A implementação de projetos de inteligência artificial (IA) em organizações tem se mostrado mais complexa do que o esperado. A falta de planejamento adequado, projetos mal concebidos, desconsideração do consumo de tokens e custos operacionais subdimensionados estão entre os fatores que explicam a ausência de resultados efetivos.
Causas do Fracasso em Projetos de IA
Um estudo do Stanford Media Lab revelou que 95% dos modelos de IA apresentam equívocos e causam prejuízos consideráveis. Cassio Pantaleoni, diretor de Artificial Intelligence Solutions & Strategy da Quality Digital, explica que:
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. É o que chamamos de Work Slop, quando erros se propagam pela cadeia produtiva.
— Cassio Pantaleoni, diretor da Quality Digital
Tais falhas expõem que muitas organizações ainda não possuem a maturidade necessária para o uso eficiente dessa tecnologia. Roberto Ave Faria, vice-presidente e diretor comercial da Quality Digital, complementa:
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.
— Roberto Ave Faria, vice-presidente da Quality Digital
Pilares para o Sucesso em IA
Faria destaca que essa capacitação, denominada “Education”, é a primeira etapa na construção de uma cultura organizacional Data-Driven, onde as decisões são tomadas com base em dados. Para que um projeto de IA seja bem-sucedido, é essencial que as empresas sejam orientadas por dados, ou seja, Data-Driven.
Essa mudança de paradigma deve começar pela alta gestão das companhias. A partir desse processo de capacitação da liderança e de multiplicadores internos, as organizações passam a ter capacidade para utilizar as IAs em projetos que gerem resultados reais.
Governança de Dados e Avaliação de Impacto
Além disso, o segundo pilar para o sucesso em IA é a qualidade dos dados, alcançada com infraestrutura e governança. Pantaleoni explica que a falta de governança de dados é o problema mais sério enfrentado pelas empresas atualmente. Sem dados bem estruturados, a organização não produzirá IAs capazes de fornecer a interpretação necessária.
O terceiro pilar está na avaliação do impacto real que a iniciativa trará para a organização. Qual é o resultado efetivo esperado? Qual o retorno sobre o investimento? Quais os ganhos reais? Sem essas respostas claras, um projeto de IA se torna uma busca pela tecnologia em si, e não pelos benefícios que ela pode proporcionar.
O Caminho para o Sucesso
Os atores mais maduros em IA baseiam seus projetos na capacitação da liderança e na cultura Data-Driven, na governança de dados e no planejamento para avaliar o impacto e o retorno da iniciativa. Segundo Faria, se esses pilares não forem considerados, a empresa pode se frustrar com o projeto, seja por não atingir os requisitos técnicos ou por não obter o retorno de investimento esperado.
Self-Funding e Jornada de Transformação Digital
Uma alternativa para as organizações que desejam investir em IA é o self-funding, onde o orçamento é definido com base no retorno financeiro que a própria iniciativa proporcionará. Desse modo, a área de IA gera um pipeline de projetos eficientes, com prioridade adequada e análise do que será alcançado pela empresa.
Ao abordar a transformação digital, Faria e Pantaleoni defendem a ideia de estabelecer uma jornada, mobilizando diversas áreas para entregar resultados. Essa jornada inicia na produtividade individual e evolui para a produtividade organizacional.
Pantaleoni resume:
A IA é uma máquina de completar. Para extrair o máximo que ela tem a oferecer, precisamos entender sua lógica, ter dados confiáveis e trabalhar buscando resultados.
— Cassio Pantaleoni, diretor da Quality Digital
