Existem muitas razões para adotar uma abordagem lenta e atenciosa da IA generativa. A tecnologia está mudando rapidamente e, consequentemente, investir muito dinheiro na plataforma errada pode ser um erro muito caro.
Genai ainda tem problemas de precisão e segurança, e os problemas de direitos autorais ainda não foram resolvidos pelos tribunais, e isso pode criar responsabilidades legais ou outros tipos de problemas. E, é claro, muitos projetos iniciais não poderão oferecer um valor corporativo eficaz, tornando -os uma perda de tempo e recursos.
De acordo com um Pesquisa IDC (em inglês) Em setembro, 70% do COI registrou uma taxa de falência de 90% por seus aplicativos de inteligência artificial personalizados, e dois terços relataram uma taxa de falência de 90% com a prova de conceitos de guiados por fornecedores. Nesse contexto, a Rand Corp. estima a taxa de falha da IA para mais de 80%.
No entanto, alguns adotantes iniciais relatam um crescimento nas receitas, um aumento na produtividade e nos esforços iniciais que mostraram seus frutos, ajudando as empresas a desenvolver habilidades e habilidades críticas relacionadas à inteligência artificial generativa. O Boston Consulting Group, de fato, afirma que as empresas que adotaram o AIS inicial declaram um crescimento de receitas 1,5 vezes maior que outras empresas. Então, como você reconcilia as altas taxas de falha dos projetos de IA e os relatórios de benefícios corporativos pelo adotante precoce? Ambas as coisas podem ser verdadeiras. Este último tentará muitas abordagens diferentes antes de encontrar as soluções que funcionam, que, por sua vez, subirão, colocarão a produção e fornecerão valor.
Criar ou comprar?
Os fornecedores de tecnologia estão adicionando rapidamente recursos de inteligência artificial a todos os seus produtos e serviços. Mas algumas empresas não podem esperar tanto. A Intuit, por exemplo, criou um sistema de IA de idade para ajudar os proprietários das empresas a receber 45% mais rapidamente. “Ajuda os empreendedores a entender quais são as faturas, ao enviar os lembretes e como coletar dinheiro”, explica Ashok Srivastava, diretor de dados da Intuit. Para conseguir isso, a empresa construiu seu sistema operacional Genai. “A complexidade da plataforma abstrai para que os desenvolvedores possam se desenvolver”, declara ele.
Genos foi lançado em junho de 2023 e em setembro passado foi expandido com Genos para os bancos de trabalho, um ambiente de desenvolvimento dedicado. A Intuit também construiu um nível de orquestração para fluxos de trabalho agêntico, uma série de corrimãos para segurança, risco e fraude, uma estrutura para a experiência do usuário com mais de 140 componentes, widgets e modelos, e um jardim modelo dos principais comerciais e abertos Fonte LLM, além dos específicos do domínio treinado por Intuit.
“Estamos antes de 18 meses ou dois anos em comparação com as plataformas”, acrescenta.
Então, o que acontecerá quando a Microsoft, o Google ou a AWS lançarão seu sistema operacional para inteligência artificial? “Quando eles se afastarem, mudaremos para os serviços nativos que eles oferecem”, sublinha Srivastava.
Em certo sentido, portanto, todo esse trabalho seria desperdiçado porque, em um determinado momento, as empresas iriam para um sistema proposto pelos principais fornecedores. No entanto, até então, ele poderá coletar os benefícios de seus primeiros investimentos.
“É assim que permanecemos na vanguarda”, diz ele. “Mal podemos esperar. Temos que criar tecnologia e, enquanto fazemos isso, a plataforma continua a evoluir. Obviamente, existem serviços que passamos de nossas habilidades para os dos outros. O que posso dizer é que esses são investimentos fundamentais que estamos fazendo para progredir no negócio “. Por exemplo, os recursos da nova geração levaram a um aumento médio na produtividade de 15% e nos tempos de codificação mais rápidos em 30%.
Outra empresa que está construindo sua estrutura de IA Agentic é a Capgemini. “Genai tem sido transformador”, diz Jiani Zhang, EVP e diretor de software da Capgemini Engineering. “Há um potencial enorme, em particular na engenharia do software”.
Assim, em maio do ano passado, a empresa começou a construir sua estrutura Agentic. “Construímos algo internamente porque queríamos ser mais de código aberto, para ser mais adaptável e, em julho, começamos a usá -lo. Agora é muito robusto. A plataforma é composta por muitos agentes com vários tipos de especialização, usados para migrar o código antigo, com um deles que pode gerar o código, outro capaz de criar os requisitos e outro em graus para configurar a arquitetura. Um grupo adicional é responsável por realizar tarefas especiais, como, por exemplo, trabalhar no código de software automotivo.
Finalmente, há também um nível de orquestração que permite que todos os agentes falem um com o outro, uma maneira de acompanhar as diferentes iterações do código e a capacidade do auto -diagnóstico.
No início de 2024, a IA generativa se concentrou em casos de uso individuais ao longo do ciclo de vida do software, reflete Zhang. Hoje, é uma questão de examinar o código de uma maneira muito mais holística, com um ritmo de mudança muito rápida. “Você não pode tomar tecnologia com base em onde estava em março”, ele comenta. “Do ponto de vista da adoção, você não pode permanecer imóvel.”
