A evolução da IA ​​generativa em 2025: da novidade à necessidade

O ano de 2025 marca um momento crucial na jornada de IA generativa (Gen AI). O que começou como uma fascinante novidade tecnológica agora evoluiu para uma ferramenta crítica para empresas em vários setores.

IA Generativa: Da busca por soluções para um problema à potência na resolução de problemas

O aumento inicial do entusiasmo pela Gen AI foi impulsionado pela novidade crua de interagir com grandes modelos de linguagem (LLMs), que são treinados em vastos conjuntos de dados públicos. Empresas e indivíduos foram legitimamente cativados com a capacidade de digitar prompts de linguagem natural e receber respostas detalhadas e coerentes dos modelos de fronteira pública. A qualidade humana dos resultados dos LLMs levou muitas indústrias a se precipitarem em projetos com essa nova tecnologia, muitas vezes sem um problema de negócios claro para resolver ou qualquer KPI real para medir o sucesso. Embora tenha havido alguns grandes desbloqueios de valor nos primeiros dias da Gen AI, é um sinal claro de que estamos em um ciclo de inovação (ou hype) quando as empresas abandonam a prática de identificar um problema primeiro e, em seguida, buscar uma solução tecnológica viável para resolvê-lo.

Em 2025, esperamos que o pêndulo volte. As organizações buscarão a Gen AI para obter valor comercial, identificando primeiro os problemas que a tecnologia pode resolver. Certamente haverá muitos outros projetos científicos bem financiados, e a primeira onda de casos de uso da Gen AI para resumo, chatbots, conteúdo e geração de código continuará a florescer, mas os executivos começarão a responsabilizar os projetos de IA pelo ROI este ano. O foco da tecnologia também mudará de modelos de linguagem pública de uso geral que geram conteúdo para um conjunto de modelos mais restritos que podem ser controlados e continuamente treinados na linguagem distinta de um negócio para resolver problemas do mundo real que impactam o resultado final de forma mensurável.

2025 será o ano em que a IA se moverá para o centro da empresa. Dados empresariais são o caminho para desbloquear valor real com IA, mas os dados de treinamento necessários para construir uma estratégia transformacional não estão na Wikipedia e nunca estarão. Eles vivem em contratos, registros de clientes e pacientes e nas interações desorganizadas e desestruturadas que geralmente fluem pelo back office ou vivem em caixas de papel. Obter esses dados é complicado, e LLMs de propósito geral são uma tecnologia ruim aqui, apesar das preocupações com privacidade, segurança e governança de dados. As empresas adotarão cada vez mais arquiteturas RAG e modelos de linguagem pequena (SLMs) em configurações de nuvem privada, permitindo que eles aproveitem conjuntos de dados organizacionais internos para construir soluções de IA proprietárias com um portfólio de modelos treináveis. SLMs direcionados podem entender a linguagem específica de um negócio e as nuances de seus dados, e fornecer maior precisão e transparência a um ponto de custo menor – enquanto permanecem em linha com os requisitos de privacidade e segurança de dados.

O papel crítico da depuração de dados na implementação de IA

À medida que as iniciativas de IA proliferam, as organizações devem priorizar a qualidade dos dados. O primeiro e mais crucial passo na implementação de IA, seja usando LLMs ou SLMs, é garantir que os dados internos estejam livres de erros e imprecisões. Esse processo, conhecido como “data scrubbing”, é essencial para a curadoria de um patrimônio de dados limpo, que é o eixo central para o sucesso dos projetos de IA.

Muitas organizações ainda dependem de documentos em papel, que precisam ser digitalizados e limpos para as operações comerciais do dia a dia. Idealmente, esses dados seriam incorporados a conjuntos de treinamento rotulados para a IA proprietária de uma organização, mas ainda estamos no início de ver isso acontecer. De fato, em uma pesquisa recente que conduzimos em colaboração com a Harris Poll, na qual entrevistamos mais de 500 tomadores de decisão de TI entre agosto e setembro, descobrimos que 59% das organizações nem sequer estão usando todo o seu acervo de dados. O mesmo relatório constatou que 63% das organizações concordam que têm falta de compreensão de seus próprios dados e que isso está inibindo sua capacidade de maximizar o potencial da GenAI e tecnologias similares. Preocupações com privacidade, segurança e governança são certamente obstáculos, mas dados precisos e limpos são essenciais; mesmo pequenos erros de treinamento podem levar a problemas agravados que são difíceis de resolver quando um modelo de IA apresenta erros. Em 2025, a depuração de dados e os pipelines para garantir a qualidade dos dados se tornarão uma área de investimento crítica, garantindo que uma nova geração de sistemas de IA empresarial possa operar com informações confiáveis ​​e precisas.

O Impacto Expansivo da Função do CTO

O papel do Chief Technology Officer (CTO) sempre foi crucial, mas seu impacto deve se expandir dez vezes mais em 2025. Traçando paralelos com a “era do CMO”, onde a experiência do cliente sob o Chief Marketing Officer era primordial, os próximos anos serão a “geração do CTO”.

Embora as principais responsabilidades do CTO permaneçam inalteradas, a influência de suas decisões será mais significativa do que nunca. CTOs bem-sucedidos precisarão de um profundo entendimento de como as tecnologias emergentes podem remodelar suas organizações. Eles também devem compreender como a IA e as tecnologias modernas relacionadas impulsionam a transformação dos negócios, não apenas a eficiência dentro das quatro paredes da empresa. As decisões tomadas pelos CTOs em 2025 determinarão a trajetória futura de suas organizações, tornando seu papel mais impactante do que nunca.

As previsões para 2025 destacam um ano transformador para a Gen AI, gerenciamento de dados e o papel do CTO. À medida que a Gen AI deixa de ser uma solução em busca de um problema para se tornar uma potência na resolução de problemas, a importância da depuração de dados, o valor dos ativos de dados corporativos e o impacto crescente do CTO moldarão o futuro das empresas. As organizações que adotarem essas mudanças estarão bem posicionadas para prosperar no cenário tecnológico em evolução.