IA autônoma na análise de dados ainda falha, revela estudo

Em um curto período, a inteligência artificial gerativa transformou a análise de dados corporativos, democratizando o acesso a informações para colaboradores em toda a hierarquia. Agora, a IA autônoma promete ir além, automatizando fluxos de trabalho completos e tomando decisões com base em suas próprias descobertas. No entanto, existe um obstáculo significativo: a qualidade dos insights gerados por esses agentes ainda deixa muito a desejar.

Menos da metade dos insights produzidos por agentes de inteligência artificial nas organizações avaliadas por este estudo resulta em melhorias comerciais. Embora a maioria dos entrevistados elogie a qualidade das análises descritivas de seus sistemas, a avaliação sobre os insights prescritivos — aqueles que fundamentam tomadas de decisão — é bastante dividida.

A incapacidade de gerar análises que impulsionem o negócio impede que as empresas alcancem o retorno financeiro esperado com a adoção de análises autônomas. Pior ainda, informações incorretas que desencadeiam ações equivocadas podem gerar prejuízos financeiros ou danos à reputação. O levantamento analisa a percepção das companhias sobre o desempenho de seus agentes analíticos e investiga estratégias para elevar a confiabilidade dessas entregas.

O avanço gradual da inteligência autônoma

A análise de dados impulsionada por agentes ainda está em fase inicial de consolidação. Em média, 48% dos insights gerados por essas tecnologias nas empresas pesquisadas motivam ações que geram melhorias operacionais. Trata-se de um avanço expressivo em comparação com a média de 37% registrada há um ano. Contudo, o índice revela que mais da metade das conclusões fornecidas pelas ferramentas ainda falha em auxiliar os negócios.

O diferencial dos líderes de mercado

Um seleto grupo de corporações, classificadas como líderes de insights, obtém resultados muito superiores à média com o uso de inteligência artificial. Nessas empresas, mais de 70% das análises geradas por agentes resultam em melhorias práticas. Esse grupo também atribui notas mais altas à qualidade geral das informações recebidas, sendo a disparidade particularmente evidente nas recomendações prescritivas.

Falta de contexto e excesso de dados

Quando os agentes analíticos apresentam entregas abaixo do esperado, o motivo principal é a carência de contexto de negócio, apontada por 55% dos executivos ouvidos. Dados fragmentados ou de difícil acesso representam o segundo maior entrave, citado por 45% dos participantes. Em contrapartida, as companhias líderes relatam menor dificuldade de acesso a esse contexto fundamental.

Outro fator que compromete a eficiência é a sobrecarga de informações. Em 52% das empresas pesquisadas, as ferramentas produzem um volume excessivo de dados que impede uma avaliação adequada e, consequentemente, a tomada de providências. Apenas 24% conseguem analisar todos os insights gerados; a maioria faz essa triagem de forma pontual, exigindo forte esforço humano.

Governança e camadas semânticas como soluções

Para aprimorar o desempenho das ferramentas, as companhias participantes estão priorizando iniciativas de fortalecimento na governança de dados e de inteligência artificial, estratégia mencionada por 60% dos executivos. Além disso, 45% estão implementando uma camada semântica em sua arquitetura de dados. Especialistas consultados concordam que essa camada é indispensável para garantir o alto rendimento dos agentes inteligentes.