Building AI that can work across the enterprise

Como escalar a inteligência artificial nas empresas em 2024

Tecnologia

As empresas que buscam expandir o uso de inteligência artificial além de projetos isolados estão enfrentando um obstáculo fundamental: a necessidade de repensar como dados, processos de negócios, governança e pessoas se conectam. Enquanto migram de testes piloto para agentes de IA e fluxos de trabalho autônomos, as organizações precisam transformar a tecnologia em parte integrante do modelo operacional corporativo.

Para Thorsten Leiduck, vice-presidente sênior e líder global do ecossistema de plataformas de IA de negócios da SAP, essa transição começa ao tratar a inteligência artificial como uma plataforma empresarial, e não como um conjunto de projetos desconectados. “A IA é absolutamente dependente da fundação de dados”, afirma, argumentando que as companhias precisam de uma camada conectada e semanticamente rica que reflita o negócio antes de implementarem a tecnologia de forma confiable nos processos. O nível de exigência também muda quando a IA passa a operar em fluxos críticos. Em aplicações cotidianas, “80% pode ser bom o suficiente”, diz ele, mas em áreas como cadeias de suprimentos ou fechamentos financeiros, esse patamar de precisão é “um resultado muito terrível”.

A fundação de dados também define quais aplicações merecem investimento. Satinder Pal Singh, vice-presidente associado para a América do Norte na SAP BAIP e estratégia de IA na Infosys, define os agentes de IA como “colegas de trabalho digitais” e recomenda avaliar os casos de uso potenciais por meio de três lentes: impacto, viabilidade e escalabilidade. As empresas devem identificar onde um agente pode movimentar métricas de negócios relevantes, determinar se seus dados e talentos suportam o caso de uso e, em seguida, estabelecer se as aplicações bem-sucedidas podem ser replicadas. “Um piloto que não escala é apenas um experimento”, pontua.

O desafio da escalabilidade Escalar a tecnologia também coloca a governança no centro das atenções. Políticas claras, controles de acesso, monitoramento e supervisão são necessários para garantir que os agentes permaneçam confiáveis e alinhados aos requisitos do negócio. “A ausência de governança não acelera a adoção da IA”, diz Singh. “Ela cria um acúmulo de riscos” que pode, no fim das contas, forçar uma interrupção e uma auditoria muito mais disruptivas.

Essas considerações ganharão ainda mais relevância à medida que os agentes assumirem mais responsabilidades como colegas de trabalho digitais. Ambos os executivos enxergam um futuro em que sistemas agênticos coordenem o trabalho entre aplicativos, enquanto grafos de conhecimento específicos de clientes e dados governados se tornam ativos corporativos críticos. Para Singh, a oportunidade de longo prazo é a transição da IA como ferramenta de produtividade para uma “IA como parceira de tomada de decisão”, ajudando líderes a entender o que está acontecendo, antecipar o próximo passo e determinar como responder.

What do you feel about this post?

0%
like

Like

0%
love

Love

0%
happy

Happy

0%
haha

Haha

0%
sad

Sad

0%
angry

Angry

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *