Por que empresas falham em lucrar com inteligência artificial

Atualmente, diversas plataformas, sistemas e ferramentas de inteligência artificial operam simultaneamente dentro de uma mesma empresa, englobando soluções de atendimento ao cliente, assistentes de conversação e instrumentos de automação de fluxos e processos. Cada uma dessas tecnologias é avançada, sofisticada e ágil na resposta. Contudo, ao entrarem em ação, os resultados obtidos podem se mostrar equivocados, confusos ou desprovidos de uma compreensão adequada sobre a realidade da companhia. Inúmeras organizações enfrentam esse cenário atualmente, o que pode representar um dos principais motivos pelos quais encontram dificuldades para extrair retornos financeiros de seus investimentos em IA.

Uma pesquisa realizada pelo MIT Technology Review Insights aponta que, embora todas as empresas consultadas utilizem inteligência artificial em algum nível nos dias de hoje, menos de uma em cada cinco (16%) consegue extrair um valor transformador de suas implementações. A maior parcela dos participantes (40%) afirma observar ganhos moderados em equipes ou tarefas específicas, enquanto 21% relatam ganhos significativos, restando 23% que visualizam retornos mínimos ou nenhum resultado.

O estágio predominante nas companhias ainda envolve a fase de testes de casos de uso de IA, conforme indicado por 38% dos entrevistados, ou a aplicação da tecnologia para auxiliar nas tarefas dos colaboradores por meio de ferramentas como assistentes de chat e co-pilotos (35%). Apenas 12% das corporações possuem agentes de IA em produção, e somente 3% declaram utilizar a inteligência artificial para executar a maior parte do trabalho em processos fundamentais.

“Há uma grande lacuna entre o que os modelos são capazes de fazer e como os modelos estão realmente sendo úteis dentro das organizações”, afirma Prukalpa Sankar, cofundadora da Atlan. “Para cada intenção e propósito da vida real, a inteligência artificial geral já está aqui. Ela simplesmente não é realmente útil na maioria das empresas hoje.”

Segundo Sankar, o elemento que falta é o contexto, ou seja, o nível de compreensão que a IA possui sobre o negócio. Essa camada de contexto funciona como a infraestrutura arquitetônica posicionada entre os sistemas corporativos de uma organização (tais como bases de dados e sistemas de registro) e as plataformas de inteligência artificial. O mecanismo traduz a inteligência da empresa em dados contextualizados, governados e legíveis por máquina para modelos ou agentes de IA, além de colaborar para que o conhecimento se acumule. “Sem uma camada de contexto para a IA, é quase como se você estivesse contratando o estagiário mais inteligente do mundo, vendando os olhos dele e o jogando na sua organização”, resume Sankar.