diversidade desses dados, disse à businessIT Clara Albuquerque, partner da Bain & Company, nomeadamente, a gestão de dados não-estruturados, mais complexos de gerir: «Esta complexidade aumenta a procura por soluções avançadas que possam lidar com o volume, variedade e velocidade dos dados de forma eficiente». Outro desafio apontado por Clara Albuquerque é a integração da IA generativa nos fluxos de trabalho actuais, assim como o treino dos modelos, que «sublinham a necessidade de estratégias robustas de gestão de dados que possam acomodar a natureza dinâmica dos modelos de IA e garantir a sua integração e utilização eficazes nos sistemas existentes». Por último, a partner da Bain & Company mencionou o facto de a disponibilidade e o acesso a modelos de IA generativa estarem a acelerar (apesar de ainda estarem numa fase exploratória), destacando a necessidade de investigação contínua, desenvolvimento e processos rigorosos de teste e validação.
Benefícios são múltiplos
Os benefícios do uso da IA nas empresas são múltiplos, diz Hervé Silva, partner da Deloitte, e envolvem o incremento da eficiência e produtividade, a redução de custos, a melhoria dos seus actuais produtos e serviços, inovação e crescimento do negócio, criação de novos produtos ou serviços, geração de novas oportunidades, deslocação da força de trabalho para tarefas de maior valor, maior agilidade, mais qualidade, melhoria da experiência e compliance superior e mais optimizado. «À semelhança dos padrões de adopção de outras tecnologias verificados no passado, também na IA os esforços ainda têm estado maioritariamente concentrados na eficiência, produtividade e redução de custos».
