Por que tantos projetos de IA fracassam e o que realmente diferencia hype de resultado?

A implementação de projetos de Inteligência Artificial em organizações tem se mostrado mais complexa do que o hype faz parecer. Falta de planejamento, projetos mal concebidos, consumo de tokens desconsiderado e custos operacionais subdimensionados estão entre os fatores que explicam a falta de resultados.

O problema não é propriamente novo. Em novembro passado, um artigo da Forbes americana indicava que 85% dos modelos de IA poderiam falhar. Quase um ano depois, um estudo do Stanford Media Lab revela que 95% dos modelos de IA trazem 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”.

Tais falhas expõem que muitas organizações ainda não adquiriram maturidade para o uso eficiente dessa tecnologia. “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”, reflete Roberto Ave Faria, vice-presidente e diretor comercial da Quality Digital.

Faria chama essa capacitação de Education, a primeira etapa na construção de uma cultura organizacional Data-Driven, onde as decisões são tomadas a partir de dados. “Para que um projeto de IA dê certo, é preciso que as empresas sejam orientadas por dados, que as suas decisões sejam definidas por dados, que sejam empresas Data-Driven”, reforça.

Trata-se de uma mudança de paradigma e, por isso, de acordo com o executivo, deve começar pelo alto escalão das companhias e organizações. “A partir desse processo de Education, letramento e capacitação de liderança e de multiplicadores internos é que as organizações passam a ter capacidade para melhor utilizar as IA’s em projetos que tragam resultados reais”, afirma Faria.

O vice-presidente e diretor da Quality Digital aponta que o segundo pilar para o êxito com iniciativas de Inteligência Artificial é a qualidade dos dados, o que é feito com infraestrutura e governança. “A governança de dados e a sua parametrização são fundamentais. Sem uma governança de dados bem feita, qualquer projeto de IA tende a falhar”, sentencia.

Explicando que a Inteligência Artificial oferece respostas alinhadas com a qualidade dos dados disponibilizados, Pantaleoni afirma que a falta de governança de dados é o problema mais sério que as empresas têm com a IA atualmente. “Sem dados curados, a organização não vai produzir IA’s que sejam capazes de dar a interpretação necessária”.

O terceiro pilar que pode definir o sucesso de um projeto em IA está na avaliação do real impacto que a iniciativa trará para a organização. “Qual é o resultado efetivo que quero ter? Quanto de retorno sobre o investimento ele vai me trazer? Quais são os ganhos reais para a minha organização? Sem ter essas respostas bem definidas, um projeto de IA se torna uma corrida pela tecnologia e não pelos benefícios que ela pode proporcionar”, explica Faria.

Segundo ele, os atores mais maduros em matéria de IA estão baseando seus projetos na capacitação de liderança e cultura Data-Driven; governança de dados; e planejamento para avaliar o impacto de retorno que a iniciativa vai trazer para a organização. “Se não olhar profundamente para esses pilares, a empresa vai se frustrar com o projeto de IA, seja não atingindo algum requisito técnico ou não obtendo o retorno de investimento esperado”, argumenta.

O executivo aponta um caminho para as organizações que querem investir na implementação de projetos com uso de IA: o self-funding. Trata-se de uma estruturação dos empreendimentos de IA cujo budget é definido baseado no retorno financeiro que a própria iniciativa será capaz de oferecer. “O budget da área de IA vai ser em cima do que a própria área vai conseguir produzir. Isso vai gerar um pipeline de projetos eficientes, com prioridade adequada e a análise do que vai ser atingido pela companhia”, explica.

Ao falar sobre transformação digital, Faria e Pantaleoni defendem a ideia de estabelecer uma jornada, uma vez que é necessário mobilizar diversas áreas para entregar resultados. “Não é uma iniciativa pontual, é uma mudança de cultura, de paradigma, que envolve a capacitação das pessoas e empoderamento. É uma jornada porque tem que haver um planejamento de longo prazo”, sustenta Faria.

Para Pantaleoni, essa jornada inicia na produtividade individual e deve chegar à produtividade organizacional. “Eu sempre gosto de usar uma metáfora: a IA é uma máquina de completar, essa é a melhor definição. E, para extrair o máximo que ela tem para nos oferecer, precisamos entender a sua lógica, termos dados confiáveis e trabalharmos buscando resultados”.