Intuit e Capgemini não são os únicos que adotam uma abordagem agressiva às implementações e inovação da IA. De acordo com uma pesquisa recente realizada pelo Google Cloud e National Research Group em 2.500 líder sênior de empresas globais, os líderes da Genai são aqueles que têm quatro ou mais casos de uso na produção e que investiram mais de 15% de suas despesas operacionais Total nesta tecnologia durante o ano anterior.
Além disso, 69% dos líderes usam generativos para pelo menos metade de suas principais funções, em comparação com 36% de outras empresas. E eles estão vendo retornos. Na pesquisa, os líderes de Genai têm 33% mais propensos a declarar aumentos na rotatividade de 10% ou mais guiados pela tecnologia em questão e também veram ganhos substanciais de eficiência, declarando ROI para os projetos de gerações relativas a melhoria do fundo Processos do escritório, produtividade individual e os engenheiros e desenvolvedores, bem como em vendas e marketing.
Mova -se rapidamente explorando plataformas comerciais
No entanto, nem todos os líderes da inteligência artificial criam tudo do zero para se mover rapidamente. Vamos tomar, por exemplo, RSM, gigante de contabilidade global com cerca de 20.000 funcionários.
“Todos os fornecedores de dados, como Dun & Bradstreet, e fornecedores de software como o ServiceNow, estão incorporando a IA em seus produtos”, diz Sergio de la Fe, líder digital da RSM. “Estamos trabalhando para entender o que eles estão se desenvolvendo. Não quero desperdiçar meu dinheiro se um dos meus parceiros estiver prestes a construir algo que possa fazer por mim. Preferimos investir em áreas onde temos uma experiência de domínio. E eu nem quero ir rápido e construir algo que vou jogar fora. Ele não é inteligente.
Em 2023, o RSM trouxe um comitê de gerenciamento de IA e identificou quatro tipos principais de casos de uso crítico para seus negócios: bate -papo, criação e avaliação de documentos, análise de dados.
“Esses quatro temas principais representam centenas de casos de uso”, diz de la Fe. “E começamos a partir dos casos de uso, não da tecnologia. Acreditamos que isso está apoiando os casos de uso, não o contrário “.
A empresa escolheu o Openii em uma nuvem privada Azure. “Somos uma loja da Microsoft”, diz ele, “por isso estamos na plataforma do Microsoft Azure e foi simples para nós”.
Para seu sistema de conformidade automatizada, a RSM desenvolveu um modelo OpenAI, mapeando regulamentos governamentais em todo o mundo com os controles internos dos clientes e formulando recomendações. Hoje, existem algumas dezenas de diferentes casos de uso na produção e duas outras dúzias na fase de desenvolvimento. “Estamos nos movendo muito rapidamente para fazer fila para a fase executiva, pilotar -os e testá -los”, indica. Até agora, o maior benefício foi representado pela melhoria da eficiência e pelo aumento da qualidade.
“É uma questão de permitir que nossos profissionais dediquem mais tempo às partes de valor agregado de seu trabalho”, acrescenta. “Se pudermos reduzir o tempo dedicado a atividades triviais e dedicar mais tempo ao aumento da qualidade, teremos uma vantagem importante”.
Outra realidade que está acelerando a adoção da Genai, explorando as capacidades dos fornecedores é a empresa especializada em pagamentos mundiais da ACI. Com mais de 3.500 funcionários, todos têm algum tipo de inteligência artificial generativa, tanto para e-mails quanto para resumir as reuniões da equipe. Para sua base de conhecimento interna, ele usa uma versão aperfeiçoada do OpenAi chatgpt. “Nós absolutamente não estamos indo devagar”, observa Abe Kuruvorla, CTO da empresa. Mas não estamos construindo internamente todas as plataformas de inteligência artificial. Para a geração de código, por exemplo, a empresa usa o GitHub Copilot. “Estamos nos encontrando à vontade”, ressalta Kuruvilla. “No entanto, nossos engenheiros seniores olham para o código antes de controlá -lo”.
Hoje, 50% da equipe de engenheiros o usa e a empresa espera alcançar dois terços este ano. Para a produtividade geral dos funcionários, a empresa usa o Office 365 Copilot da Microsoft, também é um cliente do Salesforce e está tentando implementar os recursos do tipo Agentic que estão se tornando disponíveis na plataforma.
A estratégia principal, diz Kuruvorla, é implementar a IA para casos de uso interno, com a validação da qualidade e resultados que são devidos para os humanos (em inglês). “É um impacto e certificar -se de identificar os casos de uso corretos”, diz ele.
O caso de treinamento
Os líderes da IA relatam claras vantagens financeiras para suas implementações de Genai, mas a promessa de uma adoção precoce vai além do ROI simples de curto prazo.
“A aprendizagem ocorre através da experimentação e da iteração”, relata Arun Chandrasekaran, analista do Gartner. “Você precisa ter uma mentalidade de crescimento quando se trata de IA. Devemos experimentar ativamente “.
Isso não significa que as empresas devem fazer projetos de inteligência artificial, acrescenta ele. As empresas devem ter em mente objetivos claros, mas devem estar prontos para não obter o resultado certo para a primeira tentativa.
“Devemos aprender com falhas e itens”, conclui. “A falência não é um estigma, faz parte do caminho de aprendizado. E isso se aplica à vida em geral. Se você tiver sucesso na primeira tentativa, isso significa apenas que um nível muito baixo foi corrigido.
