O gerenciamento de dados para a inteligência artificial nas empresas não possuem ou não têm certeza se contam com as práticas corretas em 73%
Por Roxane Edjlali
Sessenta e três por cento das empresas não possuem ou não têm certeza se contam com as práticas corretas de gerenciamento de dados para Inteligência Artificial (IA), de acordo com uma pesquisa do Gartner.
O levantamento realizado com 1.203 líderes de gerenciamento de dados em julho de 2024 constatou que as empresas que não perceberem as grandes diferenças entre os requisitos de dados prontos para IA e o gerenciamento de dados tradicional colocarão em risco o sucesso de seus esforços em IA.
De fato, o Gartner prevê que, até 2026, as companhias abandonarão 60% dos projetos de IA que não forem apoiados por dados prontos para Inteligência Artificial.
Esse importante tema será discutido durante a Conferência Gartner Data & Analytics, que será realizada em 28 e 29 de abril em São Paulo.
Aqui, Roxane Edjlali, Diretora Analista Sênior do Gartner, comenta sobre como a IA está forçando os Chief Information Officers (CIOs) e Chief Data and Analytics Officers (CDAOS) a mudar suas práticas de gerenciamento de dados para fornecer suporte e implementar a Inteligência Artificial em seus negócios.
Como os líderes de TI podem integrar estratégias de dados prontos para IA com os sistemas de gerenciamento de dados existentes?
O Gartner recomenda que as empresas se baseiem em suas práticas de gerenciamento de dados existentes, adicionando iterativamente inovações de dados específicas de IA que ajudem a ampliar e melhorar o gerenciamento de dados para fornecer suporte a novos casos de uso, como a Inteligência Artificial Generativa (GenAI).
Isso pode incluir armazenamentos de dados vetoriais, fragmentação, amostragem, incorporação e integração de geração aumentada via recuperação (RAG), entre outros.
Lembre-se de que os dados prontos para IA não são preparados uma vez e pronto. Pense nisso como uma prática em que a infraestrutura de gerenciamento de dados precisa ser constantemente aprimorada com base nos casos de uso de IA existentes e futuros.
À medida que a empresa investe em Inteligência Artificial, desenvolva uma prática de dados prontos para IA e garanta o investimento contínuo e a maturidade permanente no gerenciamento de metadados, na observabilidade dos dados e na governança de Data & Analytics (D&A) e Inteligência Artificial.
Os líderes de TI não podem continuar confiando apenas em práticas formais de gerenciamento de dados se quiserem integrar com sucesso a IA em sua estratégia de Data & Analytics. As operações tradicionais de gerenciamento de dados são muito lentas, estruturadas e rígidas para as equipes de Inteligência Artificial.
Além disso, no gerenciamento de dados tradicional, os usos dos dados não são bem documentados, e os dados geralmente são coletados em silos em vários repositórios, sistemas e plataformas. As empresas não têm a prática e os metadados necessários para avaliar a prontidão dos dados para IA.
Que medidas os líderes podem tomar para garantir que seus dados estejam prontos para IA?
Primeiro, os líderes devem definir o que constitui dados prontos para IA. Os dados devem ser representativos do caso de uso, abrangendo todos os padrões, erros, valores discrepantes e ocorrências inesperadas que são necessários para treinar ou executar o modelo de Inteligência Artificial para o uso específico.
Comprovar a prontidão dos dados para IA é um processo e uma prática baseados na disponibilidade de metadados para alinhar, qualificar e governar os dados.
Há cinco etapas que os CIOs e CDAOs devem considerar para tornar seus dados prontos para IA:
- Alinhar os dados aos casos de uso de IA: CDAOs devem considerar várias fontes de dados para casos de uso de IA, incluindo fontes de dados internas ou externas.
- Identificar os requisitos de governança de dados para IA para evitar ou mitigar os riscos de violação de requisitos legais e o uso antiético de produtos de Inteligência Artificial. Os CDAOs devem trabalhar em estreita colaboração com os líderes jurídicos e de negócios para responder a perguntas como, por exemplo, se os dados serão interoperáveis em muitas comunidades de usuários e aplicações, como os dados sensíveis podem ser detectados automaticamente e como esses dados devem ser protegidos ao serem usados nos modelos de IA.
- Evoluir os metadados de passivos para ativos para criar inteligência e fornecer automação e aprimoramento iterativo contínuo. CDAOs devem descobrir, enriquecer e analisar metadados e inferir uma recomendação a partir dos resultados.
- Preparar pipelines de dados para criar um conjunto de dados de modelo de IA para fins de treinamento, bem como para um feed de dados ao vivo para sistemas de produção de Inteligência Artificial com base nos requisitos coletados.
- Garantir e aprimorar os dados: Quando os dados estiverem disponíveis para o treinamento do modelo de IA, CDAOs deverão testá-los e monitorá-los para otimizar os modelos. Eles podem implementar DataOps e processos de observabilidade de dados para rastrear padrões e alterações de dados, ajustando os requisitos de dados conforme necessário.
Acima de tudo, se os dados apresentarem problemas, eles não estarão prontos para a IA.
Como as empresas governam os dados prontos para IA?
À medida que as empresas passam de pilotos de Inteligência Artificial para IA totalmente operacional, o uso de estratégias colaborativas e entre domínios para gerenciar e governar a IA em toda a empresa torna-se crucial para o sucesso contínuo.
Os CIOs e CDAOs podem considerar a governança corporativa de IA (EGoAI) um método flexível que ajuda a combinar diferentes áreas de governança para tomar decisões responsáveis sobre Inteligência Artificial e atingir as metas de negócios.
A jornada de governança geralmente começa no nível executivo, estabelecendo uma camada virtual de práticas de tomada de decisão nos domínios existentes de governança de TI, Data & Analytics e risco.
Por exemplo, se uma empresa quiser usar a IA para melhorar a experiência do cliente e impulsionar o crescimento, o processo de decisão começará no nível executivo. Em seguida, o CIO ou o CDAO moldará a resposta da governança, esclarecerá o risco, o valor e o custo e orquestrará a tomada de decisões necessária para executar e atender às expectativas dos executivos.
Embora as práticas de governança sejam essenciais para a prontidão dos dados, as empresas com práticas básicas ou manuais de gerenciamento de metadados enfrentarão desafios para tornar seus dados prontos para IA. Os CDAOs e CIOs precisam começar a amadurecer suas práticas de gerenciamento de metadados agora como um primeiro passo para a prontidão para Inteligência Artificial.
Sobre a Conferência Gartner Data & Analytics
Os analistas do Gartner fornecerão análises adicionais sobre tendências de Data e Analytics nas Conferências Gartner Data & Analytics, que acontecerão de 03 a 05 de março em Orlando (Flórida – EUA); em 28 e 29 de abril em São Paulo (Brasil), de 12 a 14 de maio em Londres
Transformação digital no setor público
Fundação Care-for-Rare Utiliza Grafos de Conhecimento e IA para diagnóstico de doenças raras
Da caneta à inteligência artificial: a (r)evolução da transcrição médica
Acompanhe o melhor conteúdo sobre Inteligência Artificial publicado no Brasil.
Cadastre-se para receber o IDNews e acompanhe o melhor conteúdo do Brasil sobre Identificação Digital! Aqui!
