As empresas estão prontas para adotar a IA em grande escala?

Quer se trate de uma empresa de serviços financeiros que procura construir um assistente virtual personalizado ou de uma seguradora que necessita de modelos de ML capazes de identificar potenciais fraudes, a inteligência artificial (IA) está preparada para transformar quase todos os setores. Na verdade, uma pesquisa recente da Cloudera descobriu que 88% dos líderes de TI disseram que suas organizações estão atualmente usando IA de alguma forma.

A capacidade da IA ​​de automatizar tarefas repetitivas leva a uma economia significativa de tempo em processos relacionados à criação de conteúdo, análise de dados e experiência do cliente, liberando os funcionários para trabalhar em questões mais complexas e criativas. Mas a adoção nem sempre é simples. O caminho para alcançar a IA em escala está repleto de inúmeros desafios: qualidade e disponibilidade de dados, implantação e integração com sistemas existentes, entre eles.

Para superar esses desafios e dimensionar com sucesso a IA em toda a empresa, as organizações devem criar uma arquitetura de dados moderna que aproveite uma combinação de tecnologias, capacidades e abordagens, incluindo data lakehouses, data fabric e data mesh.

Barreiras à IA em grande escala

Apesar de tantas organizações investirem em IA, a realidade é que o valor derivado dessas soluções tem sido limitado. Os factores que influenciam este sucesso variam e não se limitam apenas a limitações puramente técnicas. Há também um elemento de adesão dos funcionários que pode fazer com que a adoção da IA ​​fique para trás ou até pare completamente. A pesquisa da Cloudera revelou que 39% dos líderes de TI que já implementaram IA de alguma forma disseram que apenas alguns ou quase nenhum de seus funcionários usam atualmente qualquer tipo de ferramenta de IA. Assim, mesmo que os projetos estejam a ser amplamente implementados, em mais de um terço dos casos, os funcionários simplesmente não os utilizam.

Outro desafio aqui decorre da arquitetura existente nessas organizações. Eles podem implementar IA, mas a arquitetura de dados que possuem atualmente não está equipada ou capaz de escalar com os enormes volumes de dados que alimentam a IA e a análise. Isto requer maior flexibilidade nos sistemas para gerir melhor o armazenamento de dados e garantir que a qualidade é mantida à medida que os dados são alimentados em novos modelos de IA.

À medida que os dados são transferidos entre ambientes, alimentados em modelos de ML ou aproveitados em análises avançadas, considerações sobre questões como segurança e conformidade são prioridade para muitos. Na verdade, entre os líderes entrevistados, 74% identificaram os riscos de segurança e conformidade em torno da IA ​​como uma das maiores barreiras à adoção. Esses líderes de TI enfrentam a necessidade simultânea de uma arquitetura de dados que possa suportar o rápido dimensionamento da IA ​​e preparar os usuários para um cenário regulatório em evolução.

Este desafio é particularmente central nos serviços financeiros com a chegada de novos regulamentos e políticas como a Lei de Resiliência Operacional Digital (DORA), que estabelece directrizes rigorosas de gestão de risco e segurança das TIC para as empresas na União Europeia. Os requisitos regulamentares em rápida evolução significam que as organizações precisam de garantir que têm total controlo e visibilidade dos seus dados, o que requer uma abordagem moderna à arquitetura de dados.

Construindo uma base forte e moderna

Mas o que acontece em uma arquitetura de dados moderna? Embora cada plataforma seja diferente, há três elementos principais que as organizações devem observar: data lakehouses, data mesh e data fabric. Cada um deles representa uma abordagem moderna de arquitetura de dados para gerenciamento de dados que pode ajudar a cumprir os requisitos de segurança, romper barreiras como silos de dados e fornecer resultados mais sólidos com a adoção da IA ​​em toda a empresa.

Antes de prosseguirmos, vamos definir rapidamente o que queremos dizer com cada um desses termos. Uma malha de dados é um conjunto de práticas recomendadas para gerenciamento de dados em uma organização descentralizada, permitindo fácil compartilhamento de produtos de dados e uma abordagem de autoatendimento para gerenciamento de dados. Uma malha de dados é uma série de tecnologias cooperantes que ajudam a criar uma visão unificada de dados de sistemas e serviços distintos em toda a organização. Depois, há o data lakehouse – um sistema analítico que permite que os dados sejam processados, analisados ​​e armazenados em formatos estruturados e não estruturados.

Com os modelos de IA exigindo grandes quantidades de dados estruturados e não estruturados para treinamento, os data lakehouses oferecem uma abordagem altamente flexível que é ideal para apoiá-los em escala. Uma malha de dados proporciona maior propriedade e governança aos membros da equipe de TI que trabalham mais próximos dos dados em questão. A malha de dados apresenta um meio eficaz de unificar a arquitetura de dados, tornando os dados perfeitamente conectados e acessíveis, aproveitando uma única camada de abstração.

Esses benefícios são amplamente compreendidos, com 67% dos líderes de TI entrevistados pela Cloudera observando que os data lakehouses reduzem a complexidade dos pipelines de dados. Da mesma forma, tanto a malha de dados como a malha de dados ganharam atenção significativa entre os líderes de TI nos últimos anos, com 54% e 48% dos entrevistados, respectivamente, afirmando que planeavam ter esses componentes implementados até ao final de 2024.

Qualquer que seja o objetivo final da adoção da IA ​​por uma organização, seu sucesso pode ser atribuído aos elementos fundamentais da TI e da arquitetura de dados que a suportam. E os resultados para aqueles que adotam uma arquitetura de dados moderna falam por si.

Por exemplo, o OCBC Bank, cliente da Cloudera, aproveitou o aprendizado de máquina da Cloudera e um poderoso data lakehouse para desenvolver recomendações e insights personalizados que podem ser enviados aos clientes por meio do aplicativo móvel do banco. Isto foi possível graças à plataforma de dados híbrida utilizada pelo OCBC Bank, permitindo-lhes acelerar a implementação de IA e proporcionar um grande retorno sobre o investimento.

Com uma base sólida de arquitetura de dados moderna, os líderes de TI podem levar adiante as iniciativas de IA, escaloná-las ao longo do tempo e gerar mais valor para seus negócios.

Para saber mais sobre como as empresas podem preparar seus ambientes para IA,Clique aqui.