Partilhe nas Redes Sociais

8 máximas para fugir ao insucesso em projetos de IA

Publicado em 5 Julho 2022 | 428 Visualizações

A Gartner prevê que em 2025 o recurso a ferramentas de inteligência artificial se tenha já generalizado e que a IA lidere os investimentos das empresas em tecnologia. Até lá espera-se também que as empresas aprendam a trabalhar de forma mais eficiente com estas ferramentas. Um estudo da Universidade de Harvard revela que, atualmente, 85% dos projetos nesta área falham. 

Há regras de ouro para contrariar esta tendência e escalar com sucesso a IA dentro das organizações? A Keepler Data Tech, que opera na área da analítica avançada de dados, diz que sim e partilha oito passos que considera indispensáveis para isso. 

Infraestrutura de dados na cloud. A cloud deve ser a base do investimento em IA, pela flexibilidade das soluções que integra para lidar com cenários e necessidades futuras. Como sublinha a Keepler, as grandes nuvens públicas investem mais de 90 mil milhões de dólares em investigação e desenvolvimento, um valor que revela o tamanho da aposta nas suas infraestruturas. 

Apostar em recursos dedicados. Estas plataformas de dados requerem pessoas especializadas, sejam elas contratadas, ou deslocadas de outras áreas por terem capacidade para liderar estas iniciativas.

Evitar silos que dividam a organização. Promover uma cultura de dados que evite silos na organização é fundamental, porque estas barreiras vão impedir o reaproveitamento dos  investimentos realizados em projetos, entre diferentes unidades de negócio.

Garantir disponibilidade permanente dos dados. Se os dados estiverem compartimentados em diferentes áreas da empresa, a operação vai avançar a diferentes ritmos. «Acreditamos que a abordagem mais apropriada é tê-los o mais próximo possível do local onde são produzidos e fazer um modelo mais federado de acesso aos dados (data mesh)», defende a Keepler. Isto vai facilitar a utilização de dados no contexto em que são gerados, mas também o seu reaproveitamento para casos de utilização específica. 

Escolher abordagens incrementais. Trabalhar com dados deve ser visto como iterativo e experimental. As empresas com mais sucesso na tarefa são as que falham e avançam rapidamente para outro objetivo, defende a Keepler. Recomendam-se por isso abordagens incrementais e interativas, onde os dados são explorados, é identificada uma pool de dados limitados, faz-se uma prova de conceito, o conhecimento é extraído e as decisões baseadas nos resultados do projeto.

Adotar um modelo de governação da IA. O modelo de dados da empresa vai depender do modelo organizacional. Nas empresas muito reguladas a tomada de decisões é mais centralizada, nas restantes mais independente e alocada a áreas de negócio específicas, o que vai fazer a diferença entre velocidade e controlo dos dados.Em comum, os dois modelos têm de ter normas mínimas de segurança, privacidade no desenho e controlo dos serviços, capazes de responder a todas as necessidades. 

Assegurar o talento necessário. 46% das empresas portuguesas têm dificuldades em encontrar os perfis digitais de que precisam e nesta área isto também se verifica. Muitas empresas estão a procurar responder a esta escassez «as empresas estão a começar a fazer planos analíticos, para carreiras relacionadas com as novas tecnologias, mas ainda é uma questão que tem de ser claramente definida em muitas empresas».

Dar o passo seguinte. Quanto os projetos experimentais mostram bons resultados, só terão condições para concretizá-los se não ficarem na gaveta e por isso a Keepler defende que deve haver um alinhamento dos «esforços em IA e automatização de processos que realmente ajudam, de um ponto de vista empresarial». 


Publicado em:

Atualidade

Partilhe nas Redes Sociais

Artigos Relacionados