Todos querem ser AI-first. No entanto, poucos param para perguntar se a casa está pronta para receber a IA. A constatação é de Valdemir Silveira, CEO e fundador da APIPASS e sócio da nstech, em artigo publicado no portal Startups. Na avaliação do executivo, a corrida pela inteligência artificial acelerou nos últimos dois anos, impulsionada pela onda de IA generativa. Todavia, boa parte desses projetos não entrega o que prometeu.
Corrida pela IA acelera, mas decepciona
Segundo Silveira, empresas de todos os portes abriram orçamento, contrataram ferramentas e anunciaram iniciativas de IA. Contudo, o entusiasmo tem encontrado um obstáculo que independe do modelo escolhido.
O motivo raramente é a tecnologia. Contudo, é a fundação. Ou seja, a estrutura de dados sobre a qual a inteligência artificial vai operar. Assim sendo, sem essa base, qualquer investimento em IA tende a reproduzir problemas já existentes, em escala maior.
A leitura do especialista é direta: a IA não chega para organizar a casa. Ou seja, ela chega para escalar o que já existe. Dessa forma, se o que existe são dados incompletos, sistemas desconectados e nenhuma governança, ela vai escalar exatamente isso. Em resumo, o resultado, nas palavras de Silveira, é que o caos vira caos automatizado, só que mais rápido e com um verniz que parece sofisticado.
“Isso não é detalhe técnico. É estratégia.” — Valdemir Silveira
O executivo reforça que esse cenário não deve ser tratado como detalhe técnico. Além disso, a percepção é de que muitas organizações tratam a IA como um atalho para a transformação digital, quando, na prática, ela exige uma base sólida de informações. Consequentemente, sem ela, o risco de fracasso cresce exponencialmente.
O preço do dado ruim
A conta do dado ruim não é abstrata. Por exemplo, a Gartner estima que a má qualidade de dados custa em média 12,9 milhões de dólares por ano para cada organização.
Esse dinheiro some em retrabalho, decisão errada e projeto que não sai do papel. Portanto, colocar IA em cima disso só acelera o prejuízo, alerta Silveira. Em outras palavras, a tecnologia potencializa tanto os acertos quanto os erros.
Impacto financeiro direto
Para o autor, o impacto financeiro é uma consequência direta da falta de governança e integração entre sistemas. Assim sendo, quando os dados são inconsistentes, a IA aprende com imperfeições e replica vieses.
Ou seja, o resultado é a automatização de falhas antigas, agora com a aparência de modernidade. Essa dinâmica, segundo ele, justifica a frustração com muitos projetos. Sobretudo, a promessa de eficiência esbarra na realidade de bases desorganizadas.
Maturidade em dados não se compra
Se a solução não está na tecnologia, onde está? Silveira argumenta que maturidade em dados também não se resolve comprando plataforma. Ou seja, envolve processo definido, integração entre áreas e uma cultura que confia na informação para decidir. Além disso, é trabalho de organização, não de compra. “Tão simples quanto isso, e tão difícil quanto isso”, resume.
Um desafio cultural
Na visão do especialista, a IA não substitui uma estratégia de dados. Em outras palavras, ela depende dela. Portanto, o sucesso do projeto está amarrado à qualidade da informação que entra, e nenhuma ferramenta nova muda essa conta. Por isso, antes de adotar modelos avançados, é preciso verificar se a casa está pronta.
Por exemplo, isso inclui desde a padronização de formatos até a definição de responsáveis pela qualidade dos dados. Contudo, o desafio, pondera, não é exclusivamente técnico. Isto é, é cultural. Sobretudo, exige que as áreas passem a confiar nos dados como base para decisões, o que muitas vezes contraria práticas consolidadas.
A construção dessa confiança demanda tempo e disciplina. Consequentemente, sem ela, qualquer ferramenta de IA será uma casca sofisticada sobre uma estrutura frágil.
A pergunta certa antes do modelo
Assim sendo, diante desse cenário, Silveira sugere uma mudança de foco.
“Então a pergunta que vale fazer não é qual modelo de IA você vai usar. É se os seus dados estão prontos para sustentar o que você quer construir. Se a resposta for não, o trabalho começa aí. Essa reflexão é o ponto de partida para qualquer iniciativa séria de inteligência artificial.”
O artigo termina com um alerta prático. Em resumo, não adianta perseguir a última tendência tecnológica sem antes olhar para dentro. Ou seja, a ilusão da IA sem fundação de dados é justamente essa: acreditar que a ferramenta resolve o que a organização nunca estruturou.
Segundo Silveira, o caminho mais curto para obter valor com IA é investir na qualidade da informação que alimenta os sistemas. Além disso, na visão do executivo, o momento é de acerto de contas com a própria casa.
Empresas que ignoram essa etapa podem até anunciar projetos ambiciosos, mas dificilmente escaparão do resultado previsível: caos automatizado em velocidade maior. Contudo, a lição deixada no texto é clara: a IA entrega o que a fundação de dados permite. Em resumo, nenhum modelo substitui essa base.
Fonte
- startups.com.br
- Política de Privacidade (policies.google.com)
- Termos de Serviço (policies.google.com)