Pesquisa aponta que empresas subestimam os pontos cegos da IA
No cenário dinâmico da tecnologia, as organizações enfrentam um desafio significativo: compreender e atender às crescentes demandas de computação e redes ao longo do ciclo de vida da Inteligência Artificial (IA). Existe uma lacuna nesse domínio crítico, destacando que menos da metade dos líderes de TI possuem um entendimento abrangente das complexas exigências associadas às diversas cargas de trabalho de IA.
Pesquisa encomendada pela Hewlett Packard Enterprise apontou que 44% dos líderes de TI entrevistados acreditam que suas organizações estão preparadas para aproveitar os benefícios da IA. Além disso, apesar do papel fundamental das equipes de jurídico e compliance, 22% dos líderes não estão envolvendo os times jurídicos nas conversas sobre a estratégia de IA de suas empresas
Pontos cegos da IA x maturidade de dados
O relatório também apontou que, além dos pontos cegos da IA, outra questão pode ser alarmante: a falta de maturidade de dados. A pesquisa indicou uma lacuna entre o compromisso global com a IA e a prática empresarial, destacando áreas estratégicas negligenciadas que minam a capacidade das empresas de alcançar resultados bem-sucedidos por meio da tecnologia.
Entre as falhas identificadas estão os baixos níveis de maturidade dos dados, além de questões cruciais relacionadas à ética e conformidade. O documento também apontou desconexões significativas tanto na estratégia quanto no entendimento, alertando para possíveis impactos negativos no retorno sobre investimentos (ROI) em projetos de IA.
Além disso, destaca-se uma questão crítica na jornada da IA para as organizações: a preparação de dados. Cerca de 6 em cada 10 participantes do estudo relataram que suas empresas enfrentam dificuldades em lidar com etapas fundamentais desse processo. Desde o acesso e armazenamento até o processamento e recuperação, há uma lacuna evidente na eficácia da gestão de dados para uso em modelos de IA. Essa disparidade não apenas ameaça a eficiência no desenvolvimento de modelos, mas também aumenta o risco de insights imprecisos e um retorno sobre investimento negativo. (Com assessoria de imprensa)
