O novo estudo ISG Provider Lens revela um significativo aumento na implementação de inteligência artificial (IA) em diversos departamentos, processos e setores empresariais. A surpresa reside na rapidez e na abrangência com que essa expansão ocorreu. O relatório produzido e distribuído pela parceria TGT ISG constatou que grandes e pequenos prestadores de serviços compartilharam casos de sucesso, evidenciando ganhos precisos de produtividade e aprimoramento de processos, o que demonstra maturidade no mercado de IA.
“Os líderes da indústria destacam-se pela clareza na visão de como suas soluções transformam os negócios dos clientes, redirecionando a atenção para serviços de gestão e governança de dados, com destaque em um quadrante dedicado. Se formou uma percepção geral, após tentativas frustradas anteriores, de que o maior gargalo para o sucesso das organizações orientadas a dados são os processos de governança, tais como privacidade, segurança, conformidade, qualidade, gerenciamento de dados mestres, linhagem e observabilidade”, explica Marcio Tabach, distinguished analyst da TGT ISG e autor do estudo.
De acordo com o relatório, os fornecedores apresentaram soluções baseadas em IA, abrangendo desde a otimização de Sales and Operations (S&OP) até o analytics de recursos humanos, passando por atendimento ao cliente e planejamento financeiro. Virtualmente, todos os setores e processos agora têm à disposição soluções capazes de automatizar operações, reduzir custos, mitigar riscos, gerar receitas adicionais e proporcionar suporte a decisões mais precisas. Há uma tendência de uso de arquitetura descentralizada e governada para análises e treinamentos de modelos de machine learning (ML), conhecida como “data mesh”, que ganha ampla adesão em empresas brasileiras de diversos setores e portes. Paralelamente, o impacto da IA generativa, exemplificado pelo ChatGPT, marca 2023 como o ano de sua apresentação ao mercado, prometendo revolucionar ambientes de negócios.
Muitos prestadores relatam a dificuldade de lidar com ecossistemas de dados caóticos, redundantes, obsoletos e confinados em aplicações legadas, colocando a governança de dados no centro de suas ofertas e potencialmente em suas maiores contribuições na jornada de dados dos clientes. Diante disso, há um debate sobre a utilização de redes on premises para retrabalhar os modelos e mitigar custos ocultos.
O estudo destaca que o desafio central na implementação da IA generativa está na sua precisão, que ocasionalmente resulta em “alucinações”, respostas equivocadas causadas por treinamento com dados inadequados (noisy training) ou dados que refletem um contexto excessivamente específico (overfitting). Nessas circunstâncias, o modelo não consegue identificar corretamente o contexto para gerar suas respostas. Com esse risco ainda presente, a disseminação dos modelos de IA generativa vai necessitar de supervisão humana e capacitação dos usuários.